目标：在你的个人电脑（即使是老旧笔记本）上，完全本地运行 DeepSeek R1 系列推理模型，实现：
- 数据永不上传云端，100% 隐私安全
- 通过浏览器 Web 界面聊天访问
- 搭建私人知识库（RAG），让 AI 精准回答你的公司/个人文档问题
- 老旧笔记本（8GB+ 内存，无独显也可）能流畅运行（可能稍慢，但实用）
推荐技术栈（2026 年最成熟方案）：
- Ollama：本地运行 LLM 模型（支持 DeepSeek R1 全系列，包括量化/蒸馏小模型）
- AnythingLLM：一站式 Web 界面 + RAG 知识库管理（全本地，支持 Ollama 后端，文档上传、向量数据库、聊天全流程）
这个组合完全离线、零云依赖、安装简单、资源占用可控，已有无数用户在老笔记本上成功运行。
第一步：硬件要求 & 模型选择建议（老旧笔记本专属优化）
- 最低配置：8GB 内存 + 20GB 空盘（推荐 16GB 内存更流畅）
- 无 GPU 也能跑：全靠 CPU，速度 5-15 token/s（够日常问答）
- 有 GPU 更好：NVIDIA 显卡（4GB+ 显存）可加速到 30+ token/s
DeepSeek R1 模型推荐（在 Ollama 中直接拉取）
- 老旧笔记本首选：deepseek-r1:7b 或 deepseek-r1:8b-q4_K_M（量化版，占 4-6GB 内存，推理能力强）
- 稍好配置：deepseek-r1:14b 或蒸馏版 deepseek-r1-distill-qwen-7b
- 顶级配置：deepseek-r1:32b 或更大（需 32GB+ 内存）
提示：R1 系列推理能力极强，即使 7B 蒸馏版在数学、代码、逻辑上也接近 o1/Gemini 水平，加上 RAG 后回答公司文档问题超级准。
第二步：安装 Ollama（模型运行引擎）
- 打开官网：https://ollama.com/download
- 根据你的系统下载安装包：
- Windows：直接双击 .exe 安装
- macOS：双击 .dmg 安装
- Linux：终端运行 curl -fsSL https://ollama.com/install.sh | sh
- 安装完成后，打开终端（Windows 用命令提示符/PowerShell）输入：
text
ollama --version
看到版本号即成功。
4. 拉取 DeepSeek R1 模型（替换成你选的标签）：
text
ollama pull deepseek-r1:8b-q4_K_M
（首次下载需几分钟到几小时，根据网速和模型大小）
5. 测试运行：
text
ollama run deepseek-r1:8b-q4_K_M
进入聊天模式，输入 “你好” 测试回复，Ctrl+D 退出。
后台运行模式（供 AnythingLLM 调用）：
text
ollama serve
（开一个新终端运行这条命令，让 Ollama 在后台监听）
第三步：安装 AnythingLLM（Web 界面 + 知识库）
AnythingLLM 是最简单的全本地 RAG 方案，一键 Docker 安装，内置向量数据库。
- 安装 Docker Desktop（必须）：
- 官网：https://www.docker.com/products/docker-desktop/
- 下载安装，重启电脑
- 启动 Docker Desktop（开机自启建议勾上）
- 一键启动 AnythingLLM： 打开终端，运行官方一键命令：
text
docker run -d -p 3001:3001 \
--cap-add SYS_ADMIN \
-v anythingllm-storage:/app/server/storage \
-v .anythingllm-hotdir:/app/server/.anythingllm-hotdir \
--name anythingllm \
mintplexlabs/anythingllm
（首次会自动下载镜像，耐心等 2-10 分钟）
4. 浏览器打开：http://localhost:3001
- 首次进入会让你设置管理员密码，记好！
第四步：配置 AnythingLLM 连接 Ollama + DeepSeek R1
- 登录 AnythingLLM 后，点击左下角 Settings（设置）
- 选择 LLM Provider → 选 Ollama
- 配置：
- Ollama Base URL：http://host.docker.internal:11434（Windows/Mac 默认这样）
- （Linux 用 http://localhost:11434）
- Model：选择你拉取的模型，如 deepseek-r1:8b-q4_K_M
- 保存测试（会显示绿色成功）
- （可选）嵌入模型（用于文档向量化）也选 Ollama 的小模型：
- Embedding Provider → Ollama
- Model 选 nomic-embed-text 或 all-minilm（先运行 ollama pull nomic-embed-text）
第五步：搭建个人/公司知识库（RAG）
- 在 AnythingLLM 左侧点击 Collections → New Collection
- 起个名字，如 “公司文档库” 或 “个人笔记”
- 上传文档：
- 支持 PDF、DOCX、TXT、MD、CSV、网页链接等
- 点击 Upload Documents，拖拽或选择你的公司文件（敏感数据完全本地处理！）
- 上传后会自动向量化（首次稍慢，后续秒级）
- 创建多个 Collection（如分部门：技术文档、合同库、会议记录）
第六步：使用 Web 端聊天 + 调用知识库（企业级 AI 体验）
- 点击左侧 New Workspace
- 起名，如 “公司助手”
- 在 Workspace 设置中：
- 关联你创建的 Collection（多选支持）
- 保存
- 开始聊天：
- 直接问问题，如 “根据合同模板，总结保密条款”
- AI 会自动检索知识库 + DeepSeek R1 推理，给出精准回答 + 引用来源
- 支持多轮对话、思维链（R1 自带强推理）
高级玩法：
- 多 Workspace：不同项目用不同知识库
- Agent 模式：让 AI 自动调用工具（未来更新）
- 分享链接：局域网内多人访问（设置中开 Multi-User）
常见问题 & 优化（老旧笔记本专治）
- 运行慢？换更小模型（如 7b-q4），或关闭其他程序
- 内存爆？用 deepseek-r1:7b-q3_K_M（更低量化）
- Docker 卡顿？AnythingLLM 也有桌面版（官网下载，非 Docker）
- 想换界面？可用 Open WebUI（另一个 Web UI，也支持 RAG）：
- Docker 运行：搜索 “Open WebUI Ollama” 一键命令
- 更新模型：ollama pull deepseek-r1:latest
总结：你现在拥有了一个企业级私人 AI 助手
- 所有数据、模型、处理都在本地 → 零泄露风险
- Web 浏览器访问，手机/平板也能局域网访问
- RAG 知识库让 7B 小模型也能精准回答复杂公司问题，推理能力媲美云端大模型
恭喜！按这篇教程操作，1-2 小时内就能上手。老旧笔记本也能跑出“企业级”效果，主要靠 R1 的强推理 + RAG 的精准检索。