前言 在大模型（如 GPT、LLaMA 等）快速发展的今天，生成式 AI 的能力已经令人惊叹，但其固有的 “幻觉问题” 仍然是一个重要挑战。大模型在生成文本时，可能会输出与事实不符、逻辑错误或无关的内容，这严重限制了其在关键场景（如问答系统、知识检索等）中的可靠性和实用性。 为了解决这一问题，检索增强生成（Retrieval Augmented Generation, RAG） 技术应运而生。RA

分享内容 1. RAG 工作原理与技术架构深度剖析 2. Dify入门与私有化部署 3. Dify 构建知识库 4. Dify接入Deepseek R1构建Agent应用 RAG 工作原理与技术架构深度剖析 什么是RAG？ RAG（Retrieval Augmented Generation，检索增强生成） 是一种将 信息检索 与 文本生成 相结合的技术，通过实时从外部知识库中检索相关文档，增强大

Ollama 部署 DeepSeek R1模型 使用 Ollama 部署 DeepSeek R1 模型的步骤相对简单，以下是详细的部署流程： 步骤 1: 安装 Ollama 官网： Ollama 是一个简单易用的工具，可以帮助我们轻松地将 DeepSeek R1 部署到本地。首先，需要确保你的机器环境满足以下条件： 操作系统：Linux/MacOS 或 Windows GPU：支持 2G 显存的显

分享内容 1. Ollama 部署工具介绍& x20; 2. DeepSeek R1主要特点和应用场景 3. 使用 Ollama 部署 DeepSeek R1步骤 4. 总结 官网： <https://www.deepseek.com/ GitHub： <https://github.com/deepseek ai/DeepSeek R1 在人工智能领域，大型 官网： <https://ollam

2 月 24 日，DeepSeek 启动 “开源周”，第四个开源的代码库为 3FS\&smallpond（又是一下发布了两个）。 3FS（Fire Flyer File System）是 DeepSeek 内部开发的一款高性能分布式文件系统，旨在为 AI 训练和推理工作负载提供高效的共享存储层。它充分利用现代 SSD（固态硬盘）和 （远程直接内存访问）网络技术，简化分布式应用程序的开发，解决大规模

2 月 24 日，DeepSeek 启动 “开源周”，第二个开源的代码库为 DeepEP。很好，又挤了一段有硬件基因的牙膏出来。H100/H800 绝对是 DeepSeek 的小心肝。 1 DeepEP 简介 DeepEP 是由 deepseek ai （深度求索）开发的一个开源项目。DeepEP 针对混合专家（MoE）+ 专家并行（EP）模型架构设计的通信库。MoE 是由多个专家子网络组成的大模

2 月 24 日，DeepSeek 启动 “开源周”，第三个开源的代码库为 DeepGEMM，并向 CUTLASS 团队致敬。DeepGEMM 使用了大量与 Hopper 架构绑定的技术。毫无疑问，H100/H800 绝对是 DeepSeek 的小心肝。另外，从 Day1 到 Day3 的几个创新，都不是一般算法设计能完成的工作，必须要同时对 LLM、、、GPU 架构有深入了解才能迅速跟进这类技术

2 月 24 日，DeepSeek 启动 “开源周”，第四个开源的代码库为 DualPipe 与 EPLB（一下发布了两个）。DualPipe 与 EPLB 依然使用了大量与 绑定的技术。 DualPipe 是由 DeepSeek AI 团队开发的一种双向流水线并行通信算法，主要用于优化大模型（如 /R1）的数据交互和训练效率。 EPLB （Expert Parallelism Load Bala