【干货教程】DeepSeekR1+OpenWebUI构建RAG检索增强知识库的实战教程

文章目录 一、前文二、什么是RAG？三、示例和使用3.1 新建知识库3.2 添加模型3.3 测试和使用 四、高级功能4.1 嵌入模型选择4.2 引用追踪4.3 混合搜索增强4.4 YouTube 内容集成4.5 文档解析支持 五、总结六、参考

一、前文

DeepSeek R1大模型相关文章如下：

Windows电脑本地部署运行DeepSeek R1大模型（基于Ollama和Chatbox）【万字教程】在Windows计算机部署DeepSeek大模型，给在实验室无外网的同事们用（基于Ollama和OpenWebUI）【史上最简单】DeepSeek R1+Open WebUI实现个人知识库和企业知识库的智能管理

清华大学出品了两份关于DeepSeek的使用文档，可以通过如下两个方式进行获取。

关注【小康师兄】微信公众号，回复【清华大学DeepSeek：从入门到精通】即可获取下载链接。关注【小康师兄】微信公众号，回复【DeepSeek如何赋能职场应用】即可获取下载链接。 二、什么是RAG？

检索增强生成（RAG）将大语言模型与从外部源检索的知识相结合。

系统从上传的文档或知识库中检索相关数据，提高响应的质量和准确性。

三、示例和使用 3.1 新建知识库 工作空间——>知识库——>单击右上角的加号

上传文件

3.2 添加模型 工作空间——>知识库——>单击右上角的加号

RAG本身就是AI模型和知识库的结合，所以需要 选择AI模型选择知识库管理权限

保存并创建后，得到2个模型。 deepseek-r1:14b：仅deepseek-r1:14bAI模型，不包含任何知识库。客户资料智能体：包含deepseek-r1:14bAI模型和客户信息知识库。

3.3 测试和使用 使用deepseek-r1:14b模型，无法得到答案。

切换到客户资料智能体的模型，并新建对话。

使用客户资料智能体模型，得到正确答案。

四、高级功能 4.1 嵌入模型选择

支持 Ollama 和 OpenAI 的嵌入模型，可在管理面板>设置>文档中切换，以优化文档处理效果。

4.2 引用追踪

系统会自动为 LLM 使用的文档内容添加引用标记，确保信息来源可追溯，提高对话的可信度。

4.3 混合搜索增强 采用BM25算法进行基础搜索使用CrossEncoder技术进行结果重排序支持自定义相关性分数阈值可根据需求切换混合搜索功能 4.4 YouTube 内容集成 支持直接处理 YouTube 视频 URL自动提取和分析视频转录内容将视频信息无缝整合到对话中 4.5 文档解析支持

系统配备多种解析器，可处理各类本地和远程文档。详细信息请参考get_loader函数文档。

五、总结

检索增强生成（Retrieval Augmented Generation，简称 RAG）是一项前沿技术，通过整合多源上下文信息来增强 AI 模型的对话能力。

它可以从本地文档、远程文件、网页内容，甚至 YouTube 视频等多媒体源中检索相关信息。

系统会将检索到的文本与预定义的 RAG 模板结合，添加到用户的提示词之前，从而提供更准确、更符合上下文的回答。

RAG 的核心优势在于其强大的信息整合能力，这使其成为处理复杂对话场景的理想解决方案。

例如，当用户询问特定文档或网页相关的问题时，RAG 可以智能地检索并整合相关信息到回答中。对于多媒体内容，如 YouTube 视频，RAG 可以分析视频字幕或说明文字，提取关键信息并融入对话中。

六、参考 教程：配置 Open WebUI 文档的 RAG 功能（ openwebui-doc-zh.pages.dev/tutorials/tips/rag-tutorial/）🔎 检索增强生成（RAG）| Open WebUI（ openwebui-doc-zh.pages.dev/features/rag/）

---

若觉得文章对你有帮助，随手『点赞』、『收藏』、『关注』，也是对我的支持。