《大模型面试宝典》(2025版) 发布了

基于去年我们写的《大模型面试宝典》(2024版)的基础上，我根据自己实践经验和星球小伙伴的面经分享总结推出《大模型面试宝典》(2025版)，共计52w+字。

与去年相比，内容增加了星球成员面试真题分享、大模型最新考试要点总结、DeepSeek 项目实战、业内同行大模型实战项目总结，同时删除了一些老旧内容。

相信读完后，无论你是学生还是在职人员，在求职面试和工程实践方面一定能会有所收获。

内容概况

受限于文章篇幅，宝典内容部分展示如上图所示

获取方式

今天，我们就来聊聊：如何在企业内部私有化部署 DeepSeek，并结合 Dify 构建企业级知识库共享方案。

注：

本文软件部署环境为：

Ubuntu22.04+Docker。

为什么要私有化部署 DeepSeek？

如果你在企业里推动 AI 落地，老板可能会问你：“为什么我们不能直接用大模型在线API？”

答案很简单：

数据安全：企业的核心文档、客户资料、专利数据等都需要严格保密，公有云大模型的 API 调用存在数据泄露风险。

成本可控：大规模使用大模型API，长期来看成本会非常可观，而本地部署 DeepSeek 只需要一次性投入服务器成本。

个性化训练：私有化部署允许企业定制模型，适配特定业务场景。

所以，企业想真正利用 AI 赋能业务，私有化部署是王道！

DeepSeek 私有化部署指南（基于 Ollama）

01

DeepSeek部署硬件要求

以下为DeepSeek-r1不同参数模型部署所建议硬件要求（仅供参考）：

02

安装 Ollama 并部署 DeepSeek

在命令符界面输入如下命令下载Ollama镜像：

docker pull ollama/ollama

使用下面的命令部署运行Ollama(Portainer 或 docker compose)：

version: '3.9'
services:
 ollama:
    image: ollama/ollama
    container_name: my-ollama #容器名字可自己定义
    restart: always
    ports:
      - "11434:11434"
    volumes:
      - /ollama/models:/root/.ollama  # 模型存放路径自己定义

等Ollama容器运行起来后，在系统命令行中执行如下语句安装DeepSeek-r1，本次我们作为测试，安装模型参数为1.5b。

# 进入Ollama容器
docker exec -it my-ollama /bin/bash
# 执行下载模型命令
ollama run deepseek-r1

等待模型下载完成后，即可执行exit命令退出容器。

集成 Dify 进行知识库共享

01

安装Dify

Dify 是一个开源的 AI 应用构建平台，支持私有化部署，企业可以用它轻松管理知识库。

Dify下载地址：

https://github.com/langgenius/dify

下载完成后，上传到系统指定目录，解压后并执行如下命令进行安装：

cd dify
cd docker
cp .env.example .env
docker compose up -d

02

连接 DeepSeek API

设置完Dify的管理员后，我们进入Dify页面：

在 Dify 后台，左上角用户图标下拉菜单下，我们选择设置-模型提供商，选择Ollama模型提供商，并输入接口信息，点击保存，如下图：