实践用Ollama本地部署DeepSeek-R1模型，总算搞清楚了联网搜索RAG是怎么回事

最近在研究大模型的落地应用，在本地使用2张GPU显卡部署了一套DeepSeek-r1模型，并搭配了Page Assist作为web ui。由于deepseek模型信息最新更新时间是到2023年12月，所有这个日期之后发生的事情，它是不知道的，而Page Assist有个联网搜索功能，可以很好的弥补这一点，之前一直不清楚他们是怎么配合的，今天重点研究了一下，也算是搞清楚了怎么回事。附上本地使用Ollama部署deepseek的步骤和设置。

1、本地安装Ollama

ollama基础命令：
1）模型管理
ollama pull

2、下载运行deepseek-r1:32b

我这里使用的是32b的模型，大约20个G，进行本地研究应该是足够了，同时保证内存和磁盘空间足够。

提个问题试试。

3、外部网络访问

一开始直接启动，默认访问地址是127.0.0.1:11434，只允许本地访问。如果要放开外部访问，需要进行Ollama设置。

sudo vim /etc/systemd/system/ollama.service
在[Service]下面加上：
Environment="OLLAMA_HOST=0.0.0.0:11434"   #运行所有地址访问
Environment="OLLAMA_ORIGINS=*"  #运行跨域访问
sudo systemctl daemon-reload
sudo systemctl restart ollama

4、使用Chrome浏览器插件访问

在本地浏览器上安装Page Assist作为web ui，访问插件地址https://chromewebstore.google.com/search/Page%20Assist?hl=zh-CN&utm_source=ext_sidebar

安装完成后打开

5、使用DeepSeek联网搜索

当在没开启联网搜索时，询问当前日期是多少，它是无法回答的，只有开启才可以。

我本地deepseek模型是运行在服务器上的，且切断了互联网，它不可能直接联网查询。
Page Assist作为浏览器扩展，它的联网功能是独立于DeepSeek模型运行的，当用户开启联网搜索时，Page Assist会通过预设置的浏览器直接访问互联网，用搜索引擎先进行实时查询，把获取的网络信息作为上下文，然后将这些信息与用户问题一起发送给本地的DeepSeek模型进行问题回答生成，最后再反馈给用户。大体流程如下图。