前幾天，我發(fā)了一篇文章：DeepSeek + Dify ：零成本搭建企業(yè)級本地私有化知識庫保姆級喂飯教程，在公眾號，知乎，星球上，很多朋友都跟著進行了實操，也給了我很多的反饋。

在此，我專門做一下集中答疑，希望朋友們少走彎路，主要集中在以下兩點：

一、Dify 和 ollama 關(guān)聯(lián)時，使用本機IP，還是跑不通怎么辦？

如果使用本機內(nèi)網(wǎng)IP聯(lián)不通的話，可以嘗試把指定 Ollama 的 API 地址改為host.docker.internal:11434 試試

二、知識庫 embedding 模型使用哪個比較好？

原本為了降低教程難度，我就使用了deepseek-r1模型作為embedding模型來使用了，使用效果也勉強過得去.

但是，deepseek-r1畢竟不是專門的embeddinig模型，他不是專門為了嵌入場景訓(xùn)練的。

所以，使用deepseek-r1作為嵌入模型時，有些問題回答的不是很盡如人意。因此，我又測試了其他幾款專業(yè)embedding模型，綜合結(jié)果顯示：bge-m3 效果最好，這里推薦大家使用 bge-m3 作為嵌入模型。

一）安裝 bge-m3 模型

bge-m3 模型安裝和deepseek-r1完全一樣，一個命令即可安裝：

ollama pull bge-m3

Embedding 模型那么多，為什么選擇 nomic-embed-text ？

BGE (BAAI General Embedding) 專注于檢索增強llm領(lǐng)域，經(jīng)本人測試，對中文場景支持效果更好，當然也有很多其他embedding模型可供選擇，可以根據(jù)自己的場景，在ollama上搜索“embedding”查詢適合自己的嵌入模型。

二）配置 Embedding 模型

三）創(chuàng)建知識庫

四）上傳資料

五）保存并處理

六）知識庫創(chuàng)建完成

七）測試效果

對比可以看到，使用bge-m3之前，對于有些問題的回答，答非所問，雖然有時候答案是對的，但是那是蒙的，并沒有引用到正確的知識庫對應(yīng)的信息。

使用了bge-m3之后，很明顯答案有理有據(jù)，推理依據(jù)是正確的上下文，而非猜測。

所以，知識庫回答效果跟Embedding模型有很大關(guān)系，需要根據(jù)實際場景進行選型。

如果還有疑問，可以加我微信私聊：ao-ai-coding，也可以通過飛書文檔查看試試答疑，答疑內(nèi)容會在這個文檔內(nèi)實時更新，文檔地址：https://i3k3w6il9z./docx/O8XSdRrt3o30Jmx8ZTccVgY0nLg?from=from_copylink