在前面的文章中，我写过一篇 DeepSeek 免费 API 的薅羊毛教程，当时顺便提及了一款非常好用的大模型客户端 CherryStudio，不过当时只提及它具备一般的 AI 大模型问答功能，其实 Cherry Studio 还可以让我们构建本地知识库（即 RAG）。（关联阅读：如何在 Obsidian 中构建 AI 知识库）
今天就简单写一篇文章，讲讲如何实现。
下载安装 Cherry Studio
这部分的内容不再赘述，你可以阅读这篇文章。
设置嵌入模型
找到硅基流动，点击如图所示的「管理按钮」
在「嵌入模型」选项中，点击 bge-me 这个模型的加号 ➕
创建知识库
按照如图所示进行设置，然后点击确定
随后你就可以添加任意文件、目录或者网址
这里我尝试添加一个文档数大约 2000 个，字数超过 150 万字的 Obsidian 文档库目录，它就会开始进行嵌入处理。
不到一分钟的时间，嵌入就处理完毕了，相当快。
然后就可以对这个知识库进行搜索了，Cherry Studio 会查找与你问题相关的文档，然后按照相关性进行排序。
在 Cherry Studio 的任意一个问答窗口，点击知识库按钮，关联刚才创建好的知识库
然后就可以对这个知识库进行提问了，并且回答也会显示引用来源
关联阅读
- DeepSeek R1 薅羊毛教程｜2000 万 Tokens 额度，免费使用国产最强 AI 大模型 API
- Obsidian 剪藏插件教程，用 DeepSeek 配置 AI 自动总结
- 在 Obsidian 中集成 AI 问答功能：Obsidian Copilot + DeepSeek 设置教程
本站所有文章，除非特别说明或标注，均为本站原创发布。转载本文需附上本文链接，未经授权，禁止大篇幅复制、盗用、采集或发布本站内容至其他网站、书籍等各类媒体平台。
