今天这篇教程关于：在自己电脑如何使用大模型，搭建“轻量飞速”个人知识库。

1 功能演示

之前文章已有介绍为什么要在本地搭建个人知识库，在此不再展开，简单来说，本地搭建知识库能做到更加安全地管理个人文档、或企业不方便外传的文档等。

这周末开发的桌面软件，咱们先看看界面功能：包括文件上传，知识库管理，关键词查询及结果显示，然后大模型深度思考分析（部分截图）：

2 轻量极速免费

以上个人知识库软件，满足以下要求：

1. 轻量。无需向量数据库，对电脑性能要求降到最低；
2. 极速。在保证查询性能、AI回答效果前提下，做到尽可能的快。
3. 免费。方案包括的所有工具全部开源，不用花一分钱。

3 设计方案和效果展示

基于以上三个要求，设计方案如下：

1. 查询选型whoosh。之前文章也有介绍，最大特点轻量、开源、性能够好。

2. 大模型配置灵活，选择DeepSeek-r1:1.5b，最新发布的推理模型，选择1.5b尺寸，回复极速，回答效果够好。效果下面会有证明。

总结来说：whoosh(本地查询快) + DeepSeek-r1:1.5b（回答极速、效果还有保证）

whoosh(本地查询快) ，快到什么程度，20页的PDF，按关键词查询能在ms级；

DeepSeek-r1:1.5b（回答极速、效果还有保证），极速到什么程度，我的电脑是m1，会话第一次拿到回复秒(s)级。

下面是GIF动画，受限公众号GIF帧数限制，只能录制有限帧，整个动画无任何加速，全部原始速度，大家重点看下回复延时，是否在秒级以内：

当输入关键词，并点击搜索后，会先从自己的知识库中搜索匹配文件，然后打包命中处的上下文，自动发送到Deepseek-r1:1.5b.

下图是回复完成后的部分截图，deepseek-r1:1.5b的回复效果很不错，回复包括两部分：思考过程+正式回答，如下两个红色文本框所示：

这两天我主要对之前已实现代码，做了如下改进：

1）whoosh查询逻辑优化升级，对中文查询输入更加友好；

2. 调整为DeepSeek-r1:1.5b模型及实现逻辑；

3）调整PDF读取方案及对应逻辑；

4. 调整为纯本地执行的桌面软件

下一步软件开发功能包括：

1. 支持任意网页抓取到本地+自动大模型分析

2）whoosh查询逻辑之分词组合配置查询

目前此软件全部开源，在下面公众号回复：知识库，获取软件代码：

再介绍下最近DeepSeek-r1模型，得分上看300多b的r1模型推理已超越o1，推理代表大模型的聪明程度，所以在社区内引起广泛关注：

它是怎么做到的？有哪些创新？主要三点：

1）冷启动数据与多阶段训练。使用冷启动数据（设计良好的长链式思维数据）对基础模型进行初步微调，为后续的强化学习（RL）奠定更稳定的基础。

2）强化学习驱动的推理优化。应用以目标为导向的 RL（如语言一致性奖励）增强推理能力，通过规则化奖励机制避免奖励黑箱问题，提升任务准确率和用户体验 。

3）蒸馏技术扩展能力。将大型模型的推理能力高效蒸馏到小型稠密模型上，实现高性能与计算效率的平衡。

最后总结

本地搭建个人知识库方案基于 Whoosh（本地查询极速）和 DeepSeek-r1:1.5b（回答迅速效果好），实现轻量、极速、免费。具体以下三点：

1）轻量高效：基于 Whoosh 实现毫秒级关键词查询，无需向量数据库，适合本地运行。

2）极速响应：结合 DeepSeek-r1:1.5b 大模型，实现秒级 AI 回复，兼顾速度与效果。

3）免费开源：所有工具均为开源软件，无需额外费用，适合个人和企业本地知识管理。