南大通用GBase 8c数据库+DeepSeek，重新定义本地知识库搭建（之一）

引 言

Q1什么是LLM?

‌LLM‌是大型语言模型（Large Language Model）的缩写，它是一种基于深度学习的人工智能模型，主要通过学习海量的文本数据来理解和生成人类语言。这些模型通常包含数百亿（或更多）参数，通过层叠的神经网络结构，学习并模拟人类语言的复杂规律，达到接近人类水平的文本生成能力。

Q2什么是RAG?

RAG是检索增强生成（Retrieval Augmented Generation）的缩写，它是一种结合了信息检索与自然语言生成技术的方法，旨在通过引入外部知识库来增强生成模型的能力，从而提高生成内容的质量和准确性。

Q3有了LLM为什么还需要RAG?

Ø LLM知识局限：LLM模型自身的知识源于其训练数据，而现有的主流大模型的训练集基本都是构建的数据集，对于一些实时性的、非公开的或离线的数据是无法获取到的，这部分知识也就无从具备。

Ø LLM幻觉局限：LLM底层原理都是基于数学概率，其模型输出实质上是一系列数值运算，因此LLM有时候会一本正经地胡说八道，尤其是在LLM自身不具备某一方面的知识或不擅长的场景。

Ø LLM数据安全：当前人工智能时代，数据安全至关重要，没有企业愿意承担数据泄露的风险，不可能将自身的私域数据上传第三方平台进行训练。这也导致完全依赖通用大模型自身能力的应用方案不得不在数据安全和效果方面进行取舍。

为什么选择GBase 8c V6 + DeepSeek？

Ø性能强劲，稳定高效：GBase 8c作为国产分布式数据库佼佼者，性能优异且更加安全稳定，V6版本集成了自研的分布式向量引擎，数据库优化器和执行器相对V5版本做了全面优化，性能大幅提升。DeepSeek的RAG模型更能精准理解用户需求。

Ø 灵活定制，无限可能：本地部署意味着用户可以根据自身需求，自由定制知识库内容和功能，打造更懂用户的AI助手。

Ø 数据安全，隐私保障：敏感数据本地存储，杜绝信息泄露风险，安心使用无顾虑。

Ø 离线可用，稳定可靠：无需依赖网络，随时随地访问自己的知识库，稳定流畅不卡顿。

Ø 成本可控，长期受益：一次部署，长期使用，无需持续支付高昂的云服务费用。

下一章，我们将具体介绍如何搭建软件开发的基础环境。