用 DeepSeek-V4 Flash 搭建本地知识库：零成本 RAG 方案

DeepSeek-V4 Flash 上线国家超算互联网后调用成本极低，非常适合搭建 RAG 知识库。本文从环境搭建、文档处理、向量存储到问答接口，完整演示一套零成本本地知识库方案。

为什么选 DeepSeek-V4 Flash

DeepSeek-V4 Flash 采用 MoE 架构，总参数 2840 亿、激活 130 亿，支持 100 万 Token 上下文。最重要的是：它在国家超算互联网上线后，API 调用价格极低，有免费额度，非常适合个人和小团队搭建 RAG 知识库。

整体架构：文档 → 文本分块 → Embedding 向量化 → 向量数据库 → DeepSeek 问答。

所需组件：Python 3.10+、DeepSeek API Key、ChromaDB（本地向量数据库）、LangChain（编排框架）。

pip install langchain chromadb openai
# DeepSeek API 兼容 OpenAI 接口，可直接用 openai SDK

将 PDF/Word/Markdown 文档分块（建议每块 500-1000 字），然后用 Embedding 模型向量化，存入 ChromaDB。DeepSeek 的 Embedding 接口价格也很低。

用户提问时，先将问题向量化，在 ChromaDB 中检索最相关的文档块，然后把问题和检索结果一起发给 DeepSeek-V4 Flash 生成回答。

DeepSeek-V4 Flash 支持思考/非思考模式切换。知识库问答建议开启思考模式，回答更准确；简单查询用非思考模式，速度更快。

DeepSeek-V4 Flash 的成本优势让个人搭建 RAG 知识库从「实验」变成了「日常可用」。