1. 环境准备与检查在开始之前，请确保你的环境满足以下条件：1.1 硬件要求内存：建议至少8GB可用内存（运行7B模型需要约4-6GB）硬盘：DeepSeek模型文件约4-5GB空间CPU/GPU：如有NVIDIA GPU可加速推理（可选）1.2 软件要求操作系统：Windows 10/11、macOS、Linux均可芋道框架：已部署芋道框架，且使用JDK 17/21版本（Spring AI基于Spring Boot 3.X，最低要求JDK 17）Docker：已安装Docker Desktop（用于SearXNG）1.3 确认芋道AI模块芋道框架的AI功能由yudao-module-ai模块实现 。确保你的芋道项目：使用的是master-jdk17分支已导入AI模块的SQL脚本（如有需要）已启动AiServerApplication服务2. 安装Ollama并部署DeepSeek模型2.1 下载安装Ollama根据你的操作系统，选择对应的安装方式：🪟 Windows用户访问 Ollama官网：https://ollama.com/download下载Windows版本安装包（.exe文件）双击运行安装程序，按提示完成安装安装完成后，Ollama会自动在后台运行，并在系统托盘显示图标🍏 macOS用户访问 Ollama官网下载 macOS 版本或使用Homebrew安装：brewinstallollama brew services start ollama🐧 Linux用户curl-fsSLhttps://ollama.com/install.sh|sh2.2 验证Ollama安装打开终端（Command Prompt、PowerShell或Terminal），输入：ollama--version如果显示版本号，说明安装成功。2.3 下载并运行DeepSeek模型Ollama支持多种模型，我们选择DeepSeek（根据你的硬件条件选择合适版本）：选项A：DeepSeek-R1 7B（推荐，性能均衡）ollama run deepseek-r1:7b选项B：DeepSeek-R1 1.5B（轻量级，适合低配置机器）ollama run deepseek-r1:1.5b选项C：DeepSeek-Coder（适合代码场景）ollama run deepseek-coder:6.7b第一次运行会自动下载模型，下载时间取决于网络速度，模型文件约4GB左右。下载完成后会自动进入交互界面，你可以输入问题测试是否正常工作。测试示例： 你好，请简单介绍一下自己输入/bye退出交互界面。2.4 确认Ollama API服务Ollama安装后默认启动API服务，监听地址为：http://localhost:11434验证API是否正常：# 查看Ollama服务状态curlhttp://localhost:11434/api/tags应该返回类似下面的JSON，显示已安装的模型列表：{"models":[{"name":"deepseek-r1:7b","modified_at":"2024-...","size":3851234567}]}3. 芋道框架AI功能配置3.1 芋道AI功能开启前提根据芋道官方文档，使用AI功能需要 ：后端使用master-jdk17分支已启动yudao-module-ai模块的AiServerApplication前端使用yudao-ui-admin-vue3的master分支3.2 配置Ollama API密钥你的理解完全正确！芋道框架通过在管理后台配置API密钥来接入Ollama 。操作步骤：登录芋道管理后台（默认地址：http://localhost:80或你的部署地址）进入AI配置菜单：导航到：AI大模型 → 控制台 → API密钥新增API密钥：点击「新增」按钮名称：填写Ollama-DeepSeek（可自定义）平台：选择Ollama（芋道已内置支持Ollama平台）密钥：可填写任意值（Ollama本地部署不需要真实API密钥，但字段不能为空，建议填ollama）自定义API地址：填写http://localhost:11434✅关键配置！状态：开启保存配置3.3 配置模型进入模型配置菜单：导航到：AI大模型 → 控制台 → 模型配置新增模型：点击「新增」按钮模型名字：填写DeepSeek-R1-7B（可自定义）API秘钥：选择上一步创建的Ollama-DeepSeek平台：自动带出Ollama模型标识：填写deepseek-r1:7b⚠️必须与Ollama中的模型名称完全一致！模型类型：选择CHAT（用于文本生成）温度参数：0.7（可调整，控制随机性）最大Tokens：2048（根据需求调整）上下文数量：10（保留最近10轮对话）状态：开启保存配置3.4 验证芋道与Ollama连接进入AI大模型 → AI对话菜单点击左上角「新建对话」在右上角模型选择中，找到并选中你刚配置的DeepSeek-R1-7B输入测试问题，例如：“你好，请做自我介绍”如果能收到回复，说明配置成功！🎉4. 整合SearXNG实现联网搜索安装部署SearXNG可参考另一篇文章：Docker Desktop 安装 SearXNG 部署完整教程SearXNG服务（http://localhost:30080），现在我们要让芋道框架能够通过SearXNG实现联网搜索。4.1 确认SearXNG服务状态确保你的SearXNG容器正在运行：# 查看容器状态dockerps|grepsearxng# 如果未运行，启动它dockerstart searxng# 测试访问curlhttp://localhost:300804.2 芋道框架联网搜索实现方案主方法public FluxCommonResultAiChatMessageSendRespVOsendChatMessageStream(AiChatMessageSendReqVO sendReqVO, Long userId){//1.1校验对话存在 AiChatConversationDO conversation=chatConversationService .validateChatConversationExists(sendReqVO.getConversationId());if(ObjUtil.notEqual(conversation.getUserId(), userId)){throw exception(CHAT_CONVERSATION_NOT_EXISTS);}ListAiChatMessageDOhistoryMessages=chatMessageMapper.selectListByConversationId(conversation.getId());//1.2校验模型 AiModelDO model=modalService.validateModel(conversation.getModelId());StreamingChatModel chatModel=modalService.getChatModel(model.getId());//2.1知识库找回 ListAiKnowledgeSegmentSearchRespBOknowledgeSegments=recallKnowledgeSegment(sendReqVO.getContent(), conversation);//2.2联网搜索（本地 SearXNG + DeepSeek） AiWebSearchResponse webSearchResponse=new AiWebSearchResponse();if(Boolean.TRUE.equals(sendReqVO.getUseSearch())){try{// 完整的 Cookie 内容 MapString, Stringcookies=new HashMap();cookies.put("categories","general");cookies.put("language","auto");cookies.put("locale","zh-Hans-