ollama官网地址(下载并安装)：https://ollama.com/download, 校验是否安装成功：
ollama -v
拉取deepseek模型：https://ollama.com/library/deepseek-r1 这里可以选择哪个版本的模型，选择后使用命令拉取：
ollama run deepseek-r1:8b
安装完成之后，即服务启动完成。关闭服务之后，下次再启动也是使用同样的命令：
ollama run deepseek-r1:8b
添加chrome插件：
https://chromewebstore.google.com/detail/page-assist-a-web-ui-for/jfgfiigpkhlkbnfnbobbkinehhfdhndo
向量化模型：https://ollama.com/library/nomic-embed-text，执行命令：
ollama pull nomic-embed-text
打开chrome插件，在 Setting -> RAG Setting -> Embedding Model，选择 nomic-embed-text, 并保存。
然后添加本地文档，在 Setting -> Manage Knowledge -> Add new Knowledge, 上传本地文档，并等待状态变成Finished。
测试本地文档训练结果：
在新对话聊天中，在对话框 Submit按钮旁边的按钮中选择知识库，并开启对话。
选择 DeepSeek-R1-Distill-Llama-8B 或 DeepSeek-R1-Distill-Llama-70B
在 HuggingFace上下载model，地址：https://huggingface.co/deepseek-ai/DeepSeek-R1-Distill-Llama-8B
AWS目前不支持qwen2的模型架构，会报错：Amazon bedrock does not support the architecture (qwen2) of the model that you are importing. Try again with one of the following supported architectures: [llama, mistral, t5, mixtral, gpt_bigcode, mllama, poolside]
可以使用python 脚本：
from huggingface_hub import snapshot_download
model_name = "deepseek-ai/DeepSeek-R1-Distill-Llama-8B"
local_dir = "./DeepSeek-R1-Distill-Llama-8B"
snapshot_download(repo_id=model_name, local_dir=local_dir)
下载好模型之后，在S3中创建对应的bucket和文件夹，如S3:
s3://ollama-deepseek-model/model/DeepSeek-R1-Distill-Llama-8B/
使用awscli上传至S3（我试过使用console上传会因为文件过大导致超时），S3可以在~/.aws/config中进行配置，配置如下：
[default]
region = us-west-2
output = json
multipart_threshold = 64MB
multipart_chunksize = 256MB
awscli命令如下：
aws s3 sync "/Users/lee/Workspace/ollama/DeepSeek-R1-Distill-Llama-8B" \
s3://ollama-deepseek-model/model/DeepSeek-R1-Distill-Llama-8B/ \
--storage-class STANDARD \
--acl private
上传完成之后，在AWS Console上:
Amazon Bedrock -> (Foundation models) Imported models -> (Button) Import model
在页面上只需填写模型名字（符合要求即可）DeepSeek-R1-Distill-Llama-8B，然后在 Model import settings 中选择对应的S3的文件夹，然后点击 Import Model 按钮即可。
可能需要等待一些时间创建 Import Model的Job。
完成之后，回到 (Foundation models) Imported models 页面，即可看到页面中有 Model: DeepSeek-R1-Distill-Llama-8B, 点击这个Model，并在新页面点击右上角 Open in playgroud 即开启对话。
但是实际上，对话并不能成功，这里AWS会提示（需要在Support中处理）：To access Amazon Bedrock, you must provide further information so we can verify you are a corporate customer and that we can grant you access given applicable law and internal policy. Please submit a request here: link
由于3.3没有成功，所以我只是了解到是在AWS Console上的以下路径打开并建立知识库：
Amazon Bedrock -> (Build tools) Knowledge Bases
更新：
我使用公司的AWS Account添加成功。在这里需要可以把文档放入S3，然后选择一个embeding模型，就建立好知识库了。在使用的时候，选择这个知识库即可。