deepseek本地部署+结合思路
deepseek本地部署
配置：
建议配置
运行内存16GB+
显卡：4060+
操作系统：win11/win10
存储：512GB+
一、安装Python 3.11环境（参见）
超详细的Python安装和环境搭建教程_python安装教程-CSDN博客
二、安装Docker
Docker 安装 (完整详细版)_docker安装-CSDN博客（他这个是linux的，咱们安装win的即可，操作命令win的有些许不同，像平常的软件一样安装就行，如果打开有黑框，升级更新即可，只不过服务源要换到国内的,下面是更换方法）
1、打开软件，登陆后来到设置，如下图所示
把我下文中的内容粘进去，保存即可
粘入的内容：
{
"builder": {
"gc": {
"defaultKeepStorage": "20GB",
"enabled": true
}
},
"experimental": false,
"features": {
"buildkit": true
},
"registry-mirrors": [
"https://82m9ar63.mirror.aliyuncs.com",
"http://hub-mirror.c.163.com",
"https://docker.mirrors.ustc.edu.cn"
]
}三、下载ollama
链接如下：
奥拉马
https://ollama.com/参考部署文章：深度搜索-R1
不看这个跟着来也行：
win+R cmd 打开命令窗口：
版本：1.5b，适用于一般文字编辑使用（需要1.1GB空余空间）
ollama run deepseek-r1:1.5b
版本：7b，DeepSeek的第一代推理模型，性能与OpenAl-01相当，包括从基于Llama和Qwen的DeepSeek-R1中提取的六个密集模型（需要4.7GB空余空间）
ollama run deepseek-r1:7b
版本：8b，（需要4.9GB空余空间）
ollama run deepseek-r1:8b【本文用的是这个】
版本：14b，（需要9GB空余空间）
ollama run deepseek-r1:14b
版本：32b，（需要20GB空余空间）
ollama run deepseek-r1:32b
版本：70b，（需要43GB空余空间）
ollama run deepseek-r1:70b
版本：671b，（需要404GB空余空间）
ollama run deepseek-r1:671b
上面的命令，随便选一个，然后运行等待即可
运行完后大致是这样：
四、部署可视化界面
保持网络链接,关闭命令窗口，重新win+r cmd 打卡，使用以下命令：
docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main参考：【AI】Ollama+OpenWebUI+llama3本地部署保姆级教程，没有连接互联网一样可以使用AI大模型！！！_ollama webui-CSDN博客
安装完后：localhost:3000
登录按照格式随便填即可
五、此时因为模型初次部署，可能存在互相认不到的情况
1、重新启动计算机
2、重启后先打开：ollama【没错就是那个羊驼】
3、打开Docker Desktop
点击小三角，运行系统
打开浏览器
输入：Open WebUIhttp://localhost:3000/
登录后，来此选择部署的大模型：
此时完成部署：
结合思路：
基于Deepseek离线部署能力，且大小使得多数系统可接受。
那么基于当前训练模型，针对不同情况进行针对性算法训练，比如你是一个厨师，那就只会做饭，会很多菜谱，基于行为模式进行模型训练部署，极大的减少模型尺寸，提高系统运行效率。
当然也可根基此逻辑，比如让游戏的人物自由的与玩家对话，根据不同的人物性格，赋予不同的AI大模型训练方向，甚至是智能家居等等
Deepseek【基于语言开源离线模型修改部署，其他的暂未测试】+unity模拟逻辑运行，如下：
在unity中启用Python，部署房间场景环境：
然后我们创建好人物，部署好动画和状态机FSM或behavior tree都行，这里我用的是behavior tree，原理都是一样的，只不过后者有可视化，直观点
然后我们在对应的位置创建好逻辑交互点（逻辑交互范围）
然后编写代码调用DeepSeek，调用逻辑如下：
1、发出指令
比如：机器人去做一道菜
2、描述厨房关键点环境信息（比如厨房有水槽、切菜板、灶火...）
3、让deepseek做菜时，依照首先、其次、然后、接着....关键顺序词逻辑进行描述
4、以关键词进行分割，建立任务队列（代码体现就是个栈），执行分割后关键词内的关键信息内容，对应去执行
5、调用寻路算法，按照队列，触发对应行为树操作逻辑，并触发动画，通过分割任务，让deepseek完成任务逻辑的命令下达，然后分配队列，完成操作
6、执行完后自动结束任务,下图为通过deepseek下达加热冰箱食物任务，目标人物已经完成从冰箱取出食物，移动到微波炉，当前是已放入食物后，机器人在加热等待的场景
虚幻引擎同理