deepseek部署在本地详细教程

最近，DeepSeek爆火，先进的算法、卓越的能力，表现出众，其凭一己之力推动国内Ai大模型跨越式发展。作为一款现象级的Ai产品，用户量暴增，最近服务器又被攻击，使用DeepSeek，经常出现服务器繁忙，将DeepSeek部署在本地电脑就方便很多。

将DeepSeek部署在本地电脑，只需三步即可完成。

一、环境准备

（一）硬件需求

最低配置：CPU（支持AVX2指令集）+ 16GB内存 + 30GB存储。
推荐配置：NVIDIA GPU（RTX 3090或更高）+ 32GB内存 + 50GB存储。

（二）软件依赖

操作系统：Windows、macOS或Linux。
Docker：如果使用Open Web UI，需要安装Docker。

二、下载安装 Ollama

部署DeepSeek要用到 Ollama，它支持多种大模型。

Ollama官网：Ollama

下载安装Ollama，macOS、Linux 和 Windows都可以下载安装，选用Windows系统。

访问Ollama官网：前往Ollama官网，点击“Download”按钮。
下载安装包：根据你的操作系统选择对应的安装包。下载完成后，直接双击安装文件并按照提示完成安装。默认都是安装到C盘
验证安装：安装完成后，在终端输入以下命令，检查Ollama版本：

如果输出版本号（例如ollama version is 0.5.7），则说明安装成功。

二、下载 DeepSeek-R1

1、进入Ollama官网，找到Models。

2、进入就可以看到deepseek-r1模型，如果没有，在搜索栏搜索即可。

3、选择对应的模型来下载，1.5b、7b、8b、14b、32b、70b或671b，这里有很多版本可选，模型越大，要求电脑内存、显卡等的配置越高。老宅这台机子是4060的显卡，选择8b的模型。

选择模型版本：

• 入门级：1.5B版本，适合初步测试。
• 中端：7B或8B版本，适合大多数消费级GPU。
• 高性能：14B、32B或70B版本，适合高端GPU。

4、找到Windows【开始菜单】，鼠标右键点击【终端管理员】。

5、复制下边8b的代码。

6、粘贴到PowerShell（管理员）运行框，然后回车。（这里会默认安装在C盘，注意C盘空间）

出现下载等待窗口，等待下载完成。

7、下载完成后稍微等待，看到success，即部署完成。

8、部署完成，send a message，输入内容即可开始对话。

启动Ollama服务：

在终端运行以下命令启动Ollama服务：

ollama serve

服务启动后，可以通过访问 http://localhost:11434 来与模型进行交互。

三、Chatbox前端搭建

通过第二步的操作，已经部署好DeepSeek，但每次使用都要在终端管理员里操作，相当繁琐。这里可以借助Chatbox，实现网页或客户端操作。

1、下载安装Chatbox

Chatbox官网：Chatbox AI官网：办公学习的AI好助手，全平台AI客户端，官方免费下载

进入官网下载安装Chatbox客户端。

设置中文

2、点击设置，选择Ollama API

3、选择安装好的deepseek r1模型，保存即可

4、部署完成，就可以正常使用了。

通过以上三步，DeepSeek就部署在本地电脑上了，有些不方便公开的数据，比如实验数据，可以通过部署大模型到本地的方式进行处理，不用担心数据泄露。

DeepSeek 登顶苹果中国地区和美国地区应用商店下载排行榜，在美区下载榜上超越了 ChatGPT。其推理能力的强大就不多说了，留给大家自行探索。

四、使用Open Web UI（可选）

为了更直观地与DeepSeek模型进行交互，可以使用Open Web UI。以下是安装和使用步骤：

安装Docker：确保你的机器上已安装Docker。
运行Open Web UI：
在终端运行以下命令安装并启动Open Web UI：
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

安装完成后，访问 http://localhost:3000，选择deepseek-r1:latest模型即可开始使用。

你可以在本地成功部署DeepSeek模型，并通过Ollama、Open Web UI、chartBox与模型进行交互。 

五、性能优化与资源管理

资源分配：根据硬件配置选择合适的模型版本。较小的模型（如1.5B到14B）在标准硬件上表现良好，而较大的模型（如32B和70B）需要更强大的GPU支持。
内存管理：确保系统有足够的内存和存储空间，以避免运行时出现资源不足的问题。

六、常见问题及解决方法

模型下载超时：如果在下载模型时出现超时问题，可以尝试重新运行下载命令。
服务启动失败：确保Ollama服务已正确安装并启动。如果服务启动失败，可以尝试重启Ollama服务。

七、ollama常用命令：

退出模型：/bye

列出模型：

删除模型：