一、环境准备

1.1 硬件要求

• CPU：建议使用多核处理器（Intel i5 10代或同级以上）
• 内存：最低8GB，推荐16GB及以上（模型越大需求越高）
• 显卡：NVIDIA显卡（显存≥8GB），支持CUDA加速（RTX 3060及以上更优）
• 存储空间：根据模型版本预留20GB-100GB可用空间

1.2 软件依赖

• 操作系统：Windows 10/11（64位）、Linux（Ubuntu 20.04+）、macOS 12+
• 工具包：Python 3.8+、Git、Docker（可选）
• 运行框架：Ollama（核心部署工具）

二、部署流程

2.1 安装Ollama

1. 访问官网：打开Ollama官网 ，点击“Download”按钮。
2. 选择版本：
   • Windows：双击.exe安装包，按向导完成安装。
   • macOS：拖拽.dmg文件至“应用程序”文件夹。
   • Linux：执行命令curl -fsSL https://ollama.com/install.sh | sh。
3. 验证安装：
   打开终端，输入ollama --version，显示版本号即成功（如ollama version 0.1.28）。

2.2 下载DeepSeek-R1模型

1. 选择模型版本：
   • 1.5B：显存≤6GB，适合基础任务。
   • 7B/8B：显存8-12GB，平衡性能与资源。
   • 32B及以上：显存≥16GB，需高性能计算卡（如RTX 4090）。
2. 执行下载命令：

# 以7B模型为例（Windows需以管理员身份运行PowerShell）
ollama run deepseek-r1:7b 

3. 监控进度：

• 终端显示pulling manifest及进度条，下载完成后提示Success。

2.3 配置前端工具（以Chatbox为例）

1. 下载Chatbox：

• 访问Chatbox官网 ，选择对应系统安装包。

2. 连接Ollama API：

• 打开Chatbox，进入“设置” → “模型供应商”，选择“Ollama”。
• 输入API地址：http://localhost:11434。

3. 选择模型：

• 下拉菜单中勾选已安装的deepseek-r1:7b，保存配置。

2.4 运行与测试

1. 启动服务：

  # 保持Ollama后台运行，执行：
  ollama serve 

2. 对话测试：
   在Chatbox输入框输入问题（如“简述量子计算原理”），观察回复内容。
3. 性能调优（可选）：
   • 调整线程数：在Ollama配置文件中设置num_threads: 8（根据CPU核心数调整）。
   • 显存分配：添加参数–gpu-memory 8000限制显存占用（单位MB）。

三、进阶配置

3.1 集成开发环境（VSCode）

1. 安装插件：
   搜索并安装“Continue”扩展，支持代码补全与调试。
2. 绑定模型：
   在.continue/config.json 中添加：

{
 "models": [{
   "title": "DeepSeek-R1",
   "provider": "ollama",
   "model": "deepseek-r1:7b"
 }]
}

3.2 WebUI部署（Open WebUI）

1. 安装Docker：

• 参考官方文档 完成安装。

2. 拉取镜像：

  docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway  -v open-webui:/app/backend/data --name open-webui ghcr.io/open-webui/open-webui:main  

3. 访问界面：
   浏览器打开http://localhost:3000，注册账号后选择deepseek-r1模型。

四、常见问题排查

问题现象	解决方案
下载模型时网络中断	使用ollama pull deepseek-r1:7b续传，或更换镜像源（如OLLAMA_HOST=镜像地址）
显存不足导致崩溃	切换更小模型（如7B→1.5B），或添加–num-gpu-layers 20减少GPU负载
Chatbox无法连接Ollama	检查防火墙设置，确保11434端口开放，或重启Ollama服务
回复速度慢	在Ollama启动命令中添加–verbose查看日志，优化线程数与批处理大小

五、注意事项

1. 数据安全：本地模型处理敏感数据时，建议关闭互联网连接。
2. 版本更新：定期执行ollama update获取最新模型优化。
3. 资源监控：使用nvidia-smi（Linux/Windows）或Activity Monitor（macOS）监控资源占用。
   通过上述步骤，您可快速完成DeepSeek的本地部署，享受低延迟、高隐私的AI服务。如需扩展功能，可参考Ollama官方文档 进一步探索。