
手把手教你在本地部署 DeepSeek R1,并集成到 Dify 中,建议收藏!
一步步指导你如何在本地环境中安装 DeepSeek R1,并将其融合进 Dify 中,确保你的工作的效率得到实质性的提升!本部分内容将重点阐述如何在本地环境下利用 Ollama 来部署 DeepSeek R1。后续章节将详细讲解如何将 DeepSeek R1 与 Dify 系统进行集成。请访问 Ollama 的官方网站,根据你的操作系统选择合适的版本,下载 Ollama应用程序并进行安装:安装完成
一步步指导你如何在本地环境中安装 DeepSeek R1,并将其融合进 Dify 中,确保你的工作的效率得到实质性的提升!
—1—
DeepSeek R1 模型部署
本部分内容将重点阐述如何在本地环境下利用 Ollama 来部署 DeepSeek R1。后续章节将详细讲解如何将 DeepSeek R1 与 Dify 系统进行集成。
第一、安装 Ollama
请访问 Ollama 的官方网站,根据你的操作系统选择合适的版本,下载 Ollama应用程序并进行安装:
安装完成后,打开命令行界面并输入
ollama
命令。如果屏幕上出现以下提示信息,那么恭喜你,Ollama 已经成功安装。
第二、部署 DeepSeek R1 模型
首先,访问 Ollama 官网并点击页面顶部的「模型」(Models)选项,接着在列表中找到并点击「DeepSeek R1」:
在模型详情页面,根据您的计算机显存容量选择合适的模型版本:
例如,我的电脑运行的是 MacOS 系统,拥有 32GB 的显存,因此我选择了14b 版本的模型。点击 14b 版本,页面右侧将显示下载指令:
将此下载命令复制并粘贴到命令行中执行:
待命令执行完毕,您就可以通过命令行与大模型进行交互了:
然而,仅通过命令行与大模型交流可能不够便捷。因此,接下来,我们将介绍如何将模型集成到 Dify 中,以便通过更直观的图形界面进行操作。
—2—
在 Dify 中配置 DeepSeek R1 模型
访问已部署的 Dify 系统,点击页面右上角的个人头像,随后选择「设置」选项:
在「模型供应商」配置页面,选择「Ollama」作为供应商:
在「模型名称」一栏输入:deepseek-r1:14b。对于「基础 URL」,如果 ollama 和 Dify 在同一台机器上部署,并且 Dify 是通过 Docker 容器部署的,那么应填写http://host.docker.internal:11434;若非此情况,请填写http://ollama 的服务地址:11434。完成填写后,点击「保存」按钮。
—3—
在 Dify 中创建应用
接下来,我将指导你如何在 Dify 中创建一个应用,以便利用 DeepSeek R1 模型。
首先,在 Dify 的「工作室」页面中,点击「创建空白应用」的按钮:
在出现的对话框中,选择「聊天助手」类型,输入「应用名称」和「描述」,然后点击「创建」:
应用创建成功后,点击页面右上角,选择您已经添加的 DeepSeek R1 模型:
接下来,可以尝试提出问题进行测试:
请注意,DeepSeek R1是一个推理模型,它不支持函数调用。这意味着它不能被集成到 Dify 的智能体中。不过,DeepSeek V3 模型则可以进行集成。
—4—
AI 大模型应用的爆发之年
本文向您展示了目前广受关注的 DeepSeek R1 模型,并指导你如何在本地环境下进行部署,以及如何将其融合至 Dify 平台。感兴趣的朋友不妨亲自尝试一番。
随着 DeepSeek 的爆火,2025年必定是 AI 大模型应用的爆发之年,其中最重要的应用形态就是 AI Agent 智能体
—5—
AI Agent 智能体为啥如此重要?
第一、这是大势所趋,我们正在经历一场重大技术变革,还不像当年的互联网的兴起,这是一场颠覆性的变革,掉队就等于淘汰,因为未来所有应用都将被 AI Agent 智能体重写一遍;
第二、现在处于红利期,先入场的同学至少会享受4~5年的红利,拿高薪,并且会掌握技术的主动权和职业选择权。
第三、企业需求旺盛,越来越多的企业已经在 Agent 智能体领域进行落地,这为我们提供了丰富的岗位机会和广阔的发展空间。
第四、大厂都在战略布局的方向,不管是国外的微软、谷歌,还是国内的百度等大厂都在战略布局,2025年必定是 AI Agent 智能体商业化的一年。
我想说:大模型的价值太大了,AI Agent 智能体的潜力太大了!“未来所有应用都会被 AI Agent 智能体重写一遍”!这句话也是今年听到最多的一句话。我和团队这两年,尤其是今年已经帮助60多家企业落地了近100个 AI Agent 智能体的项目。我自己贴身感受:越来越多的企业的确都开始落地 AI Agent 智能体项目了。需要了解具体的,请查看主页,有方式!
因此 AI Agent 智能体足够重要,但也足够复杂,我这两年实践结论是,想开发出一个能够可靠稳定的 AI Agent 智能体应用实在太难了,大模型技术本身的复杂度,大模型推理的不确定性,响应速度性能问题等等,这些困难直接导致很多人对其望而却步,或是遇到问题无从下手。一般技术同学想要自己掌握 AI Agent 智能体着实很不容易!
更多推荐
所有评论(0)