上一篇文章中办公新利器：DeepSeek+Word，让你的工作更高效我们通过API key的方式，实现了DeepSeek与Word的有机结合，帮助我们提高办公效率。而DeepSeek由于近期服务器压力较大，暂时停止了API key的注册服务，那么要想实现DeepSeek与Word的结合，我们也可以通过本地部署的方式进行。

本地部署的优势如下：

1.响应速度快

本地处理减少网络传输，响应速度更快。且本地部署的稳定性更强，不受网络波动影响，确保服务持续可用。

2.数据隐私与安全

文本数据无需上传至外部服务器，降低了泄露风险。3.完全免费虽然DeepSeek的API key费用极低，但在高强度的办公场景下仍需要消耗一笔费用。本地部署模型能够做到完全免费，不花一分钱。接下来，本文将讲述如何本地部署DeepSeek-R1模型，并将其集成到Word中。

1.本地部署DeepSeek-R1模型

访问ollama官网，点击download。https://ollama.com/

根据电脑系统选择相应的版本。点击下载。若下载速度过慢，可关注公众号并回复“ollama”领取安装包。

打开下载的安装包，点击“Install”

等待安装完成后，按win+r键，输入cmd调出命令行窗口。

输入

ollama --version

按下回车后出现版本号，即为安装成功。

我们选择推理能力更强的deepseek-r1模型进行本地部署。小编的笔记本显存为6G，因此选择最小的1.5b模型进行部署，如果显存更大的话，可以选择更大的模型。

在命令行窗口中输入：

ollama run deepseek-r1:1.5b

按下回车，模型开始自动下载。

模型下载成功后，自动进入对话模式，我们可以在这里跟模型进行对话。

至此，恭喜你已经完成了deepseek-r1模型的本地部署。

2.接入Word

在进行接下来的操作之前，希望你已经阅读了这篇文章办公新利器：DeepSeek+Word，让你的工作更高效。

这篇文章讲的是如何利用API key来调用云端的大模型，而本文讲的是调用本地部署的模型，请按照这篇文章办公新利器：DeepSeek+Word，让你的工作更高效进行Word端所有的操作，但在复制代码时，替换为下面的代码：

Function CallDeepSeekAPI(api_key As String, inputText As String) As String`    `Dim API As String`    `Dim SendTxt As String`    `Dim Http As Object`    `Dim status_code As Integer`    `Dim response As String`               `' 本地部署的大模型API地址`    `API = "http://localhost:11434/api/chat"`        `' 修改请求体为与本地大模型相匹配的格式`    `SendTxt = "{""model"": ""deepseek-r1:1.5b"", ""messages"": [{""role"":""user"", ""content"":""" & inputText & """}], ""stream"": false}"`               `Set Http = CreateObject("MSXML2.XMLHTTP")`    `With Http`        `.Open "POST", API, False`        `.setRequestHeader "Content-Type", "application/json"`        `.setRequestHeader "Authorization", "Bearer " & api_key`        `.send SendTxt`            `status_code = .Status`        `response = .responseText`    `End With`               `' 弹出窗口显示 API 响应（调试用）`    `' MsgBox "API Response: " & response, vbInformation, "Debug Info"`               `If status_code = 200 Then`        `CallDeepSeekAPI = response`    `Else`        `CallDeepSeekAPI = "Error: " & status_code & " - " & response`    `End If`               `Set Http = Nothing``End Function`           `Sub DeepSeekV3()`    `Dim api_key As String`    `Dim inputText As String`    `Dim response As String`    `Dim regex As Object`    `Dim matches As Object`        `Dim originalSelection As Object`               `api_key = "pass"`    `If api_key = "" Then`        `MsgBox "Please enter the API key."`        `Exit Sub`    `ElseIf Selection.Type <> wdSelectionNormal Then`        `MsgBox "Please select text."`        `Exit Sub`    `End If`               `' 保存原始选中的文本`    `Set originalSelection = Selection.Range.Duplicate`               `inputText = Replace(Replace(Replace(Replace(Replace(Selection.Text, "\", "\\"), vbCrLf, ""), vbCr, ""), vbLf, ""), Chr(34), "\""")`    `response = CallDeepSeekAPI(api_key, inputText)`               `If Left(response, 5) <> "Error" Then`        `Set regex = CreateObject("VBScript.RegExp")`                `' 步骤1：提取大模型回复内容`            `With regex`            `.Global = True`            `.MultiLine = True`            `.Pattern = """content"":\s*""([\s\S]*?)"""  ' 更稳健的提取逻辑`        `End With`        `If regex.Test(response) Then`            `response = regex.Execute(response)(0).SubMatches(0)`                        `' 步骤2：处理Unicode转义字符（如\u003c -> <）`            `response = Replace(response, "\u003c", "<")`            `response = Replace(response, "\u003e", ">")`                        `' 步骤3：删除标签及其内容`            `With regex`                `.Global = True`                `.MultiLine = True`                `.IgnoreCase = True`                `.Pattern = "[\s\S]*?"`            `End With`            `response = regex.Replace(response, "")`                        `' 步骤4：转换\n为实际换行符`                `response = Replace(response, "\n", vbCrLf)`                        `' 步骤5：移除Markdown格式`            `With regex`                `.Global = True`                ``.Pattern = "(#+\s*|\*\*|__|`|\*{1,2}|_{1,2}|~~|^>\s)"``                `response = .Replace(response, "")`            `End With`            `response = regex.Replace(response, "")`                       `' 取消选中原始文本`            `Selection.Collapse Direction:=wdCollapseEnd`                       `' 将内容插入到选中文字的下一行`            `Selection.TypeParagraph ' 插入新行`            `Selection.TypeText Text:=response`                       `' 将光标移回原来选中文本的末尾`            `originalSelection.Select`        `Else`            `MsgBox "Failed to parse API response.", vbExclamation`        `End If`        `Else`        `MsgBox response, vbCritical`    `End If``End Sub

此代码在上一次代码的基础上进行了优化，对大模型md格式的输出进行了优化，去掉了md格式的修饰，只保留纯文本；在上一个版本中，大模型输出的“\n”会被当做文本显示，而此版本的代码直接将“\n”当作回车处理，结果更加美观。

替换代码后，即可实现本地大模型的Word调用。

3.效果演示

选中文本后，点击生成，即可看到大模型的回复。

4.问题反馈

此外，还有读者反应，会出现“配置完之后重启word配置的宏消失的问题”，这个问题的解决办法如下：

点击 开发工具 -> 宏。

选中我们配置的DeepSeekV3，点击管理器。

选中左侧的模块1，点击复制，右侧将会出现模块1，最后点击关闭。

问题顺利解决，再次重启word后，不会出现宏消失的问题。

零基础入门AI大模型

今天贴心为大家准备好了一系列AI大模型资源，包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

有需要的小伙伴，可以点击下方链接免费领取【保证100%免费】

点击领取 《AI大模型&人工智能&入门进阶学习资源包》

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

5.免费获取

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码或者点击以下链接都可以免费领取【保证100%免费】

点击领取 《AI大模型&人工智能&入门进阶学习资源包》