今天，我们将为大家详细讲解如何把DeepSeek大型模型部署在本地。考虑到用户对数据隐私的重视，不希望将数据上传至云端，或者需要在无网络环境下使用该模型，此时便可采用本地部署的方式。

要进行DeepSeek大模型的本地部署，我们首先需要借助一款能够在本地运行该模型的工具。在这里，我们以Ollama为例来进行说明。Ollama具有广泛的模型支持能力，尤其擅长处理那些可在本地运行的模型。它的一大优势在于极大地简化了部署流程，即使是不太熟悉复杂部署操作的用户，也只需通过简单的命令行操作或者进行一些基础配置，便能轻松启动模型，大大降低了使用门槛。

此外，Ollama还可能进行了多方面的优化。例如在性能方面，它能够更高效地利用本地硬件资源，提升模型的运行速度；在资源管理上，也能根据用户的硬件实际情况进行合理调配。这些优化对于本地部署而言至关重要，因为普通用户的本地硬件资源往往相对有限。

接下来，让我们一同看看具体的操作步骤：

首先，我们需要登录Ollama官方网站。

下载并安装Ollama客户端。

待安装完成后，你会在系统的隐藏菜单中发现Ollama的专属图标。

再次进入Ollama官网，找到Models界面，在其中查找DeepSeek - R1模型。

在挑选模型时，需要结合电脑的实际硬件情况进行选择，这里重点关注的是电脑的显卡和内存等关键硬件信息。我们选择“1.5b”这个版本。

通过该指令，我们就能拉取DeepSeek模型。

通过CMD命令进入“命令提示符界面”后输入ollama。

输入完毕后再次确认Ollama已在电脑中成功安装且可正常使用。

将之前复制的指令粘贴到该界面中，并按下“回车”键。

待下载完成后，我们就可以直接进行测试，查看本地部署是否成功。

完成上述操作后，还需要再安装一个可视化工具——Chatbox AI。

登录Chatbox AI官方网站，下载其桌面端并进行安装。

安装完成后，打开Chatbox AI的桌面端程序。在Chatbox AI的界面中，选择“使用自己的API key或本地模型”选项。

接着选中“Ollama API”。然后在模型选项中找到刚才已经成功部署好的DeepSeek本地大模型，点击保存。

然后在模型选项中找到刚才已经成功部署好的DeepSeek本地大模型，点击保存。

至此，所有操作全部完成，此时你就可以直接使用本地部署的DeepSeek大模型了。值得一提的是，经过本地部署后的DeepSeek大模型，能够在不受网络限制的情况下正常使用，为用户带来更加便捷、安全的使用体验。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括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。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

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官方认证二维码免费领取【保证100%免费】