LM Studio 部署 DeepSeek-R1，助力 VS Code 智能编程。

微信搜索关注《AI科技论谈》

国内初创公司 DeepSeek 研发的 DeepSeek-R1 模型，因其超强推理能力强势出圈。各种高难度任务，DeepSeek-R1 处理起来得心应手。性能上，DeepSeek-R1 与 OpenAI 的 o1 等头部模型不相上下，却走出了开源的差异化路线，开发成本更是低至同类模型的零头。

可以预见，随着 DeepSeek-R1 持续的优化升级与应用拓展，DeepSeek-R1 将在AI领域激起千层浪，为整个行业的蓬勃发展注入全新活力。

不少开发者都对 DeepSeek-R1 跃跃欲试。本文就教大家如何借助LM Studio部署该模型，在VS Code中畅享高效智能编程的乐趣。

1 DeepSeek-R1主要特点

• 强化学习方法：DeepSeek-R1采用大规模强化学习进行训练，无需监督微调。这种方法使模型能够自然地发展出先进的推理行为。

• 开源可用性：该模型在MIT许可下完全开源，研究人员和开发人员可以访问其架构并在此基础上进行开发。

• 经济高效的开发：DeepSeek仅用了类似模型约3%的成本就实现了该模型的功能，这打破了尖端人工智能需要大量资金投入的固有观念。

2 在LM Studio中下载 DeepSeek-R1 模型

• 下载安装LM Studio：从LM Studio - Discover, download, and run local LLMs根据系统下载安装，运行模型至少需16GB内存。

• 查找选择模型：打开LM Studio，点左侧“发现”，搜“deepseek r1 14”，选“DeepSeek-R1-Distill-Qwen-14B-4bit”。

• 下载并开启使用：点击右下角下载（若已下完会显示“在新聊天中使用”）。下载好后点它，打开聊天窗口就能提问。收到回复，说明模型正常。窗口右下角可查看资源占用。

• 调整上下文长度：点齿轮图标进设置，能调“上下文长度”（默认4096），数值越大占内存越多，按需调整。

3 设置服务器

在LM Studio中完成模型设置后，我们启动服务器，以便通过API调用访问模型。

• 点击左侧的“开发者”选项卡，然后点击“启动服务器”。

• 服务器启动后，会显示可通过http://127.0.0.1:1234访问。

• 你可以点击设置，对服务器端口、详细日志等进行设置。

4 设置VS Code

• 打开VS Code，进入“扩展”选项卡。

• 搜索“Continue”扩展，“Continue”是一款适用于VS Code的开源人工智能代码助手。

• 安装该扩展，安装完成后，它会显示在左侧的扩展栏中。

• 点击“自动检测”旁边的小下拉箭头，选择“添加聊天模型”。

• 在“提供方”部分选择“LM Studio”，然后点击“连接”。

它会通过向服务器发出调用，自动检测LM Studio中正在运行的模型。你可以在LM Studio的“开发者日志”部分查看API调用情况。

回到VS Code，确保已选择“deepseek-r1-distill-qwen-14b”模型。现在，你就可以在编码环境中与模型进行交互了。为测试流程，输入问题并等待模型回复。

5 在代码库中使用

• 在VS Code中打开你的项目。

• 右键点击任意文件，选择“选择文件作为上下文”。

这会将该文件设置为模型的上下文。

之后，你就能针对这个文件，向 DeepSeek R1 提问了，比如代码哪里有问题、怎么优化等。而且，整个过程不用联网，在 VS Code 里就能离线操作，安全又高效。

有了这个方法，开发时遇到难题，直接找 DeepSeek R1 帮忙就行。赶紧动手试试，提升你的开发效率！

推荐书单

《大模型应用开发极简入门：基于GPT-4和ChatGPT》

本书为大模型应用开发极简入门手册，为初学者提供了一份清晰、全面的“可用知识”，带领大家快速了解GPT-4和ChatGPT的工作原理及优势，并在此基础上使用流行的Python编程语言构建大模型应用。通过本书，你不仅可以学会如何构建文本生成、问答和内容摘要等初阶大模型应用，还能了解到提示工程、模型微调、插件、LangChain等高阶实践技术。书中提供了简单易学的示例，帮你理解并应用在自己的项目中。此外，书后还提供了一份术语表，方便你随时参考。

准备好了吗？只需了解Python，你即可将本书作为进入大模型时代的启动手册，开发出自己的大模型应用。

购买链接：https://item.jd.com/14377544.html

精彩回顾

从推理到编程，详细比较DeepSeek 32B、70B、R1实践性能

百度App携手DeepSeek满血版，体验飙升！

DeepSeek R1与Qwen大模型，构建Agentic RAG全攻略

利用本地DeepSeek R1和n8n框架，创建AI智能体

本地部署Deepseek R1，并利用本地知识库创建RAG

满足个性化需求，手把手教你微调DeepSeek大模型