---

🍎 Mac本地部署DeepSeek蒸馏模型指南：Ollama极简手册

——让你的Mac变身“AI小钢炮”💥

---

一、准备工作：Mac的“硬件咖啡豆研磨器”

1.1 最低配置要求

组件	入门级（7B模型）	旗舰级（33B模型）
芯片	M1（2020款）	M2 Pro/Max（2023款）
内存	8GB（需关闭Chrome）	32GB（可边跑AI边刷剧）
硬盘	15GB空间（留点地方给猫片）	100GB+（模型全家桶爱好者）
系统	macOS Monterey 12.3+	Ventura 13.1+（推荐）

📌 冷知识：DeepSeek蒸馏模型=原模型的"精华萃取版"，体积缩小40%，性能保留85%！

1.2 必备软件

•Ollama：模型管理神器（官网[1]）•Homebrew：Mac界的软件百宝箱•Python 3.10+：建议通过Miniforge安装ARM原生版

---

二、安装步骤：3步召唤AI小精灵🧞

Step 1：安装Ollama（比泡面还快）

`# 一键安装（终端输入）`  `/bin/bash -c "$(curl -fsSL https://ollama.ai/install.sh)"`  `   ``# 验证安装（看到版本号就算成功）`  `ollama --version`  `# 输出示例：ollama version 0.1.12 darwin/arm64`  

Step 2：下载DeepSeek模型（选你爱的口味）

`# 基础编程模型（程序员必装）`  `ollama pull deepseek-coder-7b`  `   ``# 聊天模型（含互联网最新知识）`  `ollama pull deepseek-chat-7b`  `   ``# 国内加速技巧（替换镜像源）`  `OLLAMA_MODELS=https://mirror.example.com ollama pull deepseek-math-7b`  

Step 3：启动对话（和AI说“嗨”）

`# 基础模式`  `ollama run deepseek-chat-7b "用东北话解释量子纠缠"`  `   ``# 高级模式（开启GPU加速）`  `OLLAMA_GPU_LAYER=metal ollama run deepseek-coder-7b`  

---

三、模型对比：找到你的“灵魂伴侣”🤖

模型名称	内存占用	硬盘需求	推理速度	擅长领域
1.3B	2.4GB	0.8GB	⚡⚡⚡⚡	数学计算/快速问答
7B	8GB	4GB	⚡⚡⚡	代码生成/日常对话
13B	16GB	8GB	⚡⚡	创意写作/专业咨询
33B	32GB+	16GB	⚡	论文润色/复杂推理

💡 选择建议：

•M1用户：7B模型是甜蜜点•M2 Pro用户：可挑战13B模型•内存焦虑症患者：试试--num-gpu 50%限制显存

---

四、黄金搭档软件：生产力开挂套装🚀

4.1 交互神器

•Chatbox：颜值爆表的聊天界面（下载地址https://chatboxai.app/zh#download）

brew install --cask chatbox  

•Ollama WebUI（Docker版本）：浏览器随时访问

docker run -d -p 3000:3000 -v ollama:/root/.ollama -e OLLAMA_HOST=127.0.0.1:11434 ghcr.io/ollama-webui/ollama-webui:main  

4.2 开发神器

•VS Code插件：•Continue：代码自动补全•Ollama Assistant：侧边栏直接对话

4.3 效率神器

•Alfred Workflow（下载地址：https://www.alfredapp.com/workflows）：快捷键秒呼AI

Alfred配置

•PopClip扩展：划词即刻提问

---

五、本地部署的5大核弹级优势💣

5.1 隐私安全

•你的聊天记录不会成为训练数据（想象和AI吐槽老板的内容被上传…😱）

5.2 离线王者

`# 飞机上写代码成就达成！`  `sudo ifconfig en0 down && ollama run deepseek-coder-7b`  

5.3 定制自由

•魔改提示词：

SYSTEM_PROMPT = "你现在是精通阴阳怪气的北京出租车司机"  

•加载私人知识库：

ollama run deepseek-rag-33b --attach ~/Documents/my_knowledge.zip  

5.4 成本控制

方案	7B模型年成本
云端API	≈$720（按$0.002/1k tokens）
本地部署	$0（电费≈一杯奶茶钱）

5.5 硬件压榨

•M系列芯片的神经网络引擎（ANE）火力全开•外接显卡扩展：

# 使用eGPU加速（AMD显卡限定）  OLLAMA_GPU_LAYER=rocm ollama run deepseek-13b  

---

六、常见问题急救包🆘

Q1：下载模型卡住怎么办？

`# 国内镜像加速（任选其一）`  `export OLLAMA_MODELS=https://mirror.example.com`  `export OLLAMA_HOST=mirror.ghproxy.com`  

Q2：内存爆炸怎么救？

`# 启用4-bit量化`  `ollama run deepseek-7b --quantize q4_1`  `   ``# 限制GPU使用率`  `OLLAMA_GPU_UTILIZATION=50% ollama run...`  

Q3：如何让AI记住对话？

`# 启动时加载历史记录`  `ollama run deepseek-chat-7b --history-file ~/ai_chat_history.json`  

---

🎁 终极彩蛋：模型变身指南

`# 让AI用甄嬛体写代码注释`  `ollama run deepseek-coder-7b --prompt-template "说句代码注释便是极好的，倒也不负恩泽。\n{{.Prompt}}"`  `   ``# 创建私人模型分身`  `ollama create my-ai -f Modelfile  # 内含自定义指令`  

现在，你的Mac已经解锁AI超能力！遇到问题时记住：
“重启解决90%的问题，剩下的10%需要再喝一杯咖啡☕”

如果想使用在线的R1模型 可以去硅基流动官网[2] 申请在线API使用 在我的往期教程里面就有

可以关注我的博客 里面都是我最新的文章：我的博客[3] 有源代码需求也可以关注我的：我的小店[4]

References

[1] 官网: https://ollama.ai/
[2] 硅基流动官网: https://cloud.siliconflow.cn/i/BWEwNgw1
[3] 我的博客: https://blog.worldcodeing.com/
[4] 我的小店: https://www.worldcodeing.com/

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​