前言

DeepSeek 作为国产开源大模型，近期因在线服务压力过大，本地部署需求激增。本教程将结合全网优质资源，手把手教你完成从环境配置到交互界面搭建的全流程，即使是零基础用户也能轻松掌握。

前排提示，文末有大模型AGI-CSDN独家资料包哦！

---

为什么要部署本地 DeepSeek？

在本地部署 DeepSeek 有以下几个优势：

1. 隐私性高：数据都在本地运行，无需上传到云端，避免数据泄露风险。
2. 稳定性强：不受网络波动影响，模型运行更加稳定。
3. 可定制性强：可以根据需求调整模型参数，满足个性化需求。

---

一、部署前准备

1.1 硬件要求

硬件类型	最低配置	推荐配置
显卡	NVIDIA GTX 1060 (6GB显存)	RTX 4080 (16GB显存)
内存	16GB	32GB
存储	50GB可用空间	SSD固态硬盘
系统	Windows 10 / macOS 12 / Ubuntu 20.04	Windows 11

📌 注意事项：

• AMD 显卡用户需安装 25.1.1 版本驱动并配合 LM Studio 使用

---

二、核心部署流程

2.1 安装 Ollama 框架

2.1.1 下载安装包

访问 Ollama官网 → 选择对应系统版本下载（Windows用户建议安装到C盘）
下载完成后双击运行安装包，下一步下一步即可。

2.1.2 验证是否安装成功

win+R键打开 cmd命令行，执行命令：

ollama -v
# 输出类似：ollama version is 0.5.7

如果显示 Ollama版本号，说明安装成功。

2.2 选择 deepseek 大模型版本

ollama 安装成功以后，在官网搜索 deepseek，选择 deepseek-r1，如图所示：

DeepSeek 不同参数版本介绍：

模型参数规模	典型用途	CPU 建议	GPU 建议	内存建议 (RAM)	磁盘空间建议	适用场景
1.5b (15亿)	小型推理、轻量级任务	4核以上 (Intel i5 / AMD Ryzen 5)	可选，入门级 GPU (如 NVIDIA GTX 1650, 4GB 显存)	8GB	10GB 以上 SSD	小型 NLP 任务、文本生成、简单分类
7b (70亿)	中等推理、通用任务	6核以上 (Intel i7 / AMD Ryzen 7)	中端 GPU (如 NVIDIA RTX 3060, 12GB 显存)	16GB	20GB 以上 SSD	中等规模 NLP、对话系统、文本分析
14b (140亿)	中大型推理、复杂任务	8核以上 (Intel i9 / AMD Ryzen 9)	高端 GPU (如 NVIDIA RTX 3090, 24GB 显存)	32GB	50GB 以上 SSD	复杂 NLP、多轮对话、知识问答
32b (320亿)	大型推理、高性能任务	12核以上 (Intel Xeon / AMD Threadripper)	高性能 GPU (如 NVIDIA A100, 40GB 显存)	64GB	100GB 以上 SSD	大规模 NLP、多模态任务、研究用途
70b (700亿)	超大规模推理、研究任务	16核以上 (服务器级 CPU)	多 GPU 并行 (如 2x NVIDIA A100, 80GB 显存)	128GB	200GB 以上 SSD	超大规模模型、研究、企业级应用
671b (6710亿)	超大规模训练、企业级任务	服务器级 CPU (如 AMD EPYC / Intel Xeon)	多 GPU 集群 (如 8x NVIDIA A100, 320GB 显存)	256GB 或更高	1TB 以上 NVMe SSD	超大规模训练、企业级 AI 平台

根据你本地电脑的配置选择合适的参数，例如我们选择 7b这个参数，运行代码如下：

ollama run deepseek-r1:7b

等待下载完毕，下载完成后就可以愉快的在本地使用大模型了，如图所示：

2.3 常用AI客户端工具

使用命令行进行对话很不方便，可以使用一些 UI 工具来更方便的和 deepseek 进行交互。常用的工具有：

工具	描述
Chatbox	一个支持多种流行LLM模型的桌面客户端，可在 Windows、Mac 和 Linux 上使用
Cherry Studio	一款为创造者而生的桌面版 AI 助手
AnythingLLM	一款全方位AI应用程序。与您的文档聊天，使用AI代理，高度可配置，多用户，无需繁琐的设置。

或者你可以探索更多更好用的工具，适合自己使用习惯就行。

2.4 ChatBox 使用示例

这里我们使用 ChatBox 调用 DeepSeek 进行交互，其他工具使用方式类似。

ChatBox 官网地址：https://chatboxai.app/zh

下载自己操作系统的安装包，进行安装。

安装完 Chatbox 之后就是配置 DeepSeek 到 Chatbox 了，如下界面所示：

配置 AI 模型提供方，这里选择 Ollama，如图：

选择 deepseek 模型

配置完成以后就可以在界面上和本地 deepseek 模型进行聊天交互了，如图：

三、最后

至此，已完成了 DeepSeek-R1 的本地部署，小白也能轻松搞定，快来试试吧，开启你的本地大模型之旅！

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

AI大模型学习路线

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

扫描下方csdn官方合作二维码获取哦！

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

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。

100套AI大模型商业化落地方案

大模型全套视频教程

200本大模型PDF书籍

👉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。

LLM面试题合集

大模型产品经理资源合集

大模型项目实战合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓