deepseek本地化部署

1. 下载ollama和deepseek r1模型

ollama下载地址： ollama下载
deepseekr1 模型下载： 模型下载
安装的时候下一步就行 不展示安装过程
安装完成后桌面右下角会有图标

打开命令提示符输入 ollama --version

输出版本号就表示安装成功
至于模型选择可以按照自己的使用需求和显卡配置来选择合适的，下面列出各种模型所需显卡要求以供大家参考：

执行代码 ollama run deepseek-r1:7b 即可开始下载模型，如果已经下载过模型，执行该命令则会执行模型，就可以开始使用了。

使用界面如下：

2. deepseek 可视化界面

谷歌浏览器安装Page Assist
在谷歌商店搜索Page Assist或者通过其他途径安装即可，这里不做展示，安装完成后在扩展程序里打开即可。

在输入框里面输入内容即可开始使用。

使用python代码调用ollama接口使用deepseek

OLLAMA_URL = "http://localhost:11434/api/generate"

# 请求体
def use(word):
    payload = {
        "model": "deepseek-r1:8b",  # 模型名称
        "prompt": word,  # 输入文本
        "stream": True,  # 启用流式输出
        "max_tokens": 500,  # 最大生成长度
        "temperature": 0.7,  # 温度参数
    }

    # 发送 POST 请求，启用流式响应
    response = requests.post(OLLAMA_URL, json=payload, stream=True)

    # 检查响应状态码
    if response.status_code == 200:
        print("开始生成文本...\n")
        # 逐块处理流式响应
        for chunk in response.iter_lines():
            if chunk:
                # 解析 JSON 数据
                data = json.loads(chunk.decode("utf-8"))
                # 获取生成的文本片段
                generated_text = data.get("response", "")
                # 实时打印到控制台
                print(generated_text, end="", flush=True)
        print("\n\n生成完成！")
    else:
        print("请求失败，状态码:", response.status_code)
        print("错误信息:", response.text)

“stream”: True 这里表示是否使用流输出，即是否显示思考模型推理的过程。