本地搭建 DeepSeek+CodeGPT，AI 助力开发不求 “云”。

在当下的软件开发领域，借助人工智能提升效率已成为大势所趋。但不少开发者担心云端服务存在数据隐私风险，又苦恼于找不到合适的本地解决方案。今天给大家一份超详细指南，手把手教你本地安装运行 DeepSeek，搭配 CodeGPT，借助 AI 优化开发流程。全程不依赖云服务，数据安全自己掌控！

步骤1：在VSCode中安装Ollama和CodeGPT

要在本地运行DeepSeek，我们首先需要安装 Ollama 和 CodeGPT。

Ollama 是个轻量级平台，能让我们在本地上运行大语言模型（LLMs）；而 CodeGPT 作为 VSCode 的扩展插件，能把这些模型集成起来，为编码工作提供有力帮助。

安装Ollama

1. 下载Ollama

   访问 Ollama 官方网站（https://ollama.com ），根据自己的操作系统（Windows、macOS 或 Linux）下载对应的安装程序。

1. 验证安装

   安装完成后，打开终端并运行：

   ollama --version
   

如果安装无误，终端会显示已安装的 Ollama 版本信息。

在Visual Studio Code中安装CodeGPT

1. 打开VSCode，通过快捷键（在Windows系统中按Ctrl + Shift + X，在macOS系统中按Cmd + Shift + X）打开扩展市场。

2. 搜索“CodeGPT”，找到后点击“安装”。

1. 或者你还可以前往https://codegpt.co创建一个免费账户，以便后续更好地使用相关功能。

安装好Ollama和CodeGPT后，前期准备工作已初步完成。接下来，我们就可以下载并配置DeepSeek，真正开启本地 AI 编码之旅。

步骤2：下载并设置模型

可选模型介绍

• 聊天模型：deepseek-r1:1.5b。该模型专门针对较小的环境进行了优化，能在大多数计算机上流畅运行。即使你的设备配置不是特别高，也能轻松使用。

• 自动补全模型：deepseek-coder:1.3b。此模型采用了“中间填充”（Fill-In-The-Middle，FIM）技术，在你编写代码时，可以给出智能的自动补全建议。它不仅能预测并提示函数或方法的开头和结尾部分，还能预测并提示中间部分，大大提升编码效率。

下载聊天模型（deepseek-r1:1.5b）

使用聊天模型，可按以下步骤操作：

1. 在VSCode中打开CodeGPT。

2. 找到侧边栏的 “本地大语言模型” 部分。

3. 从可用选项中选择Ollama作为本地大语言模型提供商。

4. 选择deepseek-r1:1.5b模型。

5. 点击“下载”按钮。模型会自动开始下载。

下载完成后，CodeGPT会自动安装该模型。安装结束，你就可以和模型进行交互了。

现在，你可以就代码相关问题向模型提问。在编辑器中选中任意代码，使用“#”符号添加额外文件到你的查询中，还能借助以下强大的命令快捷键：

• /fix —— 用于修复代码中的错误或提出改进建议。

• /refactor —— 用于清理和优化代码结构。

• /Explain —— 获取任意代码片段的详细解释。

这个聊天模型非常适合解答特定的代码问题或提供代码方面的建议。

下载自动补全模型（deepseek-coder:1.3b）

若想增强代码自动补全功能，可按以下步骤操作：

1. 在VSCode中打开一个终端。

2. 运行以下命令拉取deepseek-coder:1.3b模型：

ollama pull deepseek-coder:1.3b

这条命令会将自动补全模型下载到你的本地计算机上。 3. 下载完成后，回到CodeGPT，导航到“自动补全模型”部分。 4. 从可用模型列表中选择deepseek-coder:1.3b。

选择好后，你就可以开始编码了。在你输入代码时，模型会实时给出代码建议，帮助你轻松完成函数、方法，甚至是整个代码块的编写。

步骤3：畅享本地私密 AI 编码无缝体验

设置好模型后，你现在就能充分享受这些强大工具带来的便利，关键是无需依赖外部API。所有的操作都在你自己的计算机上本地运行，你对编码环境拥有绝对的隐私和控制权。再不用担心数据泄露，一切都安全私密。

推荐书单

《Python量化交易实战》

本书基于 Python 3.7 版本，围绕 Python 即时量化系统的开发实践展开，重点展示了不同的开发过程及多种场景下的应用。

全书共分为 3 篇：第 1 篇是量化交易基础篇，主要讲解了 Python 量化交易技术、Python 量化交易环境的搭建和米筐量化回测技术；第 2 篇是爬虫基础与实践篇，主要讲解了爬虫技术的基础应用、爬取股票个股资金流及板块资金流、基于动态网页爬取股票人气排名、使用多线程爬取股票人气排名、使用 Appium 爬取游资与机构股票、抓包并获取 API；第 3 篇是个人实践篇，主要讲解了爬取资源整合及可视化实战、策略主体框架研发实战、即时指标编写实战、布林带开口策略及低分型策略实战。

本书内容精练，案例丰富，实践性极强，便于快速学习和上手实践，适合具有一定 Python 基础且对量化交易感兴趣的人员使用，也适合数据科学、数据挖掘、机器学习等领域的工程师以及其他对Python 量化领域感兴趣的各类投资者学习。

购买链接：https://item.jd.com/13301055.html

精彩回顾

6款必知的AI Agent工作流，优缺点解析

QwQ-32B本地部署教程来了，全新开源推理大模型，性能比肩DeepSeek满血版

解读Deep Research：传统RAG已死，带你实现Agentic RAG

大模型应用开发平台Dify推出1.0版本，基于向量数据库Milvus实现RAG

从推理到编程，详细比较DeepSeek 32B、70B、R1实践性能

VSCode本地部署DeepSeek R1，打造专属AI编程助手