哈喽大家好

最近有不少小伙伴都在问我，如何在本地部署DeepSeek

今天就来和大家分享一下我的经验，希望能帮到有需要的朋友

见字欢喜~

👇先上效果图👇

先来简单了解一下DeepSeek

DeepSeek是一家中国人工智能公司，总部位于浙江省杭州市。

该公司成立于2023年7月17日，创始人兼首席执行官为梁文峰。

DeepSeek的首个产品是一款开源的大型语言模型（LLM），名为DeepSeek-R1。

该模型在性能上与OpenAI的GPT-4等同类模型相当，但训练成本显著降低。

据报道，DeepSeek-R1的训练成本约为600万美元，而OpenAI的GPT-4训练成本高达1亿美元。

此外，DeepSeek的模型采用了开源策略，允许其他开发者使用、查看和修改其代码。

然而，DeepSeek的技术也引发了隐私和信息控制方面的担忧，多个国家对其进行了监管审查。

好了，现在已经大概了解DeepSeek了，下面我们直接进入正题吧~

官方资源

1. 官网地址

https://www.deepseek.com/

2. 官网源码

https://github.com/deepseek-ai/

部署前的准备工作

1. 安装 ollama

https://ollama.com/

• 本地运行: 数据无需上传到云端，保护隐私和安全
• 简单易用: 提供命令行工具，无需复杂配置
• 多模型支持: 支持多种开源大语言模型
• 跨平台: 支持 Windows、Linux 和 macOS
• 开源免费: Ollama 是开源工具，用户可以免费使用和修改

下载 ollama

开始安装

安装完后，在电脑右下角会看到有个小猫咪

cmd 打开命令窗口

验证ollama是否安装成功

下载 Models

也是在ollama官网上哦~

这里我选择下载7b的模型文件

7b对于我电脑来说已经很慢了

大家可以根据自己电脑的配置情况选择合适的模型文件进行体验

安装 minicond3

https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

windows和mac两种，可根据需要下载

安装过程如下所示👇👇👇

点击 Next

点击 I Agree

点击 Next

点击 Next

上面第2项也勾选上

这样可以直接cmd在命令窗口使用conda

点击 Install

点击 Finish

安装 open-webui

1. 创建工作区

conda create -n open-webui python=3.11

创建完成👇

验证创建是否成功👇

2. 进入（激活）工作区

conda activate open-webui

3. 配置全局镜像源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

4. 安装open-webui

pip install open-webui

5. 启动open-webui

open-webui serve

6. 浏览器访问open-webui

点击开始使用，然后创建管理员账号

7. 开始跟DeepSeek对话吧

本地访问地址：http://localhost:8080/

今天就先写到这里啦~

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】