简介

最近DeepSeek可以说的超级火，不仅仅是IT圈，在教育圈，医疗圈，甚至是娱乐圈都是火爆了。趁着这波热度很多人默默的卖课，卖教程甚至于骗点击流量，大大的挣了一波。这个时候试问屏幕前的您，眼红了没有。不要急，今天小编便教教大家如何通过DeepSeek打造人生中的第一个一百万(百试百灵，包教包会)。

工欲善其事，必先利其器

你说你都要赚一百万的人了，那搞个好点的设备不过分吧。实测挣的多少与设备的性能成正比哈。不开玩笑了，本文就是教您打造DeepSeek R1的本地部署。具体的配置推荐如下：

DeepSeek版本	笔记本内存	CPU	GPU情况
1.5B	16G	i5 CPU	无GPU 2-3并发可流畅运行
7B	32G	推荐i7 CPU	无GPU 2-3并发可流畅运行
8B	32G	推荐Ultra 7 CPU	无GPU 2-3并发可流畅运行

条条大路通罗马 Ollama（模型管理） + AnythingLLM/Dify/Open-WebUI/ChatBox（前端功能扩展）

准备好机器之后剩下的就是抵达罗马的大道，本文会介绍并带着大家安装以Ollama为基准的各种DeepSeek环境。对于想要在本地或自托管环境中运行 LLM 的用户而言，Ollama 提供了一个无需 GPU、在 CPU 环境也可高 效完成推理的轻量化 “本地推理” 方案。而要让 Ollama 真正 “接地气”，往往需要与其他开源项目进行配合 ——例如将文档、数据源或应用前端与 Ollama 打通，这便衍生出许多解决方案。

Ollama 简介

在进入对比之前，先简单回顾一下 Ollama 的定位和特性：

• 本地推理： CPU 即可运行：适合 Mac 或 Linux 环境。 若无 GPU 的情况下，也能让开源模型（如 Deepseek、LLaMA、GPT-Neo、Mistral 等）跑起来。
• 轻量易用： 安装方式简洁，一键下载二进制文件或通过 Homebrew、pkg 安装。 只需一个命令行工具就能加载模型并进行对话、推理。
• 量化优化： 支持对常见大语言模型做 4-bit 或 8-bit 等量化，进一步降低资源占用。
• 发展活跃： 在 GitHub 上有不错的社区支持和更新节奏，适合初中级开发者快速上手

那如何安装Ollama呢？

很简单，首先进入Ollama的官网 点击此链接 Ollama 如下图

点击Download就能进入如下页面

注意C盘的磁盘使用率最好大于12GB，下载完毕直接点击安装即可。

下面是一些ollama参数和配置标识，不感兴趣的童靴直接跳过即可。

参数	标识与配置
OLLAMA_MODELS	表示模型文件的存放目录，默认目录为当前用户目录即 C:\Users%username%.ollama/models Windows系统建议不要放在C盘，可放在其他盘（D:\ollama\models)
OLLAMA_HOST	表示ollama服务监听的网络地址，默认为127.0.0.1 如果想要允许其他电脑访问Ollama（如局域网中的其他电脑），建议设置成0.0.0.0
OLLAMA_POST	标识ollama服务监听的默认端口，默认为11434 如果端口有冲突，可以修改设置成其他端口(如8080等)
OLLAMA_ORIGINS	标识HTTP客户端请求来源，使用半角逗号分割列表 如果本地使用不受限制，可以设置成星号*
OLLAMA_KEEP_ALIVE	标识大模型加载到内存中后的存活时间，默认为5m即5分钟（如纯数字300代表300秒，0代表处理请求响应后立即卸载模型，任何负数则表示一直存活） 建议设置成24h,即模型在内存中保持24小时，提高访问速度
OLLAMA_NUM_PARALLEL	表示请求处理的并发数量，默认为1(即单并发串行处理请求)
OLLAMA_MAX_QUEUE	表示请求队列长度，默认值为512 建议按照实际需求进行调整，超过队列长度的请求会被抛弃
OLLAMA_DEBUG	表示输出Debug日志，应用压法阶段可以设置成1（即输出详细日志信息，便于排查问题）
OLLAMA_MAX_LOADED_MODELS	表示最多同时加载到内存中模型的数量，默认为1(即只能由1个模型在内存中)

拉取模型（联网） 下载后可拷贝Models目录下两个文件夹到其它离线、跨平台设备中

windows打开powershell

需要获取哪个版本可以在deepseek-r1查看

ollama run deepseek-r1:8b

ollama拉取deepseek

拉取完毕后，即可断网进行沟通，如下

deepseek8b 自我介绍

AnythingLLM、Dify、Open-WebUI、ChatBox简介

AnythingLLM

定位：将本地文档或数据源整合进一个可检索、可对话的知识库，让 AI 助手 “懂你” 的资料。

主要功能：

• 文档管理：将 PDF、Markdown、Word 等多格式文件索引进系统。
• 智能检索：可基于向量数据库搜索相关文档片段，并在聊天时自动引用。
• 界面 +API：既提供用户友好的前端管理界面，也能通过 API 与其他系统集成。

对接 Ollama 思路：

• 在配置文件或启动脚本中，将 “语言模型推理” 后端地址指定为 Ollama 的本地服务。
• 当用户发起提问时，AnythingLLM 会先做知识检索，再将检索到的上下文发送给 Ollama 做语言生成。

适用场景：

• 企业内部文档问答、个人知识管理、高度依赖文本内容的问答场景。

Dify

定位：多功能的 AI 应用构建平台，支持多种大语言模型，方便开发者快速搭建 ChatGPT-like 服务或插件化应用。

主要功能：

• 对话管理：可自定义对话流或应用场景，为不同场景配置不同模型或工作流。
• 插件扩展：支持将其他第三方服务或插件加入对话流程中，提高可用性。
• 多模型兼容：除 Ollama 外，也兼容 OpenAI API、ChatGLM 等其他模型。

对接 Ollama 思路：

• 在 “模型管理” 或 “模型配置” 界面/文件中，添加对 Ollama 的引用，可能需要指定本地运行地址 (如 localhost:port)。
• 使用 Dify 的对话页面或 API 时，后台调用 Ollama 进行推理，再将结果返回前端。

适用场景：

• 多模型切换、多功能插件集成；需要可视化对话配置或工作流管理的团队与开发者。

Open-WebUI

定位：社区驱动的网页版用户界面，针对多种本地模型提供可视化使用入口，类似一个 “本地 ChatGPT 面板”。

主要功能：

• 浏览器聊天界面：在局域网或本机通过网页即可与模型交互。
• 支持多后端：LLaMA、GPT-NeoX 等，以及 CPU/GPU 等不同推理环境。
• 插件/扩展机制：在社区里可找到各式各样的扩展功能（如多语言 UI、模型切换、对话模板等）。

对接 Ollama 思路：

• 通常可在 Open-WebUI 的后台配置或启动脚本中，指定 Ollama 作为推理后端；
• 或使用适配 Ollama 协议的插件，让 Open-WebUI 调用 Ollama 进行对话。

适用场景：

• 需要 “纯聊天 + 模型管理” 界面的普通用户或开发者；
• 想要单纯体验各种本地模型的人群。

Chatbox

定位：一款 AI 客户端应用和智能助手，支持众多先进的 AI 模型和 API，可在 Windows、MacOS、Android、iOS、Linux 和网页版上使用。

主要功能:

• 浏览器聊天界面：在局域网或本机通过网页即可与模型交互。
• 兼容多模型本地化使用，无论是脚本编写，图像绘制，游戏，还是旅行计划均可以在该客户端配置。

对接ollama思路：

• 通常在Chatbox设置的模型中选择OLLAMA API模型即可

适用场景：

• 需要 “纯聊天 + 模型管理” 界面的普通用户或开发者；
• 想要单纯体验各种本地模型的人群。

推荐使用Chatbox，该客户端功能丰富。下面将介绍Chatbox安装

Chatbox安装

下载地址

Chatbox AI官网：办公学习的AI好助手，全平台AI客户端，官方免费下载

直接双击安装即可，安装完毕后，如下进行配置：

配置完毕后即可聊天。

最后献上以上的几个客户端的优缺点比较。

优缺点比较图

希望大家能通过DeepSeek赚上第一个人生一百万，有问题直接评论打上666，绝对有惊喜哈。