文章目录
  • 一，DeepSeek-R1简介
    • 发展历程
    • 主要功能
      • 训练方式
      • 思维链
      • 任务表现
    • 相关测评
    • 国际关注
    • 相关评价
  • 二，DeepSeek-R1 部署
    • 1 ， Ollama 安装
    • 2 ，Ollama 相关命令
    • 3，ollama deepseek-r1 模型下载
    • 4，ollama 测试 deepseek-r1 模型
    • 5，springboot 调用 deepseek-r1 模型
    • 6，docker安装
    • 6，Open WebUI 安装

一，DeepSeek-R1简介

DeepSeek-R1 是幻方量化旗下大模型公司 DeepSeek 研发的系列推理模型，以下是关于它的简介：

发展历程

2024 年 11 月 20 日：DeepSeek-R1-Lite 预览版正式上线网页端，仅支持网页使用，暂不支持 API 调用。
2025 年 1 月 20 日：DeepSeek 正式发布 DeepSeek-R1 模型，并同步开源模型权重。
2025 年 1 月 24 日：在 Arena 上，DeepSeek-R1 基准测试升至全类别大模型第三，在风格控制类模型分类中与 OpenAI o1 并列第一。
2025 年 1 月 31 日：英伟达、微软与亚马逊三家美国头部企业接入 DeepSeek-R1 模型。
2025 年 2 月 1 日：DeepSeek 和华为云联合首发并上线基于华为云昇腾云服务的 DeepSeek R1 推理服务。
2025 年 2 月 2 日：腾讯云宣布 DeepSeek-R1 大模型一键部署至腾讯云 HAI 上，开发者仅需 3 分钟就能接入调用。

主要功能

训练方式

使用强化学习训练，在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。

思维链

推理过程包含大量反思和验证，思维链长度可达数万字。

任务表现

在数学、代码以及各种复杂逻辑推理任务上应用出色，取得了媲美 OpenAI o1-preview 的推理效果，并为用户展现了 o1 没有公开的完整思考过程。在自然语言推理等任务上，性能比肩 OpenAI o1 正式版。DeepSeek 还通过 DeepSeek-R1 的输出，蒸馏了 6 个小模型开源给社区，其中 32B 和 70B 模型在多项能力上实现了对标 OpenAI o1-mini 的效果。

相关测评

DeepSeek-R1-Lite 预览版模型在美国数学竞赛（AMC）中难度等级最高的 AIME 以及全球顶级编程竞赛（codeforces）等评测中，超越了 GPT-4 等模型。

国际关注

美国媒体 Business Insider 报道称，DeepSeek-R1 模型秉承开放精神，完全开源，为美国 AI 玩家带来了麻烦。
著名投资公司 A16z 的创始人马克・安德森发文称，Deepseek-R1 是他见过的最令人惊叹、最令人印象深刻的突破之一，而且还是开源的，它是给世界的一份礼物。A16z 合伙人 Anjney Midha 表示，从斯坦福到麻省理工，DeepSeek-R1 几乎一夜之间成为美国顶尖大学研究人员的首选模型。
英国《金融时报》发表评论文章表示，DeepSeek-R1 对全球用户产生极大吸引力，有利于推动人工智能技术的开发和应用，可能会吸引美国科技巨头的一部分客户。

相关评价

俄罗斯外交部长拉夫罗夫评价称，中国科学家在人工智能领域取得的成就，以及包括 DeepSeek 的出现，超越了美国相关研发人员在该领域的成果。

二，DeepSeek-R1 部署

DeepSeek-R1 github地址： https://github.com/deepseek-ai/DeepSeek-R1
在这里插入图片描述
根据上图看出DeepSeek-r1各方面优于OpenAI，在某些方面评估甚至强于OpenAI。下面我开始搭建

1 ， Ollama 安装

本节针对于不需要 OpenUI 的 Ubuntu 用户以及开发者，同时也是为了帮助大家深入理解 ollama，这里介绍一种独立安装 ollama 的方式。值得注意的是，这种安装方式无需借助 docker 即可运行 ollama。而需要安装 OpenWebUI的用户，可直接跳转至第六节继续操作

ollama 是一个强大的工具，它为模型的管理和运行提供了便利。它可以简化模型的下载、配置和启动过程，让用户能够快速地将不同的模型集成到自己的工作流程中。例如，在处理多个不同类型的大语言模型时，ollama 可以轻松管理这些模型之间的切换和调用，提高开发效率。

ollama 下载地址 ： https://ollama.com/download
ollama github地址 ： https://github.com/ollama/ollama
在这里插入图片描述

#复制官网Linux自动安装命令执行即可
curl -fsSL https://ollama.com/install.sh | sh

在这里插入图片描述
安装成功如下图：
在这里插入图片描述
在这里插入图片描述

2 ，Ollama 相关命令

Ollama 提供了多种命令行工具（CLI）供用户与本地运行的模型进行交互。
我们可以用 ollama --help 查看包含有哪些命令：

Large language model runner

Usage:
  ollama [flags]
  ollama [command]

Available Commands:
  serve       Start ollama
  create      Create a model from a Modelfile
  show        Show information for a model
  run         Run a model
  stop        Stop a running model
  pull        Pull a model from a registry
  push        Push a model to a registry
  list        List models
  ps          List running models
  cp          Copy a model
  rm          Remove a model
  help        Help about any command

Flags:
  -h, --help      help for ollama
  -v, --version   Show version information

3，ollama deepseek-r1 模型下载

根据 ollama 说明文档 可以看出deepSeek-r1 支持的模型。
也可以到（Ollama 支持 ollama.com/library 上查看可用的模型列表）
在这里插入图片描述
在这里插入图片描述
点击进入 deepseek-r1 模型，可以选择不同版本的模型（1.5b/7b/14b/32b/70b/671b）。
deepseek-r1 提供多个版本，参数量越大，模型的性能越强大，但也需要更多的存储和计算资源。1.5b 模型参数为15亿/1.1GB，7b 模型参数约为 70亿/4.7GB，14b 模型参数约为 140亿/9GB。

# 使用 ollama 获取 deepseek-r1 模型7b
# 在ubuntu命令行执行
ollama pull deepseek-r1:7b

在这里插入图片描述

# 查看已下载模型列表
ollama list

在这里插入图片描述

4，ollama 测试 deepseek-r1 模型

# 1，在ubuntu命令行执行
ollama run deepseek-r1:7b
# 2，命令行输入对话内容回车，如：请介绍deepseek-r1  如下图所示成功响应即可

在这里插入图片描述

5，springboot 调用 deepseek-r1 模型

创建springboot工程 引入springweb ollama
在这里插入图片描述
在这里插入图片描述
工程结构如下图

在这里插入图片描述
pom文件
在这里插入图片描述

application.properties 配置文件在这里插入图片描述
写个单元测试，尝试调用Ollama中的deepseek-r1模型，这里尝试实现一个翻译的功能

package org.hdsoft.ollamademo;

import org.junit.jupiter.api.Test;
import org.springframework.ai.ollama.OllamaChatModel;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;

@SpringBootTest
class OllamaDemoApplicationTests {

//    @Test
//    void contextLoads() {
//    }

    @Autowired
    private OllamaChatModel ollamaChatModel;

    @Test
    public void testChatModel() {
        String prompt = """
                你是一个精通中文和英文的翻译大师。如果我给你英文就翻译成中文，给你中文就翻译成英文。
                """;
        String message = """
                Ollama now supports tool calling with popular models such as Llama 3.1.
                This enables a model to answer a given prompt using tool(s) it knows about,
                making it possible for models to perform more complex tasks or interact with the outside world.
                """;

        String result = ollamaChatModel.call(prompt + ":" + message);

        System.out.println(result);
    }

}

运行结构图下图
在这里插入图片描述

目前，我们的 DeepSeek-R1 部署对于开发者已经完成。为了更便捷地对 DeepSeek-R1 进行测试与使用，接下来我们需要安装 Open WebUI。 Open WebUI我们借助docker容器化安装部署。

6，docker安装

Docker 作为一款开源引擎，具备强大的功能，能够便捷地为任意应用创建轻量级、可移植且自给自足的容器。开发者在笔记本上完成编译与测试的容器，可批量部署至生产环境，涵盖 VMs（虚拟机）、裸机、OpenStack 集群以及其他基础应用平台。其核心优势在于，能将应用程序及其依赖项打包成独立容器。
以 DeepSeek 部署为例，借助 Docker，可确保 DeepSeek-R1 在不同环境下拥有一致的运行状态。无论是开发、测试还是生产环境，只要安装了 Docker，就能够运行相同的 DeepSeek-R1 容器，有效规避因环境差异引发的兼容性难题，极大提升了部署效率与稳定性。

docker的安装请参考 Windows安装 WSL2、Ubuntu 、docker
上文中基于 WSL2 搭建了 Ubuntu 虚拟环境，并在其中完成了 docker 的安装。实际上，在 Linux 系统下安装 docker 的流程与之相似，大家只需依据自己的 Linux 发行版，按照相应的官方文档或指南进行操作即可。
安装成功如下图
在这里插入图片描述

6，Open WebUI 安装

Open WebUI 作为一款开源的、功能强大的大模型 WebUI 工具，能为我们提供专业级的对话平台，不仅可以让我们轻松对接 DeepSeek-R1，还支持图形化界面操作，极大地提升使用的便捷性和灵活性。

Open WebUI官网

GPU 版本： 如果您想使用 GPU 加速，请运行：

docker run -d -p 3000:8080 --gpus=all -v ollama:/root/.ollama -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:ollama

CPU 版本： 如果您的设备没有 GPU，请运行：

docker run -d -p 3000:8080 -v ollama:/root/.ollama -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:ollama

在这里我们选择GPU版。选择GPU版前提配置NVIDIA的GPU驱动，可在windows powerShell中输入nvidia-smi查看详细情况（没有合适显卡的选择cpu版本）
在这里插入图片描述
注意：wsl2和windows共享一个nvidia驱动，但是不包含容器工具包。所以windows安装nvidia驱动，ubuntu安装 NVIDIA Container Toolkit 否则会出现错误

Error response from daemon: could not select device driver “” with capabilities: [[gpu]].

ubuntu安装 NVIDIA Container Toolkit 根据英伟达官方文档，直接执行以下内容

#在ubuntu中依次执行
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
  && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
    sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

#更新内核
sudo apt-get update

#安装nvidia-container-toolkit
sudo apt-get install -y nvidia-container-toolkit

安装成功如下图
在这里插入图片描述
最后ubuntu系统强制指定为独显

#  在~/.bashrc文件最下方中添加一下内容 重启生效
export MESA_D3D12_DEFAULT_ADAPTER_NAME=NVIDIA 


#获取权限
sudo -i

#停止之前测试时的 ollama 服务 否则11434端口冲突
systemctl stop ollama

# 检查11434端口是否占用
lsof -i:11434

#启动容器 open-webui
docker run -d -p 3000:8080 --gpus=all -v ollama:/root/.ollama -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:ollama

#启动 docker 容器中运行 ollama
docker run -d --gpus=all -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

#查看容器列表
docker ps

看到容器已经成功启动如下图：

在这里插入图片描述

访问 http://127.0.0.1:3000/
在这里插入图片描述
首次访问需要注册一个账号

设置ollama api地址
在这里插入图片描述
在这里插入图片描述

最终效果如下图
在这里插入图片描述

查看任务管理器gpu已经参与工作
在这里插入图片描述

反复测试发现磁盘读写很高成了响应瓶颈 建议大家使用SSD在这里插入图片描述

零基础如何高效学习大模型？

你是否懂 AI，是否具备利用大模型去开发应用能力，是否能够对大模型进行调优，将会是决定自己职业前景的重要参数。

为了帮助大家打破壁垒，快速了解大模型核心技术原理，学习相关大模型技术。从原理出发真正入局大模型。在这里我和鲁为民博士系统梳理大模型学习脉络，这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码免费领取🆓**⬇️⬇️⬇️

在这里插入图片描述

【大模型全套视频教程】

教程从当下的市场现状和趋势出发，分析各个岗位人才需求，带你充分了解自身情况，get 到适合自己的 AI 大模型入门学习路线。

从基础的 prompt 工程入手，逐步深入到 Agents，其中更是详细介绍了 LLM 最重要的编程框架 LangChain。最后把微调与预训练进行了对比介绍与分析。

同时课程详细介绍了AI大模型技能图谱知识树，规划属于你自己的大模型学习路线，并且专门提前收集了大家对大模型常见的疑问，集中解答所有疑惑！

在这里插入图片描述

深耕 AI 领域技术专家带你快速入门大模型

跟着行业技术专家免费学习的机会非常难得，相信跟着学习下来能够对大模型有更加深刻的认知和理解，也能真正利用起大模型，从而“弯道超车”，实现职业跃迁！

图片

【AI 大模型面试题 】

除了 AI 入门课程，我还给大家准备了非常全面的**「AI 大模型面试题」，**包括字节、腾讯等一线大厂的 AI 岗面经分享、LLMs、Transformer、RAG 面试真题等，帮你在面试大模型工作中更快一步。

【大厂 AI 岗位面经分享（92份）】

图片

【AI 大模型面试真题（102 道）】

图片

【LLMs 面试真题（97 道）】

图片

【640套 AI 大模型行业研究报告】

在这里插入图片描述

【AI大模型完整版学习路线图（2025版）】

明确学习方向，2025年 AI 要学什么，这一张图就够了！

img

👇👇点击下方卡片链接免费领取全部内容👇👇

在这里插入图片描述

抓住AI浪潮，重塑职业未来！

科技行业正处于深刻变革之中。英特尔等巨头近期进行结构性调整，缩减部分传统岗位，同时AI相关技术岗位（尤其是大模型方向）需求激增，已成为不争的事实。具备相关技能的人才在就业市场上正变得炙手可热。

行业趋势洞察：

  • 转型加速： 传统IT岗位面临转型压力，拥抱AI技术成为关键。
  • 人才争夺战： 拥有3-5年经验、扎实AI技术功底和真实项目经验的工程师，在头部大厂及明星AI企业中的薪资竞争力显著提升（部分核心岗位可达较高水平）。
  • 门槛提高： “具备AI项目实操经验”正迅速成为简历筛选的重要标准，预计未来1-2年将成为普遍门槛。

与其观望，不如行动！

面对变革，主动学习、提升技能才是应对之道。掌握AI大模型核心原理、主流应用技术与项目实战经验，是抓住时代机遇、实现职业跃迁的关键一步。

在这里插入图片描述

01 为什么分享这份学习资料？

当前，我国在AI大模型领域的高质量人才供给仍显不足，行业亟需更多有志于此的专业力量加入。

因此，我们决定将这份精心整理的AI大模型学习资料，无偿分享给每一位真心渴望进入这个领域、愿意投入学习的伙伴！

我们希望能为你的学习之路提供一份助力。如果在学习过程中遇到技术问题，也欢迎交流探讨，我们乐于分享所知。

*02 这份资料的价值在哪里？*

专业背书，系统构建：

  • 本资料由我与鲁为民博士共同整理。鲁博士拥有清华大学学士和美国加州理工学院博士学位，在人工智能领域造诣深厚：

    • 在IEEE Transactions等顶级学术期刊及国际会议发表论文超过50篇。
    • 拥有多项中美发明专利。
    • 荣获吴文俊人工智能科学技术奖（中国人工智能领域重要奖项）。

  • 目前，我有幸与鲁博士共同进行人工智能相关研究。

在这里插入图片描述

内容实用，循序渐进：

  • 资料体系化覆盖了从基础概念入门到核心技术进阶的知识点。

  • 包含丰富的视频教程与实战项目案例，强调动手实践能力。

  • 无论你是初探AI领域的新手，还是已有一定技术基础希望深入大模型的学习者，这份资料都能为你提供系统性的学习路径和宝贵的实践参考，助力你提升技术能力，向大模型相关岗位转型发展。

    在这里插入图片描述在这里插入图片描述在这里插入图片描述

抓住机遇，开启你的AI学习之旅！

在这里插入图片描述

# java # docker # 开发语言 # 深度学习 # 机器学习 # 人工智能
Logo
DeepSeek技术社区

欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。

更多推荐

DeepSeek-v4 官方 API 集成 Dify

下面对第一种方式————进行手把手级细化，把所有操作拆解到每个界面点击、每个输入框内容，确保你能跟着一步不差地完成。：Cloud 云版 / 自部署 Community / Enterprise 版均通用。：约 5–8 分钟。：一个能收发邮件的邮箱，一个可正常访问 Dify 和 DeepSeek 的网络环境。

avatar DeepSeek技术社区

20年老程序员×AI：2小时搭建社保智能客服系统实战

摘要：本文记录了一位20年老程序员与AI协作，仅用2-3小时搭建社保智能客服系统的实战过程。系统从单轮问答升级为多轮Agent，实现了12项社保业务办理功能。开发采用真/假服务分层策略，核心功能使用真实服务，非关键模块用桩模拟。文章详细记录了14个关键问题的解决过程，包括字段校验、上下文处理、语音集成等挑战。最终系统支持多业务配置化扩展、敏感信息后置采集、移动端语音交互等特性，展示了AI辅助开发的

avatar DeepSeek技术社区
cover

山东大学软件学院创新实训——MarketClaw（四）：热点借势营销——从爬虫挣扎到API集成，让AI文案会“蹭热度”

avatar DeepSeek技术社区