1分钟学会DeepSeek本地部署，小白也能搞定！
DeepSeek 是国内顶尖 AI 团队「深度求索」开发的多模态大模型，具备数学推理、代码生成等深度能力，堪称"AI界的六边形战士"。DeepSeek 身上的标签有很多，其中最具代表性的标签有以下两个：
[*]低成本（不挑硬件、开源）
[*]高性能（推理能力极强、回答准确）
一、为什么要部署本地DeepSeek？
相信大家在使用 DeepSeek 时都会遇到这样的问题：
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008193900-60d42b80-8d95-4d2e-8026-dc3d84380036.png
这是由于 DeepSeek 大火之后访问量比较大，再加上漂亮国大规模、持续的恶意攻击，导致 DeepSeek 的服务器很不稳定。所以，这个此时在本地部署一个 DeepSeek 大模型就非常有必要了。
再者说，有些数据比较敏感，咱也不想随便传到网上去，毕竟安全第一嘛。这时候，本地大模型的优势就凸显出来了。它就在你自己的电脑上运行，完全不用担心网络问题，而且数据都在本地，隐私更有保障。而且，本地大模型可以根据你的需求进行定制，想怎么用就怎么用，灵活性超强！
二、怎么部署本地大模型？
在本地部署 DeepSeek 只需要以下三步：
[*]安装 Ollama。
[*]部署 DeepSeek。
[*]使用 DeepSeek：这里我们使用 ChatBox 客户端操作 DeepSeek（此步骤非必须）。
Ollama、DeepSeek 和 ChatBox 之间的关系如下：
[*]Ollama 是“大管家”，负责把 DeepSeek 安装到你的电脑上。
[*]DeepSeek 是“超级大脑”，住在 Ollama 搭建好的环境里，帮你做各种事情。
[*]ChatBox 是“聊天工具”，让你更方便地和 DeepSeek 交流。
安装Ollama
Ollama 是一个开源的大型语言模型服务工具。它的主要作用是帮助用户快速在本地运行大模型，简化了在 Docker 容器内部署和管理大语言模型（LLM）的过程。
PS：Ollama 就是大模型届的“Docker”。
Ollama 优点如下：
[*]易于使用：即使是没有经验的用户也能轻松上手，无需开发即可直接与模型进行交互。
[*]轻量级：代码简洁，运行时占用资源少，能够在本地高效运行，不需要大量的计算资源。
[*]可扩展：支持多种模型架构，并易于添加新模型或更新现有模型，还支持热加载模型文件，无需重新启动即可切换不同的模型，具有较高的灵活性。
[*]预构建模型库：包含一系列预先训练好的大型语言模型，可用于各种任务，如文本生成、翻译、问答等，方便在本地运行大型语言模型。
Ollama 官网：https://ollama.com/
下载并安装Ollama
下载地址：https://ollama.com/
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008193945-8253d5b7-50df-4200-93cf-6e394f6c0201.png
用户根据自己的操作系统选择对应的安装包，然后安装 Ollama 软件即可。
安装完成之后，你的电脑上就会有这样一个 Ollama 应用：
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008193890-a04880b3-48a7-47f0-b5f1-01a45884f648.png
点击应用就会运行 Ollama，此时在你电脑状态栏就可以看到 Ollama 的小图标，测试 Ollama 有没有安装成功，使用命令窗口输入“ollama -v”指令，能够正常响应并显示 Ollama 版本号就说明安装成功了，如下图所示：
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008193891-f4fcc86c-8e07-4fda-98a3-45cddd630fc1.png
部署DeepSeek
Ollama 支持大模型列表：https://ollama.com/library
选择 DeepSeek 大模型版本，如下图所示：
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008194029-ab203ced-bc9d-4610-a3ad-c1c68231e48f.png
DeepSeek版本介绍
模型参数规模典型用途CPU 建议GPU 建议内存建议 (RAM) 磁盘空间建议适用场景1.5b (15亿)小型推理、轻量级任务4核以上 (Intel i5 / AMD Ryzen 5)可选，入门级 GPU (如 NVIDIA GTX 1650, 4GB 显存)8GB10GB 以上 SSD小型 NLP 任务、文本生成、简单分类7b (70亿)中等推理、通用任务6核以上 (Intel i7 / AMD Ryzen 7)中端 GPU (如 NVIDIA RTX 3060, 12GB 显存)16GB20GB 以上 SSD中等规模 NLP、对话系统、文本分析14b (140亿)中大型推理、复杂任务8核以上 (Intel i9 / AMD Ryzen 9)高端 GPU (如 NVIDIA RTX 3090, 24GB 显存)32GB50GB 以上 SSD复杂 NLP、多轮对话、知识问答32b (320亿)大型推理、高性能任务12核以上 (Intel Xeon / AMD Threadripper)高性能 GPU (如 NVIDIA A100, 40GB 显存)64GB100GB 以上 SSD大规模 NLP、多模态任务、研究用途70b (700亿)超大规模推理、研究任务16核以上 (服务器级 CPU)多 GPU 并行 (如 2x NVIDIA A100, 80GB 显存)128GB200GB 以上 SSD超大规模模型、研究、企业级应用671b (6710亿)超大规模训练、企业级任务服务器级 CPU (如 AMD EPYC / Intel Xeon)多 GPU 集群 (如 8x NVIDIA A100, 320GB 显存)256GB 或更高1TB 以上 NVMe SSD超大规模训练、企业级 AI 平台例如，安装并运行 DeepSeek：ollama run deepseek-r1:1.5b
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008194367-3ac431f6-8c8c-4267-a025-f3b79bc88a3e.png
使用DeepSeek
这里我们使用 ChatBox 调用 DeepSeek 进行交互，ChatBox 就是一个前端工具，用于方便的对接各种大模型（其中包括 DeepSeek），并且它支持跨平台，更直观易用。
ChatBox 官网地址：https://chatboxai.app/zh
点击下载按钮获取 ChatBox 安装包：
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008194381-e7cfe410-4bfd-4227-a77f-b1b011fc0078.png
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008194400-38a12f96-723e-4ede-b3b6-706b9a29f88e.png
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008194418-a7a96186-900c-4012-9ff5-4b326adfcf1c.png
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008194568-6df219f8-0dc6-42f9-b7f5-06e22a157339.png
安装完 Chatbox 之后就是配置 DeepSeek 到 Chatbox 了，如下界面所示：
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008194772-4bd7881e-f2c6-43ad-90ca-20db34f8a6f4.png
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008194838-9bad230c-5521-40c6-a2f1-a504ae33fd0a.png
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008194871-c6b80b92-986e-4a37-a3b1-eb2f9062ae46.png
使用 DeepSeek，如下图所示：
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008194926-2e5b4ce0-70ae-4383-8139-82395673bf06.png
三、扩展知识：本地DeepSeek集成Idea
安装CodeGPT插件
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008195108-d79f2f49-0af4-4de2-ab70-ab56a5e5b714.png
配置Ollama
Ollama API 默认调用端口号：11434
检查相应的配置，如下所示：
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008195460-b0637549-7d62-407d-a091-8f7ee3e30e05.png
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008195413-7785c308-c001-4b1d-b2c7-97bfb9658774.png
使用Ollama
https://cdn.nlark.com/yuque/0/2025/png/92791/1739008195561-4d76f729-d351-4079-bd5d-40fecda288f2.png
四、优缺点分析
本地大模型的优缺点分析说完部署，我们来分析一下本地大模型的优缺点，好让大家心里有个数。
优点
[*]隐私性高：数据都在本地，不用担心泄露问题，对于一些敏感数据处理来说，这是最大的优势。
[*]稳定性强：不受网络影响，只要电脑不坏，模型就能稳定运行，不用担心中途卡顿或者断线。
[*]可定制性强：可以根据自己的需求进行调整和优化，想让它做什么功能就做什么功能，灵活性很高。
缺点
[*]硬件要求高：大模型对电脑的性能要求不低，如果电脑配置不够，可能会运行很卡，甚至跑不起来。
[*]部署复杂：对于小白来说，一开始可能会觉得有点复杂，需要安装各种东西，还得配置参数，不过只要按照教程来，其实也没那么难。
[*]维护成本高：如果模型出了问题，可能需要自己去排查和解决，不像在线工具，有问题直接找客服就行。
五、最后
小伙伴们，看完这些，是不是觉得本地大模型其实也没那么可怕呢？其实只要按照步骤来，小白也能轻松搞定。动手做起来吧，说不定你就能发现更多好玩的功能，让这个大模型成为你工作和学习的得力助手呢！要是你在部署过程中遇到什么问题，别忘了留言问我哦，我们一起解决！快去试试吧，开启你的本地大模型之旅！
我这里提供了一份清华大学《DeepSeek：从入门到精通》PDF 文档（总共 104 页），加我免费获取：vipStone【备注：DK】
页:
[1]