本地部署DeepSeek就这么简单...
引言DeepSeek 作为一款优秀的语言模型，结合 Ollama 和 Cherry Studio 可以轻松实现本地部署。本文将深入浅出地介绍如何使用 Ollama 与 Cherry Studio 本地部署 DeepSeek。
Oallam简介
Ollama 是一个简单易用的工具，它允许用户在本地快速部署和运行各种语言模型。通过 Ollama，你可以方便地管理模型的下载、启动和使用，无需复杂的配置。
Cherry Studio
Cherry Studio 是一个集成开发环境（IDE），专门为人工智能开发设计。它提供了直观的界面和丰富的功能，帮助开发者更高效地与语言模型进行交互和开发。
整合步骤
1. 安装Oallam
首先，需要在本地安装Oallam。根据操作系统选择合适的安装包进行下载和安装。安装完成后，可以通过命令行启动Oallam服务，并下载所需的大模型。^^
[*]下载并安装Oallam直接访问官网下载
图片
[*]下载大模型进入模型仓库（https://ollama.com/library）根据自己电脑配置，选择合适的模型下载并运行
ollama run deepseek-r1:7b
[*]1.
图片
[*]启动Oallam服务如果是执行命令ollama pull * 下载模型，需要手动启动服务
ollama serve
[*]1.
也可以直接进入到Ollama的安装路径（C:\Users\用户\AppData\Local\Programs\Ollama）执行ollama app.exe后，任务栏右下角有羊驼的标识，表示启动成功
2. 安装Cherry Studio
直接下载客户端（https://cherry-ai.com/download）
图片
3. 配置Cherry以使用Oallam模型
[*]点击右下角设置
图片
[*]选择Ollama
a.右上角开关打开
b.点击最下面的管理，并选择在Ollama中下载好的模型
图片
c.回到助手页面，点击最上面的模型名称切换模型服务
d.聊天
图片
4. 基于API的调用
通过API调用可以实现前后端的高效交互，使得基于DeepSeek模型的应用开发更加灵活。API调用的具体实现如下：
[*]API端点：http://localhost:11434/v1/chat/completions
[*]请求头：
a.Content-Type: application/json
[*]请求体：
[*]model: 指定使用的模型，例如deepseek-r1:7b
[*]messages: 包含对话消息，格式为数组，每个元素包含role（用户或助手）和content（消息内容）
[*]stream: 是否启用流式响应，true表示启用
{ "model": "deepseek-r1:7b", "messages": [ { "role": "user", "content": "介绍一下人工智能" } ], "stream": true}
[*]1.
[*]2.
[*]3.
[*]4.
[*]5.
[*]6.
[*]7.
[*]8.
[*]9.
[*]10.
通过上述API配置，前端可以发送请求到后端，后端再通过Ollama调用DeepSeek模型进行处理，并将结果返回给前端。这种方式不仅简化了开发流程，还提高了系统的可扩展性和维护性。开发者可以根据实际需求调整API参数，实现更多功能，方便直接在前后端通过API的形式调用
结论
基于Ollama可以与各种客户端实现各种模型的使用，比如LangChain、Chatbox...，如果需要网页版本的支持，可以参考之前的文章，使用Ollama+LobeChat实现。
页:
[1]