简介DeepSeek本地部署保姆级教程旨在帮助深受在线服务频繁中断、响应不稳困扰的用户通过本地运行保障使用连续性、保护隐私并降低延迟。整个压缩包共1份docx图文讲解文档、约1.28MB系统拆解三大环节安装Ollama应用按硬件选择并下载DeepSeek-R1模型入门1.5B、进阶7B、高性能32B配置ChatBox图形化界面连接本地模型完成交互测试并说明当前版本暂无联网检索能力。文中给出Ollama、模型库与ChatBox的官方获取途径以及下载失败时可用的网盘备用链接并对常见问题做了说明方便读者对照操作逐步排错。已有3698人浏览学习这份资源适合对DeepSeek感兴趣、有一定操作经验并希望拥有独立离线AI助手的技术爱好者与专业人士。1. DeepSeek 本地部署官方服务不可用我把全家桶搬进了自己电脑DeepSeek 官方服务最近三天两头“罢工”要么排队排到怀疑人生要么直接弹“服务不可用”正在写的东西断在一半心情比查克拉还乱。与其在网页里受气不如在本地电脑上部署一套 DeepSeek模型文件、推理引擎、聊天界面全装在自己机器里。本地部署的好处很实在不用和全网用户抢带宽网络波动再大也不会把对话掐断数据不出电脑隐私敏感的内容不用过别人的服务器响应速度也稳定得多。这套方案适合受够了在线服务抽风的人也适合想研究大模型实际运行逻辑的开发者。你不需要懂机器学习只需要一台电脑、一个下午、以及跟着下面步骤走完的耐心——我先踩过的坑你已经不需要再踩一遍。2. 安装 Ollama版本确认和两个最容易被忽略的路径坑2.1 下载前的配置核查先看显存、内存和系统版本Ollama 的官网下载按钮很好找但直接点下去之前我建议你先花两分钟把电脑的底细看清楚。本地部署大模型和装普通软件不一样装完之后跑不跑得动、跑得顺不顺完全取决于硬件底线。Ollama 支持 Windows 10、macOS 11 以及主流 Linux 发行版但 DeepSeek 模型对不同硬件的胃口差别很大。我不希望你装完 Ollama、满心欢喜敲下ollama run结果看到的是模型加载到一半就被系统“杀”掉。先查三样东西。第一是系统版本Windows 用户按WinR输入winver确认版本号低于 Windows 10 的建议先升级系统旧版系统对 Ollama 的兼容性很差。第二是内存按CtrlShiftEsc打开任务管理器看“性能”选项卡里的内存容量。第三是显卡显存命令行里敲nvidia-smi能看到显存总量和当前占用。如果你用的是核显或者没有 NVIDIA 显卡也别灰心后面会说纯 CPU 该怎么选模型。还有一个容易忽略的点Ollama 在 Windows 上默认依赖 WSL2 后端。如果你之前没装过 Linux 子系统Ollama 安装包会提示你补装 WSL2 内核。这个步骤会重启电脑提前保存好工作内容免得装到一半被重启打了个措手不及。2.2 安装与验证从官网下载到命令行识别 OllamaOllama 官方网站是https://ollama.com/进去之后主页正中就是 Download 按钮。Windows 用户会拿到一个.exe安装包macOS 拿到的是.dmg或者是 zip 解压即用版本。双击安装一路 Next 就行——这个软件没有那种让人头大的“自定义安装选项”陷阱默认配置就够用。安装完成后最直观的标志是开始菜单的搜索框输入ollama能看到一个羊驼样式的图标。这时候别急着开心先验证它到底能不能被命令行调用。按WinR输入cmd调起命令行窗口敲一句ollama -v正常输出像ollama version 0.x.x这样的版本号说明安装成功且环境变量已经被正确写入。如果提示ollama 不是内部或外部命令说明环境变量没刷进当前终端。这不是装坏了而是 Windows 的老毛病——新装的程序写入的 PATH对已经打开的命令行窗口不生效。关掉这个 cmd 窗口重新开一个基本就解决了。2.3 环境变量模型别塞 C 盘给 Ollama 指一条新路这一步很多人装完才后悔。Ollama 默认把模型文件存在用户目录下的.ollama/models文件夹对 Windows 来说就是C:\Users\你的用户名\.ollama\models。C 盘本来就被系统和各种软件挤得只剩一点空间模型文件动辄几个 GB 甚至几十 GB放 C 盘的结果是系统盘越用越红最后连日常更新都跑不动。我一般会在部署当天就把模型目录迁到其他盘别等 C 盘报警了再救。Windows 下设置方法右键“此电脑” → 属性 → 高级系统设置 → 环境变量 → 在“用户变量”或“系统变量”区域新建一条变量名写OLLAMA_MODELS变量值填你希望模型存放的路径比如D:\ollama\models。保存之后重开命令行运行ollama serve启动后台服务再执行ollama list确认新路径生效。需要说明的是环境变量设置后之前已经下载的模型不会自动搬过去如果有旧模型记得手动把.ollama\models目录挪到新路径。如果电脑上还跑着其他服务可能要调整 Ollama 的监听地址。默认只在127.0.0.1:11434上提供服务够安全也够用如果有多机访问的需求可以加一条OLLAMA_HOST0.0.0.0。注意局域网暴露服务意味着其他人也能连上你的模型接口非必要不开放。3. 模型选择与下载为什么 7B 是我最推荐的起步版本3.1 参数规模对照1.5B、7B、32B 分别适配什么配置模型文件名里那个数字后缀代表的是参数量。拿 7B 来说就是 70 亿参数的模型。参数越多理论上回答越聪明、推理越严谨但对内存和显存的要求也直线上升。DeepSeek-R1 官方给过三档参考配置我把它们整理成一张表方便你对号入座。模型版本内存要求显存要求适合场景1.5B4GB核显或无显卡可跑低配电脑体验用回答质量一般适合轻度对话7B8GB4GB大多数电脑的甜点位速度和智商平衡最佳32B32GB12GB高性能设备回答质量好但硬件门槛高我见过不少新手上来就想挑战 32B结果模型文件下载到一半磁盘满了或者加载完之后电脑风扇起飞、每秒蹦一个字。本地部署最重要的原则是“先跑通再优化”。第一次部署选 7B 是性价比最高的决策如果你的电脑是 16GB 内存 6GB 以上显存7B 能基本满速运行就算没有独立显卡靠 CPU 内存硬算8GB 内存也能跑只是响应会慢一些但至少能出结果。3.2 下载命令ollama run 与 ollama pull 的关系确认配置没问题后就该拉取模型了。这里有个很多初学者没搞明白的点ollama run deepseek-r1:7b这条命令并不只是“启动模型”它会自动帮我把缺少的模型文件下载到本地然后再进入交互对话界面。也就是说第一次执行这条命令等于是“下载 启动”一锅端。如果你想分开操作先用ollama pull deepseek-r1:7b单独下载模型文件再随时用ollama run启动道理也是一样的。# 只下载模型下载完不会进入对话界面 ollama pull deepseek-r1:7b # 启动模型并进入交互界面第一次执行会自动先下载 ollama run deepseek-r1:7b # 列出当前机器上已有的模型 ollama list下载速度取决于网络到ollama.com的连通性。我不止一次遇到下载到 90% 就卡住的情况这不是模型文件有问题而是 Ollama 的下载机制在长时间断流后不会自动重试到成功。解决办法也很朴素CtrlC终止当前下载重新执行一遍ollama pull deepseek-r1:7b它会基于已下载的分片继续拉取不用从零再来。如果反复卡住或者下载速度只有几十 KB建议直接换网络环境或者用官方教程里附带的那条网盘下载链接拿现成的模型文件然后手动放到对应的模型目录下。Ollama 的模型文件是标准 GGUF 格式只要文件名和lib/models/manifests路径对齐它就能正常识别。3.3 模型命名与量化deepseek-r1:7b 这串字符到底暴露了什么deepseek-r1:7b看起来只是“模型名 版本号”其实还有一层比较关键的细节。Ollama 官方仓库里deepseek-r1:7b对应的实际是 DeepSeek-R1 的蒸馏版本底层用到的是 Qwen2.5 架构。这意味着你本地跑的不是原版 7000 亿参数的 DeepSeek-R1而是官方蒸馏到 70 亿参数的版本。对于本地部署来说这是好事——蒸馏版本保住了大部分推理能力体积却只有原版几十分之一。另一个值得了解的是量化。Ollama 在拉取模型时会自动选用默认的量化精度普通用户不需要关心这个参数但你想深挖性能的时候可以执行ollama show deepseek-r1:7b查看模型详情里面会标明参数量、量化位数、上下文窗口等信息。量化位数越低文件越小、速度越快但回答质量会有细微下降。在 7B 这个规格上默认量化的表现已经很均衡不建议新手手动改量化等级等把整套流程跑通之后再折腾这些高阶玩法不迟。4. 安装 ChatBox图形化界面接上 Ollama别再用命令行聊天了4.1 ChatBox 的下载安装版本选择与安装流程模型在命令行里能跑起来了但说实话黑底白字的交互界面实在谈不上体验好——不能换行排版、复制回答也费劲、聊天记录更是没有。ChatBox 就是专门解决这个问题的一个开源桌面客户端把这些本地模型包上一个现代聊天软件的壳。ChatBox 的下载地址是https://chatboxai.app/zh/install?downloadwin64Windows 64 位系统直接用这个链接拿安装包。装完之后第一次打开它会弹出一个设置引导窗口里面有一个关键选项“使用自己的 API Key 或本地模型”选这个就能对接本地 Ollama。这里有一个很多人会翻车的地方手太快点了跳过设置窗口没了不知道从哪找回。别慌ChatBox 的主界面左侧边栏有“设置”入口点进去之后找“模型提供方”如果列表里没有就点“添加自定义提供方”。所有配置项都在这里不用重新安装软件来找那个窗口。4.2 API 配置参数三个字段决定这次接驳能不能成ChatBox 并不是只能连本地 Ollama它本身就是一个支持多后端的客户端可以连 OpenAI、Claude、Gemini 等云端服务也可以连本地模型。问题在于不同后端要求的填写格式不太一样。连接 Ollama 时我测试下来这三项配置这么填最稳配置项填写内容说明API 域名http://127.0.0.1:11434/v1注意末尾的/v1很多人漏掉这截API 密钥随便一串字符如ollamaChatBox 校验格式不允许为空但 Ollama 不验证密钥内容模型名deepseek-r1:7b必须与ollama list输出完全一致API 域名为什么是http://127.0.0.1:11434/v1因为 Ollama 从很早的版本开始就内置了一个 OpenAI 兼容协议的外层接口监听端口是 11434/v1是这个兼容层的 URL 前缀。ChatBox 这类软件本身是按 OpenAI 接口规范开发的所以让它们对接 Ollama最省事的方式就是走这个兼容层。你要是把这个前缀漏了ChatBox 会报 404 或者 connection error因为你直接把请求发到了 Ollama 的根路径而根路径没有对应路由。API 密钥那一栏很多人会纠结“我没有 OpenAI 的 Key 怎么办”。放心Ollama 是本地服务不校验密钥它的身份验证约定俗成地依赖127.0.0.1这个回环地址。ChatBox 的界面要求密钥不能为空所以随便填一个长度超过 1 的字符串比如ollama或者local就能通过校验。我每次给测试机配置时都填ollama已经形成肌肉记忆了。4.3 适配模型名填错一个冒号对话窗口就前功尽弃模型名deepseek-r1:7b这个字段是三层配置里最容易出致命小错的。毛病通常出在三个地方第一输成了deepseek-r1-7b把冒号换成了连字符Ollama 仓库里的标签用的是冒号ChatBox 拿错误的名字去请求Ollama 会返回一个类似model not found的错误整个对话窗口直接不能发消息。第二大小写写错写成DeepSeek-R1:7b。我特意测试过Ollama 的模型标签匹配是大小写敏感的你必须严格按照ollama list里输出的原样来填。第三模型版本号尾巴没写只填deepseek-r1这样有可能匹配到一个默认标签也可能匹配不到看仓库当前默认指向的版本结果不可控。最稳妥的做法是不凭记忆填先把命令行里的ollama list打开对照着输出把模型名抄过去。配置保存之后就可以在 ChatBox 的对话框里发第一条消息了。我习惯先问一句“你是谁”看它回答“我是 DeepSeek-R1由……”这就说明整套链路已经打通。值得提醒的是本地部署的版本目前不具备联网搜索能力它的知识截止到模型训练时点聊历史、写代码、做推理没问题问“今天天气怎么样”就不灵了。联网功能是后续要单独配置的模块本篇不展开。5. 避坑指南本地部署 DeepSeek 最常翻车的五个场景5.1 提示ollama 不是内部或外部命令这是 Windows 上装完 Ollama 之后最经典的报错。明明安装过程没有任何异常羊驼图标也在开始菜单里躺着但一打开 cmd 敲ollama就提示找不到命令。原因很简单Ollama 安装包写入用户级 PATH 环境变量之后已经打开的命令行窗口不会自动刷新它读取的环境变量列表。解决办法是先关掉所有 cmd 窗口和终端工具重新开一个新的再试如果新窗口依然提示找不到那就手动检查环境变量里有没有 Ollama 的安装路径没有就手动加进去。这个路径通常在C:\Users\你的用户名\AppData\Local\Programs\Ollama把这段路径追加到 PATH 列表就行。以后装完 Ollama我的习惯是先重开终端再敲命令省得白报错一次。5.2 模型下载卡在 90% 或 99%进度条长时间不动Ollama 官方仓库的下载服务器在海外国内网络环境经常出现下载到接近尾声时突然没速度的情况进度条就卡在最后一小段看着比温柔一刀还难受。原因是 Ollama 的下载模块对长连接断流处理不完美流断了之后不主动重连。解决手法是允许中断退出——CtrlC杀掉当前下载任务然后重新执行ollama pull deepseek-r1:7b。Ollama 会把已经下好的分片缓存保留着下一次从断点续传不会重新下载整个文件。如果反复重试还是卡住就别死磕官方源了用官方教程里附带的网盘下载链接直接拿压缩包解压之后放进模型目录效果是一样的。5.3 ChatBox 能启动但发消息就报 404 或 connection error部署到 ChatBox 这一步时最常遇到的情况是软件装好了配置填完了点发送对话框直接报错。百分之八十的原因是 API 域名末尾少了/v1。ChatBox 按 OpenAI 兼容协议拼请求地址它在你填的域名后面直接加/chat/completions如果你填的是http://127.0.0.1:11434实际请求就发到了http://127.0.0.1:11434/chat/completions而 Ollama 的 OpenAI 兼容层只挂在/v1子路径下请求必 404。修改方式是在 API 域名末尾补上/v1重新保存再试。另外一个高频原因是 Ollama 后台服务没起来——安装 Ollama 后桌面端不会自动常驻一个可见的服务进程你得确认模型已经在命令行里跑起来过。在执行ollama run deepseek-r1:7b成功进入对话之后Ollama 的服务端才会保持在后台监听 11434 端口。5.4 对话响应奇慢每秒只能蹦几个字7B 模型在理论上限内跑得不慢但一旦你用的电脑既没有独立显卡、显存又不够大Ollama 只能退化为纯 CPU 推理模式速度感人。我见过一台 8GB 内存无独显的笔记本跑 7B一个简单问题要转圈三十秒以上。遇到这种情况先别卸载重装用nvidia-smi看一眼显存占用确认 Ollama 是否真的在用 GPU。如果显存不够但内存够也可以强行让模型在 CPU 内存模式下运行但 7B 最好还是 16GB 内存往上16GB 以下直接换 1.5B 版本体验会顺滑很多。另外一个性能优化手段是限制 Ollama 的并发请求默认情况下它会尽量利用全部算力如果你同时开着浏览器和办公软件体感会更卡。设置环境变量OLLAMA_NUM_PARALLEL1强制串行推理能把资源让给正在跑的任务。5.5 回答质量与官方网页版差距明显本地 7B 蒸馏版和官方网页版那几百亿参数的原版模型能力差距是客观存在的。有些用户跑完 7B 后发现写代码、做数学推理的输出质量比网页版差了一截就开始怀疑是不是安装配置出了问题。这其实不是 bug是规格差异。本地部署的取舍本来就是“牺牲一部分能力上限换来随时可用的稳定性”。想要更好的效果硬件允许的情况下可以升级到 32B 版本硬件跟不上就接受 7B 的能力边界把它当成一个顺手的写作助手、代码片段生成器和逻辑草稿纸而不是全知全能的生产力终极方案。配置和流程没有问题就不要在“调参”上反复折腾把时间花在实际使用上收获更大。6. 验证跑通从“你是谁”到压一下本地模型的成色部署完成不能以“界面能打开”为准至少要走完一轮连贯验证。我通常按三步检查。第一步打开命令行敲ollama list确认模型列表里有deepseek-r1:7b再敲ollama ps这个命令比list更有信息量——它能显示出当前有几路对话在服务端处于加载状态、模型被加载到显存还是内存。如果ps输出为空说明模型还没被拉起来在 ChatBox 里发消息可能经过一段冷启动延迟第一次响应会慢一些这是正常现象。第二步回到 ChatBox发一个需要短上下文记忆的追问。直接问“你是谁”只能验证链路通了不能验证推理能力。我的做法是先发一句“请记住数字 37不要回答只回复‘已记住’”再发“我刚才让你记住的数字是多少”。本地模型如果答对了 37说明上下文窗口正常、推理链路完整不只是一个只会背诵题面的空壳。第三步用一个 200 字左右的写作类请求测试长文本生成能力比如“写一段 300 字的夏日傍晚描写”。记录从点击发送到完整输出的时间7B 在普通 16GB 内存 无独显的电脑上大概需要数十秒有 4GB 以上显存会明显快一截。连续问两三轮观察输入框是否流畅回复是否出现乱码或截断。还有一个习惯性动作值得保留测试完成后把 ChatBox 侧边栏“模型提供方”里的配置界面打开截一张图存档包括 API 域名、模型名和密钥。以后系统重装、换电脑、或者 Ollama 升级之后连不上翻出这张图照填就恢复。走完这三步这套本地部署才算真正验收通过——它和官方网页版的区别在于你的对话不会再因为对方服务器过载而中断也不会因为高峰期排队而被晾在一边。从那以后我每次部署完本地模型都会强制走一遍ollama ps 二次追问的流程确认服务端真的在工作而不是只把界面装壳子装得漂亮。这个习惯保住了我好几次“演示给外人看结果翻车”的时刻希望帮到你。本文还有配套的精品资源点击获取
