以下是 DeepSeek 本地部署的详细使用教程，综合多个可靠来源整理而成，涵盖主流操作系统（Windows/macOS/Linux）的部署流程及优化技巧：

 一、部署前的准备工作

1. 硬件要求  

   - 最低配置：8GB 内存 + 50GB 硬盘空间（适用于 1.5B 或 7B 参数模型）  

   - 推荐配置：16GB 内存 + NVIDIA 显卡（RTX 3060 或更高，显存 ≥8GB） + SSD 硬盘（适用于 14B 及以上模型）  

   - 系统要求：Windows 10/11、macOS 12+ 或 Ubuntu 20.04+   

2. 软件依赖  

   - Python 3.8+：用于环境配置（可选，部分工具需要）  

   - Ollama：核心部署工具，支持一键运行模型（必装）  

   - Docker（可选）：用于容器化部署和图形界面（如 Open WebUI）   

 二、核心部署步骤

 1. 安装 Ollama  

   - 官网下载：访问 [Ollama 官网](https://ollama.com/download)，选择对应系统的安装包。  

     - Windows：双击安装包，默认路径为 `C:\Program Files\Ollama`。  

     - macOS/Linux：通过终端运行安装脚本。  

   - 验证安装：打开终端输入 `ollama -v`，输出版本号即成功 。  

 2. 拉取 DeepSeek 模型  

   - 选择模型版本：  

     - 1.5B/7B：适合低配置设备（如集成显卡或 CPU 运行）  

     - 14B/32B：需中高端显卡（如 RTX 3060/4090）  

     - 70B：需企业级硬件（如 A100 显卡）  

   - 命令行拉取模型（以 7B 为例）：  

 ollama run deepseek-r1:7b  # 自动下载并启动

   - 国内加速：若下载慢，可修改环境变量 `OLLAMA_MODELS` 指定存储路径（避免占用 C 盘）。  

 3. 运行与测试  

   - 终端交互：输入问题即可对话（例如：“世界上先有鸡还是先有蛋？”）。  

   - 关闭与重启：下次使用直接运行 `ollama run deepseek-r1:7b`，无需重复下载 。  

 三、图形界面搭建（可选）

 方案 1：Chatbox 客户端  

   - 安装步骤：  

     1. 下载 [Chatbox](https://chatboxai.app/zh) 客户端并安装。  

     2. 设置 → 选择 Ollama API → 输入地址 `http://localhost:11434`。  

     3. 选择已安装的 `deepseek-r1` 模型即可开始对话 。  

 方案 2：Open WebUI（Docker 版）  

   - 部署命令：  

  docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

   - 访问界面：浏览器打开 `http://localhost:3000`，登录后选择模型 。  

 四、性能优化与高级技巧

1. 显存不足的解决方案  

   - 使用量化版模型（如 `deepseek-r1:7b-q4`），显存需求降低 30% 。  

   - 调整批处理大小：在启动命令中添加 `--num-batch 4` 减少单次计算量。  2. 多 GPU 支持  

   - 设置环境变量 `CUDA_VISIBLE_DEVICES=0,1` 指定使用的 GPU 索引 。  

3. 本地数据隐私保护  

   - 开启隐私模式：在 Ollama 配置文件中禁用网络访问（仅限本地推理）。  

 五、常见问题解决

- 下载失败/速度慢：更换镜像源或使用代理工具加速 。  

- 端口冲突：修改 Ollama 默认端口 `11434`，例如 `OLLAMA_HOST=0.0.0.0:12345` 。  

- 模型响应慢：降低模型参数（如从 32B 切换至 14B）或关闭无关进程 。  

 六、扩展应用场景

- 代码生成：输入需求描述（如“写一个 Python 爬虫抓取微博热搜”），模型自动生成代码 。  

- 数据分析：上传 CSV/Excel 文件，输入指令生成可视化报告 。  

- 文档处理：结合 LangChain 构建本地知识库，实现定制化问答 。  

通过以上步骤，您可以在本地高效部署 DeepSeek，享受低延迟、高隐私的 AI 服务。如需完整资源包（含模型文件、视频教程），可参考 。