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：

1. 低成本（不挑硬件、开源）
2. 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：

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：

1. 安装 Ollama。
2. 部署 DeepSeek。
3. 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：Ollama

下载并安装Ollama

下载地址：Ollama

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：

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：

部署DeepSeek

Ollama 支持大模型列表：library

选择 DeepSeek 大模型版本，如下图所示：

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)	8GB	10GB 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)	16GB	20GB 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)	32GB	50GB 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)	64GB	100GB 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)	128GB	200GB 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

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：Chatbox AI官网：办公学习的AI好助手，全平台AI客户端，官方免费下载

点击下载按钮获取 ChatBox 安装包：

安装完 Chatbox 之后就是配置 DeepSeek 到 Chatbox 了，如下界面所示：

使用 DeepSeek，如下图所示：

三、扩展知识：本地DeepSeek集成Idea

安装CodeGPT插件

配置Ollama

Ollama API 默认调用端口号：11434

检查相应的配置，如下所示：

使用Ollama

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！

 如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 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 扫描下方二维码领取🆓↓↓↓

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 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 扫描下方二维码领取🆓↓↓↓

​