这么简单就能部署自己的 DeepSeek R1，你确定不来一套？

前两天发了一篇[怎么更好使用 DeepSeek 的文章]后，很多朋友在后台留言，希望了解 DeepSeek 的更多玩法。

春节前几天事情较多，这两天终于闲下来了，打算再分享一些自己使用 AI 功能的经验，包括但不限于 DeepSeek。

这一篇先介绍呼声较高的在本地部署 DeepSeek-R1 大语言模型的方案，后续会带来 DeepSeek 平替、DeepSeek 生成图片、视频、构建知识库等一系列文章，敬请期待。

话不多说，我们正式进入今天的主题。

这几天使用 DeepSeek R1 的朋友都知道，整个服务基本不可用，而“联网功能”直到今天才可用。

所以如果有一套备用的 DeepSeek R1 大模型服务，无疑会省事很多。

这个备用方案的部署也很简单，只需要使用 Ollama 来加载 DeepSeek R1 的蒸馏模型就可以了，大伙可以跟着我的流程操作。

安装 Ollama

Ollama 是目前最流行的本地运行大语言模型的开源工具，支持 DeepSeek-R1、Llama 等主流开源大模型的本地化部署。

目前 Ollama 在 Github 上有 12 万的关注量，社区非常活跃。

首先在浏览器中打开 https://ollama.com/download 来下载安装包。

你也可以直接复制下面自己电脑操作系统对应的下载地址，再粘贴到电脑浏览器中下载 Ollama：

• macOS：https://ollama.com/download/Ollama-darwin.zip

• Windows: https://ollama.com/download/OllamaSetup.exe

下载完成后，点击下载包安装 Ollama，然后点击 Ollama 图标启动应用，一路点击直到最后一步的提示：

这个提示提醒我们要在终端上运行 llama run llama3.2，我们不用管这个提示，直接点击 Finish 退出安装。

我们已经完成 50% 的部署工作了，是不是很简单？

运行 DeepSeek R1 模型

接着运行 DeepSeek R1 模型。

在浏览器中打开 https://ollama.com/search ，可以看到非常多的模型，比如 Meta 开源的 llama3.3，阿里开源的 Qwen。

我们找到 deepseek-r1，点击进入 https://ollama.com/library/deepseek-r1 页面：

左边下拉框有十几个基于 DeepSeek R1 蒸馏出来的模型，每个模型都展示了大小。右边是模型的运行命令。

之前 DeepSeek R1 官方拿 DeepSeek-R1-32b 和一些模型做过对比测试。

从上图可知，DeepSeek-R1-32b 相对于 DeepSeek R1 逊色一些，但其模型大小只有 20GB，蛮适合在我们个人电脑上部署的。

虽然模型越大效果越好，但也会消耗更多的磁盘和内存资源。所以你需要根据自己电脑的配置来选择运行的版本。

内存够大就选 32b，内存低于 16G 使用 7b 和 8b 的版本就行了。

为简单起见，这里我以默认的 7b 参数为例继续说流程。

复制右边的 ollama run deepseek-r1 命令，在电脑的命令行终端执行，等待下载完成。

当提示 success 时，表示下载完成，此时我们就可以和它聊天啦！

如果我们想退出聊天的话，输入 /bye 即可。

至此本地化部署 DeepSeek R1 就完成了。

不过大家发现没有，在终端与 DeepSeek R1 聊天太不方便了，而 Ollama 又只提供了命令行的交互方式。

好在社区有非常多的开源客户端软件都支持使用 Ollama，我们可以访问 https://github.com/ollama/ollama?tab=readme-ov-file#community-integrations ，选择一款自己喜欢的软件来使用 Ollama。

下面我就介绍几款比较流行的客户端软件，各位可以根据自己的喜好选择一个安装即可。

Chatbox

Chatbox 提供了桌面版、手机版、网页版等多种访问 Ollama 的方式，并且支持部分模型（暂不包括 DeepSeek）的“联网查询”功能。

这里我介绍下 Chatbox 桌面版和移动版的安装和配置方法。

01

Chatbox 桌面版

在浏览器中打开 https://chatboxai.app/zh#download, 下载并安装 Chatbox，点击启动，会弹出如下对话框，点击“使用自己的 API Key 或本地模型”。

选择 Ollama API，选择模型并保存，然后就可以聊天了。

Chatbox 的聊天界面如下：

可以看到，Chatbox 支持的功能较多，但暂不支持 DeepSeek 的“联网功能”，也不支持语音功能：

虽然 Chatbox 支持上传图片，但本地 DeepSeek 模型还不支持图片识别的功能。

02

Chatbox 移动版

有些朋友想在手机上也安装个 Chatbox 使用，这里我就介绍下如何让手机版的 Chatbox 使用电脑上的 Ollama 模型。

首先我们需要在电脑上调整 Ollama 的配置。

如果你是苹果系统，执行如下命令后再重启 Ollama。

launchctl setenv OLLAMA_HOST "0.0.0.0"``launchctl setenv OLLAMA_ORIGINS "*"

如果你是 Windows 系统，在系统设置中增加如下环境变量后，重启 Ollama：

变量名	变量值
OLLAMA_HOST	0.0.0.0
OLLAMA_ORIGINS	"*"

接着查看电脑的局域网 ip，这个可以在网络设置中看到，如我电脑的 ip 是 192.168.31.119。

然后在应用市场搜索 Chatbox ai 并安装。

安装完成后，打开 Chatbox，在设置中配置上电脑 Ollama 的地址：

http://192.168.31.119:11434 （ip 需替换成你自己电脑的 ip），然后选择模型保存即可。

然后就可以在手机上也使用 Chatbox 了。

注意，这种方式只能在电脑 Ollama 运行时，且手机与电脑处于同一局域网（连的是同一个 wifi）才可行。

Chatbox 官网地址：https://chatboxai.app/zh 。

Lobe Chat

Lobe Chat 是另一款热门的 Ollama web 工具，除支持 Ollama 所有本地模型外，其支持几乎所有主流的大语言模型，如 ChatGPT、Claude、Google Gemini 等。

Lobe Chat 提供了 Vercel、Railway 等部署方式，但本地部署的话推荐使用 Docker 。

如果还没安装过 Docker 的话，需先打开Docker 官网地址 https://docs.docker.com/get-started/get-docker/ ，下载 Docker 桌面版并安装。

启动 Docker 桌面版，在搜索框中输入 lobehub/lobe-chat，点击下载。

然后点击 Image，找到 lobe-chat 镜像点击运行，在弹出的对话框中输入容器名：lobe-chat，端口输入 3210，点击运行。

接着在浏览器中打开 localhost:3210，点击右上角的“会话设置”按钮，切换到“语言模型” 设置 Ollama 模型。

接着点击 “获取模型列表” 加载我们下载好的 DeepSeek R1 模型，然后点击检查按钮测试模型是否可用。

配置完成后，回到对话页面，聊天界面如下：

Lobe Chat 支持浏览器和 OpenAI 的语音。但本地模式不支持上传图片、文件功能，也不支持联网搜索功能。

官网地址：https://lobehub.com/zh。

Open WebUI

Open WebUI 是一款精简的 Ollama 浏览器工具，和 Lobe Chat 一样，也是推荐使用 docker 运行。

首先在终端运行如下命令拉取镜像并运行容器：

docker run -d -p 8080:8080 --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

接着在浏览器中打开 localhost:8080，点击开始使用。

设置管理员信息。

然后点击右上角的“设置”，然后点击“管理员设置” -> “模型”，可以看到已经为我们加载好了模型。

回到聊天界面开始聊天，如下：

Open WebUI 支持语音识别、文件上传等功能，不支持联网搜索功能。

官网地址：https://docs.openwebui.com/

github 地址：https://github.com/open-webui/open-webui

大家可以根据自己的喜好选择一个桌面版安装就行了。

对于本地大语言模型而言，我觉得一般只适合做官方的备份，大多数人没必要自己在本地弄一套大语言模型。

一是本地模型的参数较小，效果没官方好。

二是功能也没官网的功能丰富。

三是 DeepSeek 免费的额度也够我们用了。

我能想到的一个应用场景，是有些笔记管理软件支持 Ollama，所以对经常写作的朋友来说，部署一套本地大语言模型的话，直接在笔记软件中使用 AI 能力，能大大提高效果，算是一个不错的选项。

大家还有其他比较好的应用场景推荐吗？欢迎在评论区留言与我探讨。

AI大模型学习路线

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

扫描下方csdn官方合作二维码获取哦！

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

大模型全套视频教程

200本大模型PDF书籍

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

LLM面试题合集

大模型产品经理资源合集

大模型项目实战合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓