本地Ollama部署DeepSeek R1模型接入Word

最新推荐文章于 2025-03-18 11:30:39 发布

Python_金钱豹

最新推荐文章于 2025-03-18 11:30:39 发布

阅读量1.4k

点赞数 7

文章标签： word c# php langchain 人工智能 chatgpt 深度学习

本文链接：https://blog.csdn.net/Python_cocola/article/details/145501706

版权

要想实现DeepSeek与Word的结合，我们也可以通过本地部署的方式进行。

本地部署的优势如下：

1.响应速度快

本地处理减少网络传输，响应速度更快。且本地部署的稳定性更强，不受网络波动影响，确保服务持续可用。

2.数据隐私与安全

文本数据无需上传至外部服务器，降低了泄露风险。3.完全免费虽然DeepSeek的API key费用极低，但在高强度的办公场景下仍需要消耗一笔费用。本地部署模型能够做到完全免费，不花一分钱。接下来，本文将讲述如何本地部署DeepSeek-R1模型，并将其集成到Word中。

1.本地部署DeepSeek-R1模型

访问ollama官网，点击download。https://ollama.com/

根据电脑系统选择相应的版本。点击下载。若下载速度过慢，可关注公众号并回复“ollama”领取安装包。

打开下载的安装包，点击“Install”

等待安装完成后，按win+r键，输入cmd调出命令行窗口。

输入

ollama --version

按下回车后出现版本号，即为安装成功。

我们选择推理能力更强的deepseek-r1模型进行本地部署。小编的笔记本显存为6G，因此选择最小的1.5b模型进行部署，如果显存更大的话，可以选择更大的模型。

在命令行窗口中输入：

ollama run deepseek-r1:1.5b

按下回车，模型开始自动下载。

模型下载成功后，自动进入对话模式，我们可以在这里跟模型进行对话。

至此，恭喜你已经完成了deepseek-r1模型的本地部署。

2.接入Word

在进行接下来的操作之前，如何利用API key来调用云端的大模型，而本文讲的是调用本地部署的模型，请按照进行Word端所有的操作，但在复制代码时，替换为下面的代码：

Function CallDeepSeekAPI(api_key As String, inputText As String) As String`    `Dim API As String`    `Dim SendTxt As String`    `Dim Http As Object`    `Dim status_code As Integer`    `Dim response As String`               `' 本地部署的大模型API地址`    `API = "http://localhost:11434/api/chat"`        `' 修改请求体为与本地大模型相匹配的格式`    `SendTxt = "{""model"": ""deepseek-r1:1.5b"", ""messages"": [{""role"":""user"", ""content"":""" & inputText & """}], ""stream"": false}"`               `Set Http = CreateObject("MSXML2.XMLHTTP")`    `With Http`        `.Open "POST", API, False`        `.setRequestHeader "Content-Type", "application/json"`        `.setRequestHeader "Authorization", "Bearer " & api_key`        `.send SendTxt`            `status_code = .Status`        `response = .responseText`    `End With`               `' 弹出窗口显示 API 响应（调试用）`    `' MsgBox "API Response: " & response, vbInformation, "Debug Info"`               `If status_code = 200 Then`        `CallDeepSeekAPI = response`    `Else`        `CallDeepSeekAPI = "Error: " & status_code & " - " & response`    `End If`               `Set Http = Nothing``End Function`           `Sub DeepSeekV3()`    `Dim api_key As String`    `Dim inputText As String`    `Dim response As String`    `Dim regex As Object`    `Dim matches As Object`        `Dim originalSelection As Object`               `api_key = "pass"`    `If api_key = "" Then`        `MsgBox "Please enter the API key."`        `Exit Sub`    `ElseIf Selection.Type <> wdSelectionNormal Then`        `MsgBox "Please select text."`        `Exit Sub`    `End If`               `' 保存原始选中的文本`    `Set originalSelection = Selection.Range.Duplicate`               `inputText = Replace(Replace(Replace(Replace(Replace(Selection.Text, "\", "\\"), vbCrLf, ""), vbCr, ""), vbLf, ""), Chr(34), "\""")`    `response = CallDeepSeekAPI(api_key, inputText)`               `If Left(response, 5) <> "Error" Then`        `Set regex = CreateObject("VBScript.RegExp")`                `' 步骤1：提取大模型回复内容`            `With regex`            `.Global = True`            `.MultiLine = True`            `.Pattern = """content"":\s*""([\s\S]*?)"""  ' 更稳健的提取逻辑`        `End With`        `If regex.Test(response) Then`            `response = regex.Execute(response)(0).SubMatches(0)`                        `' 步骤2：处理Unicode转义字符（如\u003c -> <）`            `response = Replace(response, "\u003c", "<")`            `response = Replace(response, "\u003e", ">")`                        `' 步骤3：删除标签及其内容`            `With regex`                `.Global = True`                `.MultiLine = True`                `.IgnoreCase = True`                `.Pattern = "[\s\S]*?"`            `End With`            `response = regex.Replace(response, "")`                        `' 步骤4：转换\n为实际换行符`                `response = Replace(response, "\n", vbCrLf)`                        `' 步骤5：移除Markdown格式`            `With regex`                `.Global = True`                ``.Pattern = "(#+\s*|\*\*|__|`|\*{1,2}|_{1,2}|~~|^>\s)"``                `response = .Replace(response, "")`            `End With`            `response = regex.Replace(response, "")`                       `' 取消选中原始文本`            `Selection.Collapse Direction:=wdCollapseEnd`                       `' 将内容插入到选中文字的下一行`            `Selection.TypeParagraph ' 插入新行`            `Selection.TypeText Text:=response`                       `' 将光标移回原来选中文本的末尾`            `originalSelection.Select`        `Else`            `MsgBox "Failed to parse API response.", vbExclamation`        `End If`        `Else`        `MsgBox response, vbCritical`    `End If``End Sub

此代码在上一次代码的基础上进行了优化，对大模型md格式的输出进行了优化，去掉了md格式的修饰，只保留纯文本；在上一个版本中，大模型输出的“\n”会被当做文本显示，而此版本的代码直接将“\n”当作回车处理，结果更加美观。

替换代码后，即可实现本地大模型的Word调用。

3.效果演示

选中文本后，点击生成，即可看到大模型的回复。

4.问题反馈

此外，还有读者反应，会出现“配置完之后重启word配置的宏消失的问题”，这个问题的解决办法如下：

点击开发工具 -> 宏。

选中我们配置的DeepSeekV3，点击管理器。

选中左侧的模块1，点击复制，右侧将会出现模块1，最后点击关闭。

问题顺利解决，再次重启word后，不会出现宏消失的问题。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述