一文玩转本地化部署DeepSeek！

大家好，我是蘑菇先生。近期DeepSeek爆火，目前官网服务的不稳定性，成为尝鲜的阻碍。本文将详细介绍如何本地化部署DeepSeek，并应用于生活和工作。在大多数情况下，优先推荐官网chat或者官网API调用，效果更佳。本文的主要面向场景在于：免费、稳定、高效且隐私安全。

• AI编程助手：如何通过Ollama（本地大模型引擎） + VS Code + DeepSeek (轻量化模型)，作为cursor的平替；

• 聊天机器人：集成open WebUI/chatbox实现可视化聊天，用于生活经验咨询、学习、写文案等， 构建本地agent库，官网R1完全体的平替；

• API调用：集成python API实现本地模型调用，用于NLP等算法开发工作；

• 本地知识库：集成anythingLLM构建本地知识库，解决部分隐私数据需要上传云端造成的合规问题，包括办公文档、小说创作、法律文书等。

一、AI编程助手

1. 安装Ollama（本地大模型引擎）

访问ollama.ai下载对应版本，安装后执行，该指令会自动拉取模型到本地并部署。支持mac/windows/linux等。

ollama run deepseek-r1:7b`  `ollama run qwen2.5-coder:1.5b

（鉴于很多朋友无法下载ollama，这里给大家整理好了ollama的安装包，扫描领取即可↓↓↓↓）

​

2. VS Code安装Continue插件

在扩展商店搜索"Continue"：

还有一些其他可替代的软件，比如Roo CODE、codeGPT等，大差不差。

3. 配置DeepSeek/Qwen模型

在VS Code设置中追加配置（注意provider字段需为ollama）：

 `"models": [       {         "model": "AUTODETECT",         "title": "Autodetect",         "provider": "ollama"       },       {         "title": "qwen2.5-coder:1.5b",         "model": "qwen2.5-coder:1.5b",         "provider": "ollama"       },       {         "title": "deepseek-r1:1.5b",         "model": "deepseek-r1:1.5b",         "provider": "ollama"       }     ],    "tabAutocompleteModel": {       "title": "qwen2.5-coder:1.5b",       "provider": "ollama",       "model": "qwen2.5-coder:1.5b"    }`

4. 功能实战

实测Apple M2 Pro 16G内存 + 512G SSD跑1.5b/7b基本没有问题，速度很快。闲时不占GPU，7b聊天时GPU占用达~90%。

智能补全

配置：

输入注释：

# 用pandas读取CSV，统计各城市销量TOP3   

按下TAB键，AI将自动生成完整代码段，支持逐行确认插入。

代码聊天

选中问题代码，右键选择"Continue Add Highlighted Code to Context"：

解读下grpo源码:

二、本地化部署其他玩法

除了集成到vscode，也可以通过多种方式使用。

1. python API调用

from ollama import chat      stream = chat(       model='deepseek-r1:1.5b',       messages=[{'role': 'user', 'content': '为什么天空是蓝色的？'}],       stream=True,   )      for chunk in stream:     print(chunk['message']['content'], end='', flush=True)         # 输出   <think>   嗯，为什么会天蓝色呢？这个问题我以前听说过，但具体原因好像不太清楚。我觉得可能和地球表面的变化有关吧？比如风、云彩或者阳光照射等等。      首先，太阳本身发出的是白光，颜色很丰富，既有红、黄、蓝也有其他颜色。如果阳光直接照到天空上，天可能会看起来像阳光一样鲜艳，但为什么是蓝色呢？是不是因为阳光反射的原因？      另外，云层的颜色也会影响天空的 appearance。比如有飘带会把颜色拉长成一条线，使得天空看起来更有层次感。这些变化会不会改变颜色呢？或许是因为光线的不同角度照射导致了不同的颜色。      还有一个可能是大气中的气体成分和热辐射的变化。比如说，蓝光和红光可能在不同时间到达地面，导致天空呈现出不同的色调。比如蓝光可能在阳光最高峰出现，而红光则在地面较早出现。      我还记得以前看到的天色变化，比如晴朗的天有黄色，多云的时候可能变成橙色或者红色，甚至蓝色？是不是这样呢？如果有这种现象，那颜色的变换与大气中的气体成分和热辐射有关，特别是蓝光的传播。      还有宇宙中的星体，尤其是恒星，它们 emit a lot of blue light。这些光线反射到天空上，导致天看起来是蓝色。这可能就是为什么天空通常是蓝色。      不过，我有点不确定是不是所有情况下都是这样。比如阳光强烈的时候，会不会让颜色变得很鲜艳？或者是因为太阳周围有云层遮挡，导致颜色变化？另外，地球的自转和公转也会影响光线到达的时间点，从而改变颜色。      还有，不同区域的温度和光照强度可能对天空的颜色产生影响。例如，在温暖的地区，阳光可能更强烈，而颜色更鲜艳；在冷的地方，颜色会变淡一些。      总结一下，我觉得天空是蓝色主要是因为阳光反射、大气中的热辐射以及云层的影响，这些因素共同作用导致天空呈现出蓝色。我还不太确定有没有其他因素影响这个现象，比如地面的温度或者光线的方向变化。   </think>      天空呈现蓝色的主要原因与以下几个方面有关：      1. **太阳光的颜色**：太阳发出的光包括红、黄、蓝等多种颜色。如果阳光直接照到天空上，天可能会显得鲜艳，但实际的天空呈现蓝色是因为阳光反射。      2. **大气中的热辐射**：太阳产生的热量在空气中扩散，形成了热辐射，这些能量以不同颜色形式传递到空气中，导致天空呈现出蓝色。      3. **云层的影响**：云层的颜色和分布会影响天空的 appearance。飘带将颜色拉长形成线条，使天空层次感更强。此外，蓝光可能在阳光最高峰出现，而红光则较早出现。      4. **地表温度变化**：不同区域的温度和光照强度影响光线到达的时间点，从而改变颜色。温暖地区可能有更鲜艳的颜色，冷的地方颜色较淡。      综上所述，天空呈现蓝色主要由太阳光、大气中的热辐射以及云层的影响共同作用引起，这些因素共同作用使得天空呈现出蓝色。   

2. 聊天机器人： 安装open WebUI或Chatbox可视化聊天

3. 构建个人知识库：安装anythingLLM

面向一些隐私场景，数据不方便上传到外网。通过向量数据库+RAG，构建个人知识库。支持本地和远程向量数据库、agent工具等。

功能挺多的，但是目前体验下来效果很差，不知道是否是打开方式不对。

以paper为例，上传个人知识库后，会自动embedding并存入向量数据库，即可开启聊天，查资料等。

结语

Ollama本地化部署的模型可用于：

• AI编程助手：集成VS code开发编程助手，作为cursor的平替；

• 聊天机器人：集成open WebUI/Chatbox实现可视化聊天；

• Python API：集成python API实现本地模型调用；

• anythingLLM：集成anythingLLM构建本地知识库，包括paper阅读、小说创作、法律文书等。

由于R1模型推理能力非常强，预计未来应用潜力巨大。

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。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，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🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

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）

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🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​