Deepseek R1 模型本地部署(ollama+cherry studio)详细指南！ 个人知识库搭建与使用

已于 2025-03-24 14:19:48 修改
阅读量6k 收藏 45
点赞数 40
分类专栏： ai 文章标签： ai deepseek ollama 大模型 LLM
于 2025-02-14 16:58:08 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/monokai/article/details/145632138
版权

前言

在这里插入图片描述]

主要用到的工具

主要步骤

  1. 使用Ollama安装DeepSeek-R1模型
  2. 使用Cherry Studio客户端进行模型配置

1. Ollama安装

Ollama 教程 Ollama 是一个开源的本地大语言模型运行框架，专为在本地机器上便捷部署和运行大型语言模型（LLM）而设计。 Ollama 支持多种操作系统，包括 macOS、Windows、Linux 以及通过 Docker 容器运行。

下载ollama

链接: https://ollama.com/download/

在这里插入图片描述

默认为当前电脑的对应的版本，直接下载即可。下载以后，一路点点点即可。
在这里插入图片描述

验证

打开命令行， 输入ollama

在这里插入图片描述

表示安装成功

环境变量设置

在这里插入图片描述

环境变量说明

  • OLLAMA_HOST：这个变量定义了Ollama监听的网络接
最低0.47元/天 解锁文章
DeepSeek本地部署+cherry studio本地知识库搭建
热土程序园，利他愉己~
02-11 2506
1.下载并安装：ollama https://ollama.com/download 安装是否成功确认 管理员权限运行PowerShell： ollama -h 2.下载安装deepseek 管理员方式运行PowerShell，运行命令： ollama run deepseek-r1:7b 其他版本可选：https://ollama.com/library/deepseek-r1 3.命令行界面再次打开运行 管理员方式运行PowerShell 运行： ollama run deepsee
使用CherryStudio、Ollama、腾讯云搭建本地个人知识库、智能体
chunmiao3032的专栏
02-13 2620
需要部署大模型和嵌入模型（太要求电脑配置了，配置差的最好不要尝试，我i5,16G内存，固态硬盘，集成显卡，deepseek根本跑不起来，llama3勉强能跑起来，但是超级慢，嵌入模型nomic-embed-text:latest跑起来后，向量化个几k的文本文件用了几分钟）安装ollama启动ollama启动后，Ollama会在默认端口11434上运行。你可以通过浏览器访问拉取llama3模型运行模型查看模型再拉取嵌入模型然后运行查看拉取的模型。
Ollama全方位教程：从本地LLM管理到多语言客户端API应用！
最新发布
2401_84494441的博客
04-13 1240
在前面有关大模型应用的文章中，多次使用了等），但对这个非常方便管理本地大模型的软件的介绍却很少。目前，清华和智谱 AI 联合发布开源的大模型也能支持进行本地部署了（[本地部署 GLM-4-9B 清华智谱开源大模型方法和对话效果体验]），支持的大模型越多越普及，对于的应用也就越多。为了降低大家查阅资料等学习时间，今天尝试着对 Ollama 进行一次详细完整介绍。
大模型 [Ollama/DeepSeek/Cherry Studio]三步骤搭建本地化训练模型
sunyong8860的博客
02-12 4221
DeepSeek大模型本地化部署方案：Ollama DeepSeek Cherry Studio。图形化操作来训练本地化模型。
Ollama+CherryStudio本地部署拯救deepseek官方不可用
轻口味的专栏
02-08 8459
这里检查失败了，因为本地安装模型是1.5b，这里输入模型的时候有写全：deepseek-r1:1.5b，这时候点击确定后显示连接成功。好在deepseek将模型开源，并且有已经量化到可以在我们本地电脑部署，本文我们介绍从PC端到手机端一站式部署deepseek。首先需要安装ollama，从官网https://ollama.com/下载对应系统的安装包安装即可。接下来下载cherry studio，官网下载地址：https://cherry-ai.com/。接下来可以在手机使用本地离线模型聊天了。
学习Cherry Studio AI服务平台，主要是各种功能的实践（deepseek 1.5b和7b的模型+ChatGLM3模型）
skywalk8163的专栏
02-08 4404
Cherry Studio 是一个支持多模型服务的桌面客户端，为专业用户而打造，内置 30 多个行业的智能助手，帮助用户在多种场景下提升工作效率。CherryStudio内置众多服务商同时也支持其他兼容OpenAI/Anthropic等API格式的服务商接入。Cherry Studio支持多种场景应用，不过还是有一些限制，比如画图只能调用硅基流动的服务。特色功能：多模型对话，可以选中多个模型，对同一个问题就行回答。
本地化部署：Ollama+Deepseek+CherryStudio
FallenQu的博客
02-19 3376
介绍Ollama+Deepseek+CherryStudio的私有化部署，同时解决部署过程中遇到的关于访问调用问题等
Win+安装Ollama+本地Deepseek-R1+Cherrystudio使用
qq_41946216的博客
02-07 5772
本文主要介绍 win 本地安装 Ollama ，本地部署 Ollama 的 deepseek-r1:7b 大模型，使用具有界面画操作的工具 Cherrystudio进行操作。文章内容仅供参考。‌ ‌Ollama 是一个开源的框架，旨在本地运行大型语言模型（LLM）。它提供了一个简洁且用户友好的命令行界面，使得用户可以轻松部署和管理各种开源的大型语言模型‌。
DeepSeek+Ollama+Cherry Studio 实现本地部署搭建知识库
weixin_43705315的博客
03-10 987
本文介绍了如何通过DeepSeek+Ollama+Cherry Studio 实现本地部署搭建知识库。
实现本地化部署deepseek模型 + Cherry Studio + 导入知识库
weixin_42839973的博客
02-08 3587
导入你的知识库文件或者 网站，目录。至此就完成本地化部署了。
DEEP SEEK 本地部署（Ollama + ChatBox）+ 私有知识库（cherry studio）教程
02-06
并逐步讲解了从安装 Ollama 到运行特定大小版本 DeepSeek 模型（如 1.5b 至 70b），再到设置 API 键连接云端服务以及最后利用 Cherry Studio 构建个人专属的知识库的一系列操作指南。同时附上了多个辅助资源如视频...
Ollama + CherryStudio：构建本地私有知识库
CITY_OF_MO_GY的博客
03-17 1240
前面我们介绍了，并通过Open-WebUI进行调用，相信大家对Ollama也有了一定的了解；这篇博文就结合Ollama工具和CherryStudio工具构建一个本地知识库（RAG）；在进行接下来的操作之前，需要本地已经安装并配置好Ollama工具，还没有安装的小伙伴可以根据完成本地安装；
告别网络繁忙！手把手教你用Ollama和Cherry Studio本地运行DeepSeek，解锁流畅AI对话
u012151345的博客
03-01 956
【代码】告别网络繁忙！手把手教你用Ollama和Cherry Studio本地运行DeepSeek，解锁流畅AI对话。
零基础小白必看！手把手教你用 Ollama + DeepSeek + Cherry Studio 打造本地智能体
python1234_的博客
03-21 1262
可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。1.再次打开Ollama官网，地址：https://ollama.com/，点击MODELS，选择需要的大模型，这里我们选择deepseek，下拉选中7B，再次点击右边复制图例。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。的爆火，远不止于此。(可以根据自己系统进行选择)
Ollama + Cherry Studio部署(I卡 - A770 16GB) - Windows10
yciyuan
02-11 1195
登录后点击头像 - > Settings - >Local Apps and Hardware -> Local Apps:勾选Ollama。不需要登录,但不能确定能不能下(有些模型不支持但你不知道.方法一不能使用的Use this model里就不会显示ollama)先conda activate llm-cpp 再ollama run deepseek-r1下载安装。注:可能需要梯子，可以使用国内的hf-mirror.com。搜索需要安装的模型,比如安装DeepSeek-r1模型。
本地电脑大模型系列之 13 Cherry AI：ollama 的桌面应用程序
iCloudEnd的博客
07-19 1986
🍒 Cherry Studio 是一款支持多种人工智能大型语言模型的桌面客户端，支持快速模型切换，并针对问题提供不同的模型响应。它兼容 Windows 和 Mac 平台💻，开源且免费，可帮助您提高工作和学习效率。
deepseek本地部署实例ollama+cherry studio
blegn的专栏
02-10 456
随着人工智能技术的快速发展，AI模型的本地部署和运行已成为许多开发者和技术研究者关注的重点。本文将详细介绍DeepSeek的本地部署过程，并结合Ollama模型安装和Cherry Studio界面配置，帮助读者顺利搭建一个高效的AI运行环境。通过以上步骤，您可以轻松完成DeepSeek模型的本地部署，并结合Ollama和Cherry Studio工具，构建高效的AI运行环境。通过遵循本文详细的方法和步骤，您将能够顺利设置并运行一个高效的DeepSeek本地服务，从而提升您AI应用的性能水平。
本地部署 ollama + DeepSeek + cherry studio工具
学亮编程手记
02-12 1067
在控制台进行会话不太方便，我们需要可视化的对话工具。目前有两个比较流行，一个是chatbox，一个是cherry studio，这里选用cherry studio。根据官网的建议，如果是代码生成，建议Temperature调整为0。点击图中的管理按钮，选择下载好的deepseek-r1:1.5b模型。我们在官网上面下载安装cherry studio，进行如下简单的配置即可。我们可以在其官方网站上面，下载安装对应操作系统的版本工具，进行安装。这是15亿参数的模型，相对较小，模型文件大小大概为1G。
AI工具推荐——Cherry Studio
热门推荐
dotNET跨平台
12-02 1万+
Cherry Studio介绍Cherry Studio是一款支持多模型服务的 Windows/macOS GPT 客户端。它的主要特点如下：多样化的大型语言模型提供商支持☁️ 主要的大型语言模型云服务：OpenAI、Gemini、Anthropic等 ???? AI网络服务集成：Claude、Peplexity、Poe等 ???? 本地模型支持，通过OllamaAI助手与对话???? 300+ 预配置的AI助手 ...
cherry studio ollama
03-20
### Cherry Studio 和 Ollama 的集成与使用 #### 关于 Cherry Studio Cherry Studio 是一种基于人工智能的内容创作工具，旨在帮助用户快速生成高质量的文章、博客或其他形式的文字内容。它利用先进的自然语言处理技术来理解用户的输入并提供相应的输出[^1]。 #### 关于 Ollama Ollama 是一款开源的大规模语言模型框架，允许开发者轻松部署和管理多个大语言模型实例。它的设计目标是简化大型模型的应用开发流程，并支持跨平台运行环境下的高效推理能力。 #### 集成可能性分析 当考虑将 Cherry Studio 与 Ollama 进行集成时，主要可以从以下几个方面入手： 1. **API 调用方式** 如果 Cherry Studio 提供了开放式的 API 接口，则可以通过调用这些接口实现数据交换功能。例如，在后台服务端通过 RESTful 或 GraphQL 协议向 Ollama 发送请求以获取预测结果，并将其返回给前端展示层。 2. **本地 SDK 使用** 假设 Ollama 支持导出可嵌入应用程序中的库文件（如动态链接库 DLL），那么可以直接加载该模块到 Cherry Studio 中作为插件的一部分进行操作。 3. **命令行交互模式** 对于某些特定场景下无法直接依赖网络连接的情况，可以采用子进程执行的方式启动独立运行的 Ollama 实例并通过标准 IO 流完成通信过程。 以下是简单的 Python 示例代码片段用于演示如何通过 subprocess 模块控制外部程序: ```python import subprocess def run_ollama_command(input_text): process = subprocess.Popen(['path/to/ollama', '--input'], stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE) output, error = process.communicate(input_text.encode('utf-8')) if process.returncode != 0: raise Exception(f"Error occurred while running ollama command: {error.decode()}") return output.decode() ``` 上述函数定义了一个名为 `run_ollama_command` 的方法，接受字符串类型的参数表示待处理文本内容；内部创建一个新的 Popen 对象代表即将被执行的目标程序路径及其必要选项列表；随后借助 communicate 方法传递实际的数据流至对应的标准输入设备上等待回应消息直至结束为止。 需要注意的是由于两者之间可能存在版本兼容性差异或者授权许可限制等问题所以在正式实施前务必仔细阅读官方文档说明以及确认相关条款细则[^2]。 ---
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值