5 分钟在 Mac 上搭建自己的 deepseek r1智能体

最新推荐文章于 2025-04-01 10:38:40 发布

Llama-Turbo

最新推荐文章于 2025-04-01 10:38:40 发布

阅读量1k

点赞数 14

文章标签： macos 人工智能 llama 大模型 OLLAMA langchain LLM

本文链接：https://blog.csdn.net/pythonhy/article/details/145628342

版权

如今，deepseek 烈火烹油火爆天，有用没用的大家都想看看人工智能到底能干啥。上一次AI 这么出圈，还是 ChatGPT 刚发布的时候。

我相信绝大部分凑热闹的群众用不了多久就会发现，自己除了问一些有的没的脑筋急转弯，并不能拿 deepseek 解决什么实际问题。但这不妨碍热情，特别是海对岸还有人在泼冷水，祭出各种手段让 deepseek 访问受阻。

开源的 deepseek 其实自己在本地就可以部署，有能力的人还能添加联网功能，把官方因屡遭攻击而暂时关闭的能力再加回来。

deepseek 在 huggingface 上完整放出了自己 671b 的模型文件，如果你的资源足够，理论上有可能自建一套 deepseek r1。什么叫资源足够？英伟达的 CEO 黄仁勋对此想法的配置建议是买 8 张他家的 H200 显卡。

完整版的 deepseek r1 需要大量显存，即使使用量化技术压缩到极致的模型，也需要 50G 显存。所谓量化，相当于压缩。量化程度越高，模型生成的结果精度越差。huggingface 上下载的模型，1.5bit，2bit，4bit，6bit，8bit 就是这个意思。bit 前面的数字越小，模型文件越小，精度越差。

这几天国内另一家公司，硅基流动，用华为的显卡部署了完整版 deepseek r1。我用了一下，它家显然接不住泼天的流量，推理速度实在太慢。原本 deepseek r1 的推理过程就会过度纠结在细节上，8-10token/s 的回答生成速度，相当于你用老式按键打字机敲字，太慢了。

其实尝试一下带思维链的 deepseek r1 不用那么复杂，也无需硬上满血版。deepseek r1 是用 deepseek v3 蒸馏出来的模型。deepseek 也用同样的技术蒸馏了好几个小模型，适合本地部署。

蒸馏技术可以理解为老师带学生。r1 是大师哥，其他尺寸小的模型算师弟们。综合能力，师弟不如师哥，但师弟们吃得也少，贫苦人家也能养得起。

deepseek 官方推荐的两个模型，分别是蒸馏阿里通义千问的 14b 和 32b。阿里通义千问模型本身的能力就不错，蒸馏后多了思维链，能力更强。

在 Mac 上，根据内存大小不同，很容易部署上面两个模型。最简单的方法是下载 lm studio，Mac，Windows，Linux 三平台都有客户端。

lm studio 不仅提供客户端，而且有自己量化的模型可供直接下载。我的 Macmini M4Pro 内存 24G，加载 14B的量化版本比较合适。32B 的 4bit 量化版大约 16G 左右，也能加载，但推理速度太慢，小于 10token/s。

我比较了 lm studio 自家的 14b，4bit 模型和下载数更多的第三方量化模型bartowski/DeepSeek-R1-Distill-Qwen-14B-GGUF的 6bit 版本，精度可以接受，速度快很多。

下载很简单，直接在 lm studio 上搜索 deepseek 即可。

lm studio 提供聊天窗口，全图形化操作，加载模型之后，可以直接开启对话。另一个命令行工具 ollama 速度虽然更快，但上手要复杂。

运行效果还是不错的，不联网也能做数学题，编写脚本和 python 程序。

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🆓↓↓↓

👉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。

在这里插入图片描述

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)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

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

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

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