本地部署DeepSeek全攻略：Ollama+Chatbox保姆级教程

已于 2025-05-07 00:00:07 修改
阅读量815 收藏 26
点赞数 7
分类专栏： 保姆级教程 文章标签： ai
于 2025-02-27 23:58:21 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/qianshang52013/article/details/145916489
版权

目录

缘起

为什么需要本地部署？

硬件要求建议：

下载Ollama

安装准备

选择对应的平台下载

下载完成点击安装 install

安装完成后验证

win + r打开运行窗口

输入cmd打开命令行窗口

输入ollama，看到有这些输出就代表安装ollama成功啦

下载模型deepseek

DeepSeek

选择对应的模型【对应电脑的运行内存】

查看电脑运行内存

在屏幕最下方任务栏处点击右键，打开任务管理器

选择性能【当前内存为27.7G】

对应步骤2，选择模型，我这里以14b演示，点击复制

在命令行中输入

等待下载完成

成功啦！

体验一下吧【CPU内存拉满哈哈哈】

下载chatbox

官网

安装

打开chatbox

左下角设置，选择ollama

选择模型

试试吧【卡爆了兄弟们】

开始使用吧

疯言峰语💌

做了一些人生的规划

还有一点感悟想分享一下🍕

缘起

最近DeepSeek可是火出了圈，推理像是解剖了我一样😜

为什么需要本地部署？

  • 官网服务高峰期响应延迟（实测>15秒/响应）

  • 隐私保护需求（医疗/财务等敏感对话场景）

  • 定制化开发需求（结合本地知识库微调）

硬件要求建议：

模型版本最低内存推荐配置推理速度（CPU）
7B8GBi5+16GB5-7 tokens/s
14B16GBi7+32GB2-3 tokens/s
34B64GB工作站+GPU需CUDA加速

💡 实测数据：i7-12700H+32GB DDR5运行14B模型，单轮对话响应时间约45秒

那我们搭建到本地吧💮

flechazohttps://www.zhihu.com/people/jiu_sheng废话不多说✌️，直接开始吧

下载Ollama

安装准备

官网下载

选择对应的平台下载

下载完成点击安装 install

安装完成后验证

win + r打开运行窗口

输入cmd打开命令行窗口

输入ollama，看到有这些输出就代表安装ollama成功啦

下载模型deepseek

DeepSeek

下载链接

选择对应的模型【对应电脑的运行内存】

查看电脑运行内存

在屏幕最下方任务栏处点击右键，打开任务管理器

选择性能【当前内存为27.7G】

对应步骤2，选择模型，我这里以14b演示，点击复制

在命令行中输入

ollama run deepseek-r1:14

等待下载完成

成功啦！

体验一下吧【CPU内存拉满哈哈哈】

下载chatbox

官网

下载链接

安装

打开chatbox

左下角设置，选择ollama

选择模型

试试吧【卡爆了兄弟们】

开始使用吧

开森😎

疯言峰语💌

最近自己也做了一些调整

做了一些人生的规划

当然啦！终极理想是躺平啦哈哈哈哈🤩

第一阶段：食物自主

第二阶段：能源自由

第三阶段：空中机动

第四阶段：机甲附体

第五阶段：本地AI中枢

不知道自己能不能坚持下去呢

加油！

小柴✨

还有一点感悟想分享一下🍕

人们总是对未知的事情充满期待，对确定的事情嗤之以鼻。

股市：追涨杀跌

爱情：追求新鲜

金钱：一夜暴富

能力：眼高手低

工作：天天画饼

哈哈哈哈🤯

意思是说人们总是想不劳而获总是看到那些暴富的少数人🍔

这里我举个例子：当前财富：1 | 持之以恒 24 * + | 一夜暴富 13 * + / 7 * -

第几年持之以恒（2%/年）一夜暴富(+-10%/年)
111
21.021.1(+)
31.0401.21(+)
41.0611.089(-)
51.0820.980(-)
61.1041.078(+)
71.1261.185(+)
81.1481.304(+)
91.1711.174(-)
101.1951.056(-)
111.2181.152(+)
121.2431.278(+)
131.2681.406(+)
141.2931.265(-)
151.3191.139(-)
161.3451.253(+)
171.3721.378(+)
181.4001.516(+)
191.4281.667(+)
201.4561.834(+)
211.4851.652(-)
221.5151.486(-)
231.5451.337(-)
241.5761.203(-)

所以有必要投机取巧吗？当然不排除投机取巧致富的也大有人在。

那为什么我们不能分仓呢？8成稳定2成投机

坚持🍳

持之以恒

稳定！多好！

睡了

晚安

🛏️

简易教程|使用Ollama在本地部署大语言模型（Ollama+Deepseek_R1+OpenWebUI）
m0_61171702的博客
01-26 4万+
用简洁的方式部署AI大模型，从安装ollama到拉取AI大模型文件，到使用OpenWebUI的使用，没有多余描述。
轻松部署 DeepSeek R1：基于 Ollama、Chatbox 平台的操作指南
热门推荐
暖风
01-25 2万+
打开浏览器，访问Ollama官网，点击“Download”进入下载页面。该平台支持Windows、macOS和Linux系统，苹果平台无论是Intel内核还是M1系列均能适配。：在Windows系统下，获取对应的exe应用程序后，双击启动安装程序。安装过程中，全程选择默认设置，点击“Install”后一路确认到底。安装完成后，程序会自动启动，此时在电脑右下角的托盘区域，你将看到Ollama的应用图标。ollama -v。
DeepSeek本地部署：Ollama+ChatBox保姆级操作指南
IT成长日记的博客
02-24 2074
Ollama是一款开源工具，支持用户在本地快速部署和运行大型语言模型（如Llama 2、Mistral、Gemma 等）。lama 2、Mistral、emma 等）##启动后台服务，启用API访问（默认端口11434）##停止运行的模型ollama show <模型名>##显示模型信息ollama run <模型名>##运行指定模型（如ollama run llama2），进入交互对话模式##列出本地已下载的模型ollama pull <模型名>
小白都能看懂，deepseek本地部署教程（附教程）
pythonhy的博客
02-14 1万+
今天给大家分享deepseek的本地部署教程，有需要的朋友可以留言交，可以提供本地部署及服务器资源监控。　
保姆系列：DeepSeek+Chatbox的本地快速部署
Chixuxunwu的博客
02-03 1万+
本教程仅适用于N卡Win系统，其他配置请再在zai站内搜索其他教程。
【干货教程】Windows电脑本地部署运行DeepSeek R1大模型（基于Ollama和Chatbox）
02-02 1万+
Windows电脑本地部署运行DeepSeek R1大模型（基于Ollama和Chatbox）
DeepSeek R1本地化部署 Ollama + Chatbox 打造最强 AI 工具
You build it, you run it
02-02 1万+
详细讲解了DeepSeek R1本地化部署 + chatbox 使用教学
本地电脑使用ollama部署大模型并安装Chatbox
Y525698136的博客
06-26 2074
某些场景下可能希望构建一个完全本地离线可用的大模型，方法很多，模型也很多，比如 qwen、qwen2、llama3等，最简单快捷的首推使用 ollama 部署，模型选用 qwen 或 qwen2，针对中文任务效果更好。
ollama本地部署DeepSeek教程
最新发布
qq_36791745的博客
04-15 959
本文主要介绍如何使用ollama本地部署deepseek大模型，以及使用WebUI工具界面进行交互
DeepSeek本地部署：Ollama+ChatBox安装部署包
02-25
DeepSeek本地部署：Ollama+ChatBox安装部署包： Ollama是一款开源工具，支持用户在本地快速部署和运行大型语言模型（如Llama 2、Mistral、Gemma 等）。lama 2、Mistral、emma 等）。 Chatbox是一款AI客户端应用和...
DEEP SEEK 本地部署（Ollama + ChatBox）+ 私有知识库（cherry studio）教程
02-06
Ollama 是一种能够便捷部署深度学习模型（尤其是大型语言模型）的工具，它支持多种操作系统并在命令行中执行相应操作以完成从下载、配置直至实际使用的全过程。文中针对不同硬件条件给出了具体配置推荐，并逐步讲解...
ollama+chatbox本地部署手机deepseek软件
02-09
ollama+chatbox本地部署手机deepseek软件是一个前沿的技术实践，它允许用户在不依赖云端服务器的情况下，将深度学习模型直接部署到手机上，从而实现快速、便捷的智能交互体验。 基础版的ollama+chatbox本地部署手机...
别只会用别人的模型了，自学Ai大模型，顺序千万不要搞反了！刚入门的小白必备！
2301_81888214的博客
02-13 745
别只会用别人的模型了，自学Ai大模型，顺序千万不要搞反了！刚入门的小白必备！
Deepseek本地部署详细指南！从 Ollama 到个人知识库应用
2401_85375186的博客
02-10 2388
通过学习大模型课程，可以掌握设计和实现基于大模型的应用系统所需的基本原理和技术，从而提升自己在数据处理、分析和决策制定方面的能力。在配置 url 时，因为是 docker 服务，http://localhost:11434 存在无法访问的情况，可以尝试http://host.docker.internal:11434。访问https://ollama.com/library/deepseek-r1，默认为 7b 模型，如需其他模型，可以在当前页搜索所需模型。：智能制造和自动化工厂提高了生产效率和质量。
手把手带你搞懂Deepseek-V3 低成本知识库，收藏这一篇就够了！！
2401_85325397的博客
01-20 1万+
1 可以通过 api 添加各种模型 2 上传文档就能本地新建知识库 3 各种 AI 工具直接打开 4 知识库配合 deepseek 3 ，加上 COT 提示词 效果不错 5 还能画图 6 有简单 Artifacts 功能，直接渲染代码 7 可以多个模型一起回答问题，就是样式是直接铺下来的。
用ollama本地部署deepseek最详细图文教程
m0_69718028的博客
03-08 993
用ollama本地部署deepseek
Deepseek本地部署详细指南！从 Ollama 到个人知识库应用（附教程）
huang9604的博客
03-11 1232
Deepseek本地部署详细指南！从 Ollama 到个人知识库应用（附教程）
chatbox ollama deepseek
02-16
### 使用Ollama和DeepSeek框架实现聊天框 #### 聊天框架构设计 为了构建基于 Ollama 和 DeepSeek 的聊天应用，需考虑客户端和服务端的设计。服务端负责处理自然语言理解 (NLU)，意图识别以及响应生成；而客户端则专注于用户界面展示与交互逻辑。 #### 依赖库安装 首先，在项目环境中安装必要的 Python 库来支持这两个框架的功能： ```bash pip install ollama deepseek flask ``` #### 初始化模型实例化 创建应用程序入口文件 `app.py` 并初始化所需的语言模型对象: ```python from flask import Flask, request, jsonify import ollama as olm import deepseek as dsk # 加载预训练好的对话管理器 conversation_manager = olm.ConversationManager() intent_classifier = dsk.IntentClassifier() app = Flask(__name__) ``` #### API接口定义 定义 RESTful 风格的 HTTP 接口用于接收前端发送的消息并返回相应的回复内容: ```python @app.route('/chat', methods=['POST']) def chat(): user_message = request.json.get('message') # 对输入消息做初步清理 cleaned_msg = preprocess(user_message) # 利用 DeepSeek 进行情感分析及意图分类 sentiment_score = dsk.analyze_sentiment(cleaned_msg)[^1] intent_result = intent_classifier.predict([cleaned_msg])[0] # 更新会话历史记录并向用户提供反馈 response_text = conversation_manager.reply( message=cleaned_msg, context=intent_result['context'], emotion=sentiment_score ) return jsonify({"response": response_text}) ``` #### 前端HTML页面集成 最后一步是在 HTML 文件中嵌入 WebSocket 或轮询机制以便实时更新聊天窗口内的信息流: ```html <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>Chatbot</title> <script src="https://code.jquery.com/jquery-3.6.0.min.js"></script> <style type="text/css"> /* 添加一些简单的样式 */ </style> </head> <body> <div id="messages"></div> <input type="text" id="input"/> <button onclick="sendMessage()">Send</button> <script> function sendMessage() { var msg = $('#input').val(); $.post("/chat", JSON.stringify({ "message": msg }), function(data){ $("#messages").append("<p>" + data.response + "</p>"); }); } </script> </body> </html> ``` 通过上述代码片段展示了如何利用 Ollama 和 DeepSeek 实现一个基本功能完备的在线客服系统原型。
评论
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

打赏作者

FlechazoCLF

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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