5分钟搞定 | Mac安装Ollama本地部署Deepseek

最新推荐文章于 2025-08-29 10:54:10 发布

原创最新推荐文章于 2025-08-29 10:54:10 发布 · 872 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#macos

一. Ollama安装步骤

1‌.1 下载安装包‌

访问Ollama官网(https://ollama.com/download/mac)，选择「Download for macOS」获取最新版本安装包‌

1.2 安装验证‌

双击安装包完成安装后，顶部菜单栏出现「🦙」图标表示运行成功‌
打开终端输入：ollama --version

显示版本号（如0.5.13）即安装成功‌

二. DeepSeek模型部署

2.1 模型选择

模型参数	适用场景	硬件要求
1.5B	日常对话/简单任务	16GB内存
7B	代码生成/中等推理	M1 Pro+32GB内存
14B	复杂任务处理	M2 Max+64GB内存

‌2.2 下载模型‌

我这里下载的是7B的模型，你们可以根据上面的硬件要求去下载对应的模型

# 终端执行对应命令ollama run deepseek-r1:1.5b  # 轻量版ollama run deepseek-r1:7b    # 标准版ollama run deepseek-r1:14b   # 高性能版

下载进度显示`success`即完成‌

2.3 验证安装

ollama list  # 查看已安装模型列表

三. 模型交互方式

3.1 终端对话模式

ollama run deepseek-r1:[参数版本]

输入`/bye`退出对话‌

3.1 ‌可视化工具

可以使用Cherry Studio、Chatbox AI‌这样的可视化工具配置后进行对话。

建议首次使用选择1.5B版本进行测试‌。如需更高性能，可尝试其他版本

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

笃学科技

关注关注

2
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

Ollama本地部署大模型（Mac M1 ）

ddu-to-end的博客

12-31

7784

通过Ollama部署本地大模型

在Mac M1笔记本上跑大语言模型llama3的4个步骤？（install、pull、run、ask）

技术札记

04-23

1万+

实操下来，因为ollma非常简单，只需要3个步骤就能使用模型，更多模型只需要一个pull就搞定。一台稍微不错的笔记本+网络，就能把各种大模型都用起来，快速上手吧。

参与评论您还未登录，请先登录后发表或查看评论

大模型本地部署教程丨手把手带你在Mac本地部署运行AI大模型（附教程）

DEVELOPERAA的博客

08-29

1006

本文将详细介绍如何使用Ollama，一个开源项目，在Mac上本地运行大型模型（Win同理）。通过遵循以下步骤，即使是配备了几年前硬件的电脑，也能够顺利完成部署和运行。

大模型本地部署：手把手带你在Mac本地部署运行AI大模型（附教程）

最新发布

huang9604的博客

08-29

942

如何试用 Ollama 运行本地模型 Mac M2

hawk2014bj的博客

04-10

4942

我的机器配置是M2 Pro/ 32G，运行 7b 模型毫无压力，而且推理时是用 GPU 进行运算的，可能就是 Ollama 底层是用 llama C++ 实现的，底层做了性能优化，对 Mac特别友好。首先把客户端代码 clone 到本地，这里我用的是 https://librechat.ai/ ，选择挺多的，Ollama github 仓库首页有个列表可以选择。根目录下有个配置文件 .env.example，复制一个新的 .env，如果是本地运行，不对外服务，默认配置就可以。“prompt”: “你好”,

Mac环境下ollama部署和体验

Y525698136的博客

12-20

7320

ollama和LLM（大型语言模型）的关系，类似于docker和镜像，可以在ollama服务中管理和运行各种LLM，下面是ollama命令的参数，与docker管理镜像很类似，可以下载、删除、运行各种LLM

AI菜鸟向前飞 — LLM简介

2401_82469710的博客

05-11

1946

AI菜鸟向前飞 — LLM简介

mac下安装Ollama + Open WebUI + Llama3.1

ATpiu的博客

11-27

6564

本文介绍mac下安装Ollama + Open WebUI + Llama3.1 8b具体步骤

DeepSeek+Ollama 本地部署【满血版】

共同进步

02-20

1105

一篇文章带你搞定 DeepSeek 本地部署+Ollama，小白也能学会并了解DeepSeek揭开AI智能大面纱首先我们为什么要本地化部署？这就是目前DeepSeek现状总是服务器繁忙。为了解决这个现状我们来学着一起部署到本地！首先我们了解一下什么是 DeepSeek 中的V3/R1。

3分钟搞定！本地部署DeepSeek-R1最强指南（Ollama私房菜秘籍）

携梦问道的博客

02-11

277

症状解决方案紧急修复命令下载卡在89%切换下载源+断点续传OLLAMA_HOST=镜像源 ollama pull --resume deepseek-r1显存不足启用量化版模型中文输出异常强制指定语言模式prompt结尾添加【请使用简体中文回答】

MAC本地化部署DeepSeek模型实战：解决网页提示服务器繁忙的问题

webor2006的博客

02-08

1069

最近DeepSeek爆火就不过多介绍了，主打国产且完全免费，公司年后也在让我们得拥抱它，没办法，潮流来了你不用就会OUT，所以弄个专栏来研究一下它，通常我们就会使用官方推出的网页聊天来进行体验：但是，实际用时，可能是流量太大了，经常会出现这个提示：因为走了云端的查询，所以不稳定，解决之道很简单，直接在电脑上进行本地化部署【言外之意就是查询就直接走本地电脑了，而不是走DeepSeek的云端服务器】，所以下面咱们来搞定它。一、准备工作。

Ollama安装包Mac版

02-19

Ollama 是一个开源工具，专注于在本地计算机上快速部署和运行大型语言模型（LLM），尤其适合没有高性能GPU的普通用户。它通过简化的安装流程、模型管理和资源优化，让用户能够轻松在本地体验和调试各类LLM（如LLaMA、DeepSeek、Mistral等）

DeepSeek-R1最佳本地部署+知识库+联网搜索（2个安装包1条命令搞定）.pdf

02-10

为了实现DeepSeek-R1的本地部署，用户需要遵循一系列简单步骤，首先需要下载并安装两个关键组件：Ollama官方版和AnythingLLM。具体步骤包括访问提供的下载链接，下载相应的软件安装包。完成下载后，下一步是选择合适...

5 分钟用满血 DeepSeek R1 搭建个人 AI 知识库（含本地部署）

热门推荐

Jay的个人博客

02-04

6万+

备注：评论区回复“DeepSeek”，免费领取万字DeepSeek指南。看到这里，相信你已经找到最适合自己的 DeepSeek 个人知识库方案了。如果你和大多数人一样，选择使用官方 API ，那就不用再为性能和本地硬件资源发愁；如果你恰好有充足的算力和技术储备，本地部署也是个不错的选择。不过，在整个过程中，我想和你分享的不仅仅是这些技术细节。而是一个中国团队能做出世界级大模型，一个需要 +86 才能注册的大模型。很庆幸，我们能作为中国 AI 技术进步的见证人。当然，暂时的领先不是终点。

mac本地搭建ollama

qq_40279232的博客

05-09

7413

简介：ollama-webUI是一个功能强大的开源项目，简化了安装部署过程，并能直接管理各种大型语言模型（LLM）。本文将介绍如何在你的macOS上安装Ollama服务并配合webUI调用api来完成聊天。

Mac 安装Ollama和llama3，本地部署LobeChat和刘皇叔聊三国

Czi.的博客

04-20

5242

按下 Ctrl + D 可以退出终端交互，但此时模型并不会退出，仍旧可以正常通过 Api 接口交互。可以看到LobeChat运行在本地3210端口，浏览器打开。默认的LobeChat没有Czi模型，我们需要添加一下～运行之后，项目默认监听 11434 端口，终端查看。配置好了，可以跟刘皇叔在LobeChat中聊天啦！接下里是本地部署LobeChat，实现网页的交互。简单api交互例子，新打开一个终端，输入。创建刘备的个人聊天助手，新的模型我命名为。运行成功，可以在终端聊天了.如果是70B模型，可以参考。

Mac下Ollama安装与设置：开启本地大模型之旅

qq_36801966的博客

03-31

3764

Mac下Ollama安装与设置，开启本地大模型之旅

3分钟学会DeepSeek 本地部署教程，效果媲美GPT-4

wind1_rain的博客

02-08

316

你还在忍受？DeepSeek 服务繁忙，服务崩溃的。

为什么用ollama成功安装deepseek退出之后又要重新安装

02-27

### Ollama 安装 Deepseek 退出后再进入需要重新安装的原因当使用 `ollama` 安装并运行 Deepseek 大语言模型之后，如果关闭终端会话或重启计算机，则可能需要再次执行启动命令来恢复之前的环境。这是因为每次调用 `ollama run deepseek-r1:<version>` 命令实际上是在创建一个新的容器实例用于承载该模型[^1]。对于为何会出现看似“重新安装”的情况，主要因素在于： - **临时资源分配**：默认情况下，`ollama` 可能是以一种较为轻量的方式管理着 Deepseek 的生命周期，在不活跃一段时间后自动释放掉之前占用的计算资源和网络端口等。因此，下一次访问时就需要通过相同的命令去请求新的实例化过程。 - **持久存储机制不足**：虽然 Deepseek 模型文件本身会被保存下来而不需要重复下载，但如果涉及到依赖项更新或是配置变动的话，依旧可能会触发某些初始化动作以确保最新状态被加载进来[^3]。为了减少这种不便之处，可以考虑采取如下措施之一作为解决方案： #### 方法一：保持长时间连接尽量维持与服务器之间的稳定链接不断开，比如利用 screen 或 tmux 工具创建持续存在的 shell session 来防止因意外断网等原因造成的服务中断现象发生。 #### 方法二：优化镜像缓存策略调整 Docker 配置参数使得已构建好的镜像能够更高效地重用而不是每次都经历完整的拉取流程。具体做法可参照官方文档说明进行设置。 ```bash docker system prune -a --volumes ``` 此命令可以帮助清理不必要的数据从而提高后续启动效率[^4]。 #### 方法三：自定义脚本简化操作编写简单的 Shell 脚本来封装常用的几个指令序列，这样即使真的遇到了所谓的“重新安装”，也能一键搞定而不必手动敲入冗长复杂的语句组合。 ```shell #!/bin/bash # Start Deepseek model with one command ollama run deepseek-r1:7b & echo "Model started successfully." read -p "Press any key to stop the service..." kill %1 echo "/bye" ``` 上述脚本实现了自动化处理启动以及优雅停止的过程，极大地方便了日常使用体验。