Windows本地部署DeepSeek保姆级教程，小白也能轻松实现!

最新推荐文章于 2025-10-11 07:30:00 发布
原创 最新推荐文章于 2025-10-11 07:30:00 发布 · 1.5k 阅读 · 6 ·
CC 4.0 BY-SA版权
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。
文章标签：

#DeepSeek #DeepSeek R1 #Windows #本地部署大模型 #AI大模型 #LLM #大语言模型

img

一、下载Ollama模型

首先，我们需要下载一个叫做 Ollama 的模型，它是DeepSeek运行的基础。你可以通过以下两种方式下载：

  1. 官网下载：访问 Ollama官网 下载（如果你无法访问，可能需要科学上网）。

  2. 云盘下载：如果官网访问不便，别担心，你可以通过这个云盘链接下载安装包：

    点击下载提取码：8888

图片

二、安装Ollama模型

下载好后，你会得到一个安装包，接下来就是安装啦！

  1. 双击打开安装包，然后点击“Install”进行安装。

    imgimg

  2. 默认情况下，Ollama会安装到C盘，耐心等待安装完成。

    imgimg

安装完毕后，打开Ollama的浏览器页面（别忘了开启梯子），然后点击 DeepSeek-R1，就能开始下一步操作了！

imgimg

三、选择适合你电脑的模型

这一部是关键！选择合适的模型非常重要。模型参数越大，AI反应速度越快，但对显卡显存的要求也越高。

如果不确定显卡显存，建议用鲁大师等软件检查一下。

以下是不同模型对显卡显存的需求：

img

根据显卡显存选择一个合适的模型哦！

四、安装模型

假设你的电脑有8GB显存，那么可以选择 7b 模型。

  1. 在网页中找到 7b 模型，点击选择，然后复制页面上显示的指令。

    imgimg

  2. 按下 Win + R 键，打开命令窗口，粘贴刚才复制的指令，然后按回车运行。

    imgimg

注意：安装过程中，可能会看到进度条卡住（比如99%）。别着急！只要断开网络（拔掉网线或关闭WiFi），再重新连接，就能顺利完成安装了。 友情提示：如果下载太慢，可以尝试使用游戏加速器，找到DeepSeek加速，开启加速后重新下载即可

imgimg

五、安装ChatBox，让AI对话更有趣

模型安装完成后，我们还需要安装一个叫 ChatBox 的工具，用来与AI进行对话。

  1. 访问 ChatBox官网 下载并安装。

  2. 如果你不方便访问官网，也可以通过网盘链接下载：点击下载提取码：8888

    imgimg

  3. 安装完成后，启动ChatBox，进入应用界面。选择 “使用自己的API Key或本地模型”。

    imgimg

  4. 选择 “使用Ollama API”，进入设置界面，选择刚才安装好的 7b 模型。

    imgimg

  5. 根据需要设置回复字数限制以及AI的想象力等参数。

    imgimg

六、设置AI身份角色，让对话更有个性

为了让AI对话更有趣，你可以给它设定个性化的身份角色。例如，让它扮演一个幽默的助手，或者一个严肃的专家。这样，你的对话就更有趣啦！

  1. 设置好AI角色后，点击保存，就能开始和AI聊天啦！

    imgimg

七、自由发挥，享受AI的乐趣

到此，DeepSeek的本地部署就完成了！你可以开始和AI对话啦，看看它的表现。如果觉得某个模型太卡，或者想尝试其他模型，删除当前模型并重新安装新模型也非常简单。

删除命令：

ollama rm deepseek-r1:7b

然后重新下载其他版本的模型就好了！

八、总结

跟着这个教程一步步来，你就能顺利在Windows上完成DeepSeek的本地部署。快去试试吧，享受与AI聊天的乐趣！😊

DeepSeek无疑是2025开年AI圈的一匹黑马，在一众AI大模型中，DeepSeek以低价高性能的优势脱颖而出。DeepSeek的上线实现了AI界的又一大突破，各大科技巨头都火速出手，争先抢占DeepSeek大模型的流量风口。

DeepSeek的爆火，远不止于此。它是一场属于每个人的科技革命，一次打破界限的机会，一次让普通人也能逆袭契机。

DeepSeek的优点

read-normal-img

掌握DeepSeek对于转行大模型领域的人来说是一个很大的优势，目前懂得大模型技术方面的人才很稀缺，而DeepSeek就是一个突破口。现在越来越多的人才都想往大模型方向转行，对于想要转行创业，提升自我的人来说是一个不可多得的机会。

那么应该如何学习大模型

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。

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！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

大模型岗位需求越来越大，但是相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。

read-normal-img

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

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。为了让大家少走弯路，少碰壁，这里我直接把都打包整理好，希望能够真正帮助到大家。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】在这里插入图片描述

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

read-normal-img

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
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。

👉大模型实战案例👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

read-normal-img

👉大模型视频和PDF合集👈
观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

read-normal-img

read-normal-img

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

read-normal-img

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】在这里插入图片描述

AI程序猿人
关注
【实战篇】【零代码也能玩转AI！手把手教你用Ollama本地部署DeepSeek（保姆级教程） 】
商务合作|问题讨论|交流学习 请联系作者微信，加微信请务必注明来意，博客主页有联系方式
03-19 1260
创建专属文件夹编写Modelfile配置文件在文件夹内新建「Modelfile」文件（用记事本即可），写入：FROM deepseek-ai/deepseek-R1:latestPARAMETER temperature 0.7 # 控制回答创意度（0=保守，1=天马行空）PARAMETER num_ctx 4096 # 支持4K上下文记忆执行部署命令。
【实战篇】手把手教你本地私有化部署DeepSeek全攻略：从硬件选型到避坑指南（超详细万字长文）
商务合作|问题讨论|交流学习 请联系作者微信，加微信请务必注明来意，博客主页有联系方式
02-19 5434
最近AI圈最火的大模型非DeepSeek莫属！这个号称"推理能力堪比GPT-4o"的国产大模型，不仅开源免费，还能在普通电脑上运行。今天我就用最接地气的语言，给你掰开了揉碎了讲清楚。
Win7本地化部署deepseek-r1等大模型详解
mygodalien的博客
02-13 7467
Win7本地化部署大模型过程详解
DeepSeek 在 Windows 环境下的具体部署步骤及常见问题解决方案
热门推荐
weixin_44872675的博客
02-03 1万+
在 Windows 环境下部署 DeepSeek 的关键在于正确配置 Python 环境和依赖。通过上述步骤，你可以快速实现 DeepSeek 的本地化部署。如果遇到问题，可以参考常见问题部分进行排查和解决。DeepSeek 是一个开源的智能语义搜索框架，其本地部署可以帮助企业或个人在保证数据隐私的前提下实现快速搜索和检索。成功部署后，你可以使用 DeepSeek 提供的智能语义搜索功能，提升你的工作效率！DeepSeek 的配置文件通常为 YAML 格式，例如。的具体部署步骤以及常见问题的解决方法。
Windows本地部署Deepseek-R1:14B模型全攻略，从零开始构建知识库对话系统！
最新发布
weixin_55154866的博客
10-11 722
本文详细介绍了在Windows系统本地部署Deepseek-R1:14B模型的完整流程，包括使用Ollama下载运行模型、部署RAGflow知识库系统、Docker容器化实现GPU加速。文章提供了配置本地模型、添加知识库、解决CUDA兼容性问题的实用方法，最终实现了基于知识库的智能对话功能，整个过程无需联网，适合开发者进行本地实验和学习。
在Windows本地部署DeepSeek的详细指南
TKang8912的博客
02-03 4064
DeepSeek 是一个强大的工具，能够帮助开发者在本地环境中进行深度学习和数据分析。本文将详细介绍如何在Windows系统上部署DeepSeek。
DeepSeek在windows本地部署
weixin_42049123的博客
02-07 4463
最近大火的deepseek,在使用网页API交流的时候经常失败，就研究如何部署在本地，发现deepseek真的是拉低了大模型使用的门槛，部署十分简单，大家可以试试。
Windows系统本地部署deepseek详细过程(已验证)
Zisson_no_error的博客
02-06 3822
部署完成之后会有【Success】提示，且命令提示符输入的位置会变成【>> send a message for help】的提示，完成后就可以开始玩了。如果你安装了多个模型， 在终端里输入【ollama ps】或者【ollama list】查看已经安装的模型，复制一下安装的模型的【NAME】等待安装完成后，电脑右下角会提示安装成功的英文提示符，或者在开始菜单栏中找到它，无需打开。(注意:模型会直接安装在C盘，请注意C盘的可用空间，模型越大，占用的内存越大！安装完成之后需要选择一个合适的模型才能运行。
【实战篇】零基础也能玩转！用DeepSeek+Mermaid秒变专业图表大师（保姆级万字教程）
商务合作|问题讨论|交流学习 请联系作者微信，加微信请务必注明来意，博客主页有联系方式
02-10 2327
嘿伙计们！今天要给你们安利一个王炸组合——DeepSeek（深度求索）这个国产AI神器，加上程序员都爱的Mermaid图表工具。这两个组合起来简直就是职场外挂！我上周用这个组合半天搞定了过去要三天才能做完的系统架构图+流程图，老板还以为我偷偷加班了…（才没有！本文包含：手把手配置指南/20+个真实案例/独家调教prompt秘籍/常见报错解决。
DeepSeek本地部署工具
02-21
• 无需编程基础：专为小白设计，简单易用。 • 傻瓜式操作指南：3个步骤，1分钟轻松上手。 • 快速实现AI应用：无需依赖...保姆级图文教程，快速完成部署，提供环境配置包+常见报错解决方案如遇使用问题可享远程服务。
0代码搞定ChatBI！Doris+DeepSeek+Dify保姆级搭建教程：从环境到可视化全流程，附可复用DSL（小白也能上手）
weixin_52610848的博客
10-03 898
本文介绍了如何用Doris+DeepSeek+Dify搭建零代码ChatBI系统，实现企业级对话式数据分析。方案通过Doris作为高性能实时数据仓库，DeepSeek大模型进行自然语言转SQL处理，Dify低代码平台完成流程编排，形成完整闭环。文章详细解析了三个组件的协作逻辑和优势，并提供了从环境部署到可视化输出的6步实操指南，特别强调了Text2SQL节点的关键配置和常见避坑点。该方案以低门槛、高落地性为特点，让技术小白也能快速搭建ChatBI系统，适用于中小企业数字化转型场景。
DeepSeek本地部署教程(保姆级教程)
XXXXsssxwd的博客
01-30 1万+
【代码】DeepSeek本地部署教程(保姆级教程)
在Windows系统上本地部署DeepSeek
风雨飘摇不倒
02-01 3246
**社区论坛**: [DeepSeek Community](https://deepseek.com/community)- **API端点**: 使用API客户端（如Postman）访问 `http://127.0.0.1:8000/api/`。- **Web界面**: 打开浏览器，访问 `http://127.0.0.1:8000`。- **CUDA**: 如果使用GPU，建议安装CUDA 11.2或更高版本（可选）- API端点: `http://localhost:8000/api/`
Windows本地部署（DeepSeek-R1-Distill-Qwen-1.5B）模型
qq1164014750
01-26 1万+
登录 WSL 后，根据 NVIDIA 下载页面的说明安装 CUDA 11.8，依次执行以下命令：也可以参考官方说明：https://developer.nvidia.com/cuda-downloads?https://modelscope.cn/models/deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B 国内 modelscope。
DeepSeek Window本地私有化部署
运维老生常谈
02-07 6954
最近大火的国产AI大模型Deepseek大家应该都不陌生。除了在手机上安装APP或通过官网在线体验，其实我们完全可以在Windows电脑上进行本地部署，从而带来更加便捷的使用体验。之前也提到过，本地部署AI模型有很多好处，比如：隐私安全——所有数据都保存在本地，不用担心泄露敏感信息；响应速度快——官方或第三方服务由于访问量大，常常会导致卡顿，而本地部署能避免这种延迟问题。要在本地部署DeepSeek R1大模型并不难，只需安装开源工具Ollama，它可以支持各种AI模型的运行。
从零开始，小白在windows部署deepseek与dify
m0_53591319的博客
03-11 8671
看到网上那么多deepseek与dify，ragflow，anything等文章，自己部署的时候又踩了好多坑，不停的重装电脑。现在就记录一下deepseek与dify部署的最细记录，以及碰到的问题和解决方法。
【DeepSeek】本地部署，保姆级教程
aaaa_aaab的博客
02-18 1万+
新建一个文件夹，比如我在G盘新建个DeepSeek文件夹，文件夹下再新建models文件夹，将我们下载的模型文件放到models文件夹下。4.选择设置，选择模型服务，输入你的API秘钥（如果没有，下面有申请方法），点击检查即可。5.向下拉选择管理按钮，在嵌入勾选最后一个（知识库要用到），全部里也可以选择你要用的模型。3.进入软件后，如果你的语言是英文的，可以选择设置，在常规设置这里调整语言。4.点击我的模型，点击搜索按钮，可以在线安装开源模型（需要魔法，下载速度慢）点击聊天，选择刚下载的模型。
Deepseek本地部署（Windows）
weixin_46653941的博客
02-10 2091
保姆级windows10本地部署deepseek-r1教程
DeepSeek windows系统部署详解
助力企业数字化转型及企业院校赋能培训
02-01 3816
本文详细介绍windows 操作系统怎样部署deepseek,涉及到下载ollama、安装deepseek模型、安装chatboxai 及测试示例
Windows本地部署deepseek保姆级教程
02-23
<think>嗯，用户想要在Windows本地部署DeepSeek的保姆级教程。首先，我需要确认DeepSeek具体指的是什么。因为DeepSeek可能有不同的应用，比如是深度学习框架、某个特定项目，还是公司提供的工具。假设这里指的是深度求索公司的某个AI模型，比如类似ChatGPT的大语言模型。这时候，我需要考虑用户可能的需求：他们可能想在自己的Windows电脑上部署一个类似ChatGPT的本地模型，用于开发或测试。 接下来，用户可能对技术不太熟悉，所以教程必须详细，每一步都要清晰。需要分步骤讲解，包括环境准备、依赖安装、模型下载、配置和运行测试。同时，用户可能遇到的问题，比如Python环境配置、GPU支持、模型文件过大等，需要提前预警并提供解决方案。 首先，安装Python环境。推荐使用Anaconda，因为它能方便地管理虚拟环境。要指导用户下载安装，并创建专用环境。然后安装PyTorch，这里需要注意CUDA版本，如果用户有NVIDIA显卡，可以加速计算，否则只能用CPU版本，但速度会慢很多。需要判断用户是否有GPU，但教程里应该涵盖两种情况。 然后，模型下载。可能涉及到Hugging Face平台，需要指导用户注册账号，安装git-lfs，下载模型文件。这里可能会有网络问题，国内用户可能需要镜像或者代理，可能需要提示。另外，模型文件通常很大，需要足够的存储空间，比如几十GB，这点要提醒用户。 接下来是代码部分，可能需要从GitHub克隆项目，安装依赖库，比如transformers、torch等。需要检查代码示例是否正确，比如使用AutoModelForCausalLM和AutoTokenizer加载模型，并编写推理代码。注意提醒用户替换模型路径，并根据显存调整batch_size和max_length。 运行部分，可能会遇到内存不足的问题，尤其是没有GPU的用户。需要建议他们使用较小的模型或者减少输入长度。此外，可能存在的错误如缺少库，需要提示安装。 最后，优化和常见问题，比如量化、使用GPU技巧，以及回答可能的疑问，比如是否需要互联网连接，模型是否能微调等。 需要确保教程用词简单，避免专业术语过多，步骤明确，适合新手。同时，检查是否有遗漏的步骤，比如git-lfs的安装，环境变量的设置，或者权限问题。可能还需要提供示例代码，确保用户能直接复制粘贴，并验证代码的正确性。 总结，整个教程需要从环境准备开始，逐步引导用户完成每个步骤，预见到常见问题并给出解决方案，确保用户即使遇到问题也能找到解决办法。同时，提醒用户注意硬件需求和下载时间，避免中途放弃。</think>以下是在 **Windows 系统本地部署 DeepSeek 模型（如 DeepSeek-R1 或类似大语言模型）的详细步骤教程，适合新手操作**： --- ### **一、环境准备** 1. **安装 Python** - 访问 [Python官网](https://www.python.org/downloads/)，下载最新版 **Python 3.10+**。 - 安装时勾选 `Add Python to PATH`，确保环境变量配置正确。 - 验证安装：打开命令提示符（CMD），输入 `python --version`，显示版本号即成功。 2. **安装 CUDA 和 cuDNN（仅限NVIDIA显卡用户）** - 如果有NVIDIA显卡，安装 **CUDA Toolkit 11.8** 和对应版本的 **cuDNN**（加速GPU推理）。 - 参考NVIDIA官方教程配置：[CUDA安装指南](https://developer.nvidia.com/cuda-toolkit)。 3. **安装 Git 和 Git LFS** - 下载 [Git for Windows](https://git-scm.com/download/win)，安装时全部默认选项。 - 安装后打开CMD，运行命令安装Git LFS（用于下载大模型文件）： ```bash git lfs install ``` --- ### **二、获取模型文件** 1. **从Hugging Face下载模型** - 访问DeepSeek官方HF仓库（如 [deepseek-ai/deepseek-llm-7b-chat](https://huggingface.co/deepseek-ai)）。 - 点击“Clone repository”复制模型地址（需注册HF账号并登录）。 - 在本地文件夹打开CMD，运行： ```bash git clone https://huggingface.co/deepseek-ai/deepseek-llm-7b-chat ``` - 等待下载完成（模型可能超过20GB，确保磁盘空间充足）。 2. **备选方案：国内镜像加速** - 如果下载慢，可使用[魔搭社区（ModelScope）](https://modelscope.cn/models?search=deepseek)或代理工具。 --- ### **三、创建Python虚拟环境** 1. **使用conda创建环境（推荐）** ```bash conda create -n deepseek python=3.10 conda activate deepseek ``` 2. **安装PyTorch** - 根据CUDA版本选择命令（无GPU则用CPU版本）： ```bash # CUDA 11.8 pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 # 仅CPU pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu ``` 3. **安装依赖库** ```bash pip install transformers sentencepiece accelerate huggingface_hub ``` --- ### **四、编写推理代码** 1. **创建 `run.py` 文件** ```python from transformers import AutoModelForCausalLM, AutoTokenizer model_path = "D:/deepseek-llm-7b-chat" # 替换为你的模型路径 tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained(model_path, device_map="auto", trust_remote_code=True) prompt = "你好，请介绍一下你自己。" inputs = tokenizer(prompt, return_tensors="pt").to(model.device) outputs = model.generate(**inputs, max_new_tokens=100) print(tokenizer.decode(outputs[0], skip_special_tokens=True)) ``` 2. **调整参数（可选）** - 显存不足时，在 `from_pretrained` 中添加参数：`load_in_4bit=True`（4位量化）或 `load_in_8bit=True`。 --- ### **五、运行模型** 1. **启动推理** ```bash python run.py ``` - 首次运行会自动加载模型，可能需要等待数分钟。 - 如果显存不足，尝试减少 `max_new_tokens` 或使用更小模型（如1.3B版本）。 --- ### **六、常见问题** 1. **CUDA内存不足** - 使用CPU运行：修改代码中的 `device_map="cpu"`。 - 启用量化（需安装 `bitsandbytes` 库）： ```bash pip install bitsandbytes ``` 2. **模型加载失败** - 检查模型路径是否正确，确保所有模型文件已下载完整（尤其是`.bin`和`.json`文件）。 3. **网络问题** - 国内用户可使用镜像源加速下载： ```bash pip install -i https://pypi.tuna.tsinghua.edu.cn/simple [包名] ``` --- ### **七、进阶优化** - **使用vLLM加速推理**（需GPU）： ```bash pip install vllm from vllm import LLM, SamplingParams llm = LLM(model=model_path) ``` - **Web界面交互**： 部署类似 [text-generation-webui](https://github.com/oobabooga/text-generation-webui) 的交互式界面。 --- 通过以上步骤，你可以在Windows本地成功运行DeepSeek模型。如果遇到问题，建议查阅模型官方文档或社区讨论（如Hugging Face、GitHub Issues）。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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