Ollama+DeepSeek+OpenWebUI/PageAssist+SpringAI本地部署+可视化+Java调用DS模型

DeepSeek 是当下最好的开源大语言模型，本文先介绍怎样安装 Ollama，然后通过 Ollama 来部署 DeepSeek-R1 模型，之后介绍两种常用高质量的可视化模型界面（PageAssist 和 OpenWebUI 选择一个即可），最后介绍怎样通过 spring-ai-ollama 来便捷的调用 DeepSeek-R1 模型！

安装 Ollama

Ollama 是一个便捷的在本地下载和运行大模型的工具

1. 下载安装

ollama 支持 windows，linux，macOS。下面以 windows 为例，进行安装。

进入 Ollama 官网 https://ollama.com/download 选择 Windows 系统，下载安装文件 OllamaSetup.exe。

双击 OllamaSetup.exe，按照提示一路安装即可（默认安装在：C:\Users\Administrator\AppData\Local\Programs\Ollama）。安装完成之后，在 cmd 中输入

 ollama -v

看到版本号后，表示安装成功！

2. 环境变量设置

ollama 所有可设置参数在执行 ollama serve 启动时，在启动日志中可以看到。常用的设置参数如下，如有需要，设置到 环境变量 中：

• • OLLAMA_MODELS：模型文件的存放目录，默认在 C 盘，建议设置到非系统盘，例如 D:\software\ollama\models

Ollama 的安装完成！

限于篇幅，更多的关于 ollama 的设置参数和常用命令见 https://www.aileading.cn/docs/llm/ollama.html

安装 DeepSeek-R1 模型

1. 下载安装

在 Ollama deepseek-r1 模型搜索页 https://ollama.com/library/deepseek-r1:32b 选择一个适合自己显存的模型进行下载（24G 显存可下载 32b 模型，显存具体消耗查看这里 https://apxml.com/posts/gpu-requirements-deepseek-r1），如下所示：

复制命令，在 cmd 中执行如下命令，即可下载并运行模型

ollama run deepseek-r1:32b

下载完成之后，DeepSeek-R1 模型安装并运行成功！

安装 PageAssist 浏览器插件

PageAssist 是一个大模型 UI 浏览器插件，可以提供一个界面，与大模型进行问答交互

1. 安装

打开 chrome 浏览器，打开 插件地址 https://chromewebstore.google.com/detail/page-assist-%E6%9C%AC%E5%9C%B0-ai-%E6%A8%A1%E5%9E%8B%E7%9A%84-web/jfgfiigpkhlkbnfnbobbkinehhfdhndo，如下图所示，点击“添加到Chrome”，

安装完成后，为方便使用，按照下图方式固定 PageAssist 插件到浏览器顶部 bar。

2. 使用

点击 PageAssist 插件图标启动插件，在新打开的页面中进行插件设置（核心设置语言为中文 + RAG模型设置）。

模型设置完成之后，点击“新聊天”打开聊天窗口，即可进行问答。

PageAssist 安装完成！

安装 OpenWebUI

OpenWebUI 是一个可扩展、功能丰富且用户友好的自托管 AI 平台，旨在完全离线运行，与 PageAssist 相同，可以提供一个界面，与大模型进行问答交互

1. 安装

需要先安装 miniconda，参考 https://www.aileading.cn/docs/start/install-miniconda.html，之后按照如下命令安装 OpenWebUI

conda create -n open-webui python=3.11 -y // 官方推荐 python 版本
conda activate open-webui
pip install open-webui

python3.11 是 OpenWebUI 官方推荐版本

2. 使用

通过以下命令启动 OpenWebUI

open-webui serve

注意：如果想让 OpenWebUI 完全离线运行，设置如下参数：set HF_HUB_OFFLINE=1

后续在操作界面选择模型，进行问答即可。

OpenWebUI 安装完成！

使用 spring-ai-ollama 运行 DeepSeek 模型

1. 工程搭建

在 SpringBoot 脚手架页面 https://start.spring.io 按照下图所示进行参数选择，之后点击“GENERATE”生成代码包。

解压该包，引入 IDEA。

2. 代码编写

spring-ai-ollama 官方文档：https://docs.spring.io/spring-ai/reference/api/chat/ollama-chat.html

根 pom.xml

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>3.4.2</version>
        <relativePath/>
    </parent>

    <groupId>cn.aileading</groupId>
    <artifactId>deepseek-study</artifactId>
    <version>0.0.1-SNAPSHOT</version>

    <properties>
        <java.version>21</java.version>
        <spring-ai.version>1.0.0-M5</spring-ai.version>
    </properties>

    <!-- 添加里程碑版本仓库 -->
    <repositories>
        <repository>
            <id>spring-milestones</id>
            <name>Spring Milestones</name>
            <url>https://repo.spring.io/milestone</url>
            <snapshots>
                <enabled>false</enabled>
            </snapshots>
        </repository>
    </repositories>

    <dependencyManagement>
        <dependencies>
            <!-- 添加 spring-ai-bom 统一管理 spring-ai 版本 -->
            <dependency>
                <groupId>org.springframework.ai</groupId>
                <artifactId>spring-ai-bom</artifactId>
                <version>${spring-ai.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>

    <dependencies>
        <!-- spring-ai-ollama -->
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
        </dependency>
        <!-- web -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
            </plugin>
        </plugins>
    </build>
</project>

application.properties 配置文件

spring.application.name=deepseek-study
spring.ai.ollama.base-url=http://127.0.0.1:11434
spring.ai.ollama.chat.options.model=deepseek-r1:32b

说明：列出最核心的两个配置，更多配置项见spring-ai-ollama文档 https://docs.spring.io/spring-ai/reference/api/chat/ollama-chat.html

• • spring.ai.ollama.base-url：ollama 服务的基础 url
• • spring.ai.ollama.chat.options.model：指定使用的 ollama 服务

controller:

package cn.aileading.deepseek_study.web;

import jakarta.annotation.Resource;
import org.springframework.ai.ollama.OllamaChatModel;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

import java.util.Map;

@RestController
@RequestMapping("/")
public class Controller {
    @Resource
    private OllamaChatModel chatModel;

    @GetMapping("/ai/generate")
    public Map<String,String> generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        return Map.of("generation", this.chatModel.call(message));
    }
}

启动器：

package cn.aileading.deepseek_study.web;

import jakarta.annotation.Resource;
import org.springframework.ai.ollama.OllamaChatModel;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

import java.util.Map;

@RestController
@RequestMapping("/")
public class Controller {
    @Resource
    private OllamaChatModel chatModel;

    @GetMapping("/ai/generate")
    public Map<String,String> generate(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
        return Map.of("generation", this.chatModel.call(message));
    }
}

3. 启动应用

启动应用，浏览器访问，http://127.0.0.1:8080/ai/generate?message='0.8和0.11谁大 ，查看输出即可。

到此，spring-ai-ollama 使用 DeepSeek 模型成功！

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

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。

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】

👉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）

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。

👉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。

👉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。

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】