【最全喂饭级教程】本地部署DeepSeek+webUI+RAG本地知识库

本文链接：https://blog.youkuaiyun.com/pythonhy/article/details/147765061

"为什么我的DeepSeek又提示服务不可用？"——这是最近AI开发者社群最高频的疑问。我们监测到近期DeepSeek API服务日均异常访问量激增47%，卡顿，服务崩溃，无法访问，无法注册，无法充值这些问题日益突出。

但今天要揭秘的解决方案，将彻底打破这些限制：通过本地化部署，不仅响应速度提升300%，还能实现：

7×24小时不间断服务
完全自定义模型参数
私有数据零泄露风险

本文将手把手教您：

本地deepseek-R1模型搭建——命令行终端的使用方法
5分钟搭建WebUI——可视化操作界面
RAG知识库建设——让模型精准理解专业领域

本地deepseek-R1模型搭建

访问https://ollama.com/，点击download

2. 选择对应的系统后点击下方的下载按钮

linux安装命令：

curl -fsSL https://ollama.com/install.sh | sh

Windows和IOS的安装包点击对应的系统分别下载即可。如果下载不了的，可以关注我回复“本地部署包”获取。

3. 下载完成后，点击models，选择R1模型

4. 选择与你系统性能匹配的大模型参数量，详情可见下方参数量和内存显卡对照表，比如我是16G内存，我安装的就是7b的参数模型。选择好以后点击复制，第6步会用到。

大语言模型硬件需求对照表

硬件检测命令

# 查看显存容量
nvidia-smi --query-gpu=memory.total --format=csv

# 查看内存容量
$availableRAM = [math]::Round((Get-Counter '\Memory\Available MBytes').CounterSamples.CookedValue/1024, 2)
Write-Output "可用内存: ${availableRAM}GB"

5. 确保桌面右下角有羊驼图标（表示ollama在运行），使用快捷键win+R（win10/11也可以在桌面底部搜索栏输入cmd），调出运行器，输入cmd，打开命令行终端。

6. 在终端输入命令：ollama run deepseek-r1:7b

等待进度条到100%后，即可开启与deepseek的对话。按Ctrl+d可以退出对话。重新执行命令：ollama run deepseek-r1:7b可以开启对话。

如果你只是体验，那么到这个步骤就可以结束了。但是如果你想经常用，总在终端总是不方便，那么可以配置一个可视化的网页界面来对话。

5分钟搭建WebUI

1. 配置环境变量。点击系统-设置-系统信息（或者右击“我的电脑”图标-属性），找到高级系统设置-环境变量，在用户变量新增两个变量。

OLLAMA_HOST：0.0.0.0
OLLAMA_ORIGINS：*

2. 打开chatbox网站：https://chatboxai.app/zh，点击启动网页版（也可自行下载客户端）

3. 点击使用本地模型

4. 点击选择ollama API

5. 选择本地模型

6. 配置使用语言

7. 开启和deepseek-R1的聊天对话，对话也包含了联网、上传附件等功能。

8. 由于除了671b参数的其他模型都是蒸馏模型，也就是学生模型，所以回复质量比671b要差一些，但是仍然是推理模型，有思考过程。对于需要推理和思考或者代码的问题，还是有一定的质量的。下面是一个简单的文案测试。

以上步骤可以满足日常的大模型问答，但是如果需要做自己或者公司私有的知识库，做垂类的知识问答，那么就不得不搭建本地知识库了。

RAG知识库建设

1. 首先，需要在Google商店搜索插件Page Assist，并进行安装。（没有条件访问的我提供的本地部署包也包含了该插件，本地部署需要解压缩并上传安装）

2. 在浏览器插件扩展程序，点击Page Assist开始配置

3. 点击右上角配置，一般设置，配置语言，两个都设置为中文。

4. 点击RAG设置，设置模型和切片大小，重叠区

5. 点击管理知识，上传自己的本地文档

6. 等待上传解析完成后，就可以得到向量化的知识库。

7.在模型对话界面，点击下方的引用知识库，就可以引用自己上传过的文件，再提问回答的话，大模型就会先搜索本地知识库回答，并显示引用来源。

在本地知识库上也有很多玩法，例如可以预设系统提示词，减少重复性结构化提问。也能设置侧边栏等等，大家可以自行研究。

好了，看到这里，大家也是不容易，不知道你有没有搭建好自己的本地大模型呢？欢迎在评论区分享您的经历，我们将抽取3位读者提供免费部署指导！

小贴士：收藏本文，随时部署自己的本地大模型！

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🆓↓↓↓

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