基于大模型的 RAG 核心开发——详细介绍 DeepSeek R1 本地化部署流程，大模型RAG入门到精通，收藏这篇就足够了！

前言

自从 DeepSeek 发布后，对 AI 行业产生了巨大的影响，以 OpenAI、Google 为首的国际科技集团为之震惊，它的出现标志着全球AI竞争进入新阶段。从以往单纯的技术比拼转向效率、生态与战略的综合较量。其影响已超越企业层面，涉及地缘政治、产业政策与全球技术治理，它彻底改变“美国主导创新、中国跟随应用”的传统格局，形成多极化的技术权力分布。

DeepSeek 的开源性彻底打破了 OpenAI 等公司通过 API 接口调用，依赖 token 计费的单一规则。因为 DeepSeek 是一个开源的产品，任何人都可通过 GitHub 等途径下载它的核心源代码，这种开源方案有点类似当年的 Android / 鸿蒙发展策略。任何人都可以为 DeepSeek 开发某项额外的功能，为DeepSeek 的茁壮成长贡献自己的一份力量。

它包括了 DeepSeek R1 / DeepSeek V3 / DeepSeek Coder V2 / DeepSeek VL / DeepSeek V2 / DeepSeek Coder / DeepSeek Math / DeepSeek LLM  等多个不同的模型，以适应不同领域的应用。私人开发者可以下载 DeepSeek R1 检心框架进行调试，如果企业调用 DeepSeek 的 API 接口，也需要按 token 收费，然而费用不到 ChatGDP 的十分之一，对企业来说是相当有良心。

DeepSeek 的 R1 模型支持本地化部署，用户可以在企业服务器内单独部署自己的 DeepSeek 模型，以适应各自的领域需求。

废话不多说，下面为大家介绍 DeepSeek R1 的本地化部署流程。

一、运行环境要求

‌1. 硬件配置‌

• 独立显卡（推荐 NVIDIA 1060 以上 GPU显存 ≥ 6GB）‌
• CPU、内存及存储需满足模型参数规模（如1.5B/7B/14B模型对应不同配置）‌

进入 DeepSeek 的官网 https://www.deepseek.com/，点激 DeepSeek R1 的模型连接，可以进入 GitHub 的源代码页面。里面可看到 DeepSeek R1 包含了多个不同大小的模型，每个模型需要使用的资源不一样。一般情况下建议使用 1.5B 的轻量级模型，GPU 在 6G~8G 可以尝试使用 7B 的平衡型模型。

显卡要求可参考下表

‌2. 依赖工具‌

• Ollama 或 HFD 部署工具及模型库
• Docker、Python等基础环境‌

常用下载模型的方法主要有两种，一是通过 Ollama，二是通过 HuggingFace。虽然 HuggingFace 的镜像比较丰富全面，但由于在2023年底，HuggingFace 的官网已经彻底被封，想要下载镜像需要使用 https://hf-mirror.com 里面的 HFD 工具通过命令执行，对新手来说相对不太友好，所以本文就选择相对轻量级的 Ollama 工具进行安装。

二、安装步骤

1. 安装 Ollama 

首先到 Ollama 官网 https://www.ollama.com 下载 ollama，可以选择 Windows、Linux、masOS 三个不同的版本

 下载后点激安装，默认安装路径在 C:\Users\username\AppData\Local\Programs\Ollama 下

安装完成后，打开 Windows 的环境变量，修改用户变量中的 Path 值，加入 Ollama 的路径  C:\Users\username\AppData\Local\Programs\Ollama

完成设置后，点激 Ollama.exe 按钮，然后在命令提示符中输入 ollama -v，见到 ollama 版本号代表安装成功。

也打开浏览器，输入Ollama 运行地址 “http://127.0.0.1:11434”
看到 “Ollama is running”  字样证明 Ollama 已经正常运行。

2. 下载 deepseek v1 模型

ollama 的命令与 docker 有点类似，输入命令 ollama pull deepseek-r1:7b 系统开始下载模型 deepseek v1:7b
最后看到 success 代表下载成功

 此时输入命令 ollama ls 可以查看已下载的模型

3. 运行模型

输入命令 “ollama run deepseek-r1:7b” 启动模型
成功启动后就可以尝试输入问题让 deepseek 回答。

 按下 CTRL+D  可以退出当前对话
若要查看当前运行的模型，可以输入 ollama ps

若要停止模式运行，可输入 ollama stop deepseek-r1:7b。
停止后再输入 ollama ps，可以知道停止命令是否成功

三、可视化部署

DeepSeek R1 不仅可以通过命令执行，还可通过插件进行可视化部署，布置出与官网应用类似的应用场景。
首先选择浏览器的扩展按键，填入 Page Assist 进行搜索，安装插件。

 完成安装后，若要选择中文版可点激右上角设置按钮，在language中选择 “简体中文”

在命令提示符输入 ollama run deepseek-r1:7b ，确定 deepseek 模型已经正常运行后， 在 Ollama URL 处填入默认的运行地址  http://127.0.0.1:11434

回到首页，在选项中可以查到系统中正在运行的模型，选择你要有的模型类别

 此时，你已经可以在本机尽情享受 DeepSeek 给你带来的乐趣。

本章小结

前面已经介绍了 DeepSeek R1 本地化部署流程，本地化部署不仅能保障数据安全，更能通过灵活定制实现业务场景的高效适配，为企业智能化转型提供可靠的技术底座。DeepSeek 模型从环境准备、模型加载到 RAG 功能集成，每一个环节都体现了大模型与企业私有化场景深度融合的技术潜力。

我们该怎样系统的去转行学习大模型 ？

很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，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100余次后，终于把整个AI大模型的学习门槛，降到了最低！

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： 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、大模型经典书籍（免费分享）

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。

二、640套大模型报告（免费分享）

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)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

​