deepseek本地部署最简教程

原创已于 2025-02-06 18:37:48 修改 · 974 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#语言模型 #linux #运维 #langchain #自然语言处理

于 2025-02-05 12:09:32 首次发布

1简介

随着人工智能技术的飞速发展，大语言模型（Large Language Models, LLMs）逐渐从云端走向本地，为开发者、研究者和技术爱好者提供了更灵活、更私密的应用可能。国产DeepSeek 作为一款高效且功能强大的开源大模型，凭借其毫不逊色于Chatgpt的推理能力和对中文场景的深度适配，成为许多用户探索本地智能化的首选工具。

然而，对于非专业开发者或刚接触本地部署的用户而言，复杂的配置流程、环境依赖和资源管理往往令人望而却步。本文旨在通过极简的步骤、清晰的说明和实用的技巧，帮助小白用户在最短时间内完成从零部署的流程。

2环境介绍

windows:win11

3安装ollama

Ollama 是一个提供开源、简便且高效的工具平台，旨在使开发者能够在本地环境中运行和部署大型语言模型（LLMs）。Ollama 可以让用户轻松地运行一些主流的、开源的 LLM 模型，而无需依赖云服务，支持在本地服务器或个人计算机上进行推理任务。因此我们deepseek的载体就是ollama。

在官网下载ollama（安装包也可在本文附录A获取）

https://ollama.com/

安装ollama

4安装deepseek模型

打开ollama官网，右上角models找到deepseek模型

选择模型版本，在人工智能领域，模型名称中的 1.5B、7B、8B 等数字代表模型的参数量（Parameters），其中 B 是英文 Billion（十亿） 的缩写。参数越多，模型通常更“聪明”（能处理更复杂的任务），但对硬件资源（显存、内存）的要求也更高。个人用户可优先 7B（通用性最佳），若设备较弱则选 1.5B，开发者可选 8B。

以下是各版本的介绍

找到对应的命令，复制

然后输入到cmd中：

ollama run deepseek-r1:1.5b

如果是7b，以此类推：

ollama run deepseek-r1:7b

需要等待一段时间下载

5使用deepseek

打开cmd，输入所下版本同样的命令，则可以使用deepseek：

ollama run deepseek-r1:1.5b

6ollama大模型安装路径更改

如果我们使用windows系统安装，ollama默认安装在系统盘，而往往系统盘的容量不够大，我们可以将deepseek安装到其他盘中，但目前，ollama 本身并没有提供直接的、官方的选项来修改模型存储路径。我们可以使用符号链接的方式将对应文件夹链接到D盘文件夹，这样ollama读写文件只会读写对应D盘的链接文件夹。

首先，我们找到ollama模型的安装位置：

Linux/macOS:` `~/.ollama/``Windows:` `C:\Users\<YourUser>\.ollama\

删除models文件夹：

在D盘创建一个新文件夹，如

D:\OllamaModels\

用管理员打开cmd，进行符号链接，然后再下载deepseek文件夹：

mklink /D C:\Users\<YourUser>\.ollama D:\OllamaModels

7写在最后

本文主要介绍了 DeepSeek 的最简安装方法，后续将继续更新，介绍如何将 DeepSeek 集成到图形化界面中。

👉👉【DeepSeek本地部署文档】

https://pan.quark.cn/s/7e0fa45596e4

cut-off

最近，我的DeepSeek本地部署视频在B站播放量意外小爆，评论区被两类留言淹没：一类是技术爱好者追问“如何用消费级显卡跑通大模型”，另一类是职场人焦虑“我的工作会被AI取代吗？”这两个问题的背后，折射出一个残酷的真相：大模型技术正在重构所有行业的生存法则，而掌握这项技术的人将获得通往未来的船票。

DeepSeek的火爆对普通人意味着什么？

DeepSeek的火爆并非偶然。它代表了一种技术趋势：大模型技术正在从实验室走向大众。过去，大模型技术似乎只属于科技巨头和学术机构，普通人很难接触到。而现在，随着开源社区的活跃和技术的普及，像DeepSeek这样的工具已经可以让普通用户在自己的设备上部署和使用大模型。

对于普通人来说，DeepSeek的火爆意味着：