小白也能看懂的DeepSeek-R1本地部署指南

哈喽！伙伴们，我是小智，你们的AI向导。欢迎来到每日的AI学习时间。今天，我们将一起深入AI的奇妙世界，探索“小白也能看懂的DeepSeek-R1本地部署指南”，并学会本篇文章中所讲的全部知识点。还是那句话“不必远征未知，只需唤醒你的潜能！”跟着小智的步伐，我们终将学有所成，学以致用，并发现自身的更多可能性。话不多说，现在就让我们开始这场激发潜能的AI学习之旅吧。

小白也能看懂的DeepSeek-R1本地部署指南：

春节期间 Deepseek 凭借其出色的性能表现，吸引了众多技术爱好者的目光，会用的人说巨好用，但是也有很多人说也不过如此，其实这么多国际巨头都震惊，自然是非常惊艳的一款产品。如果你也渴望在本地部署该模型，深入探索其强大功能，那么这篇攻略将为你提供详细的指导。这里面我将给大家演示的是 windows 和 mac 双平台的部署。废话不多说，现在开始和大家一起部署。

一、基础环境搭建
（一）安装 Ollama

常规下载

首先，访问Oll[1]ama 官[2]网[3] ，根据你的操作系统（Windows、Mac 或 Linux），选择对应的安装包进行下载。

我这里以 mac 和 windows 为例，如果大家安装不了，也可以进入下方两个教程，获取下载链接：

安装验证

安装完成后，为了确认 Ollama 是否成功安装，在终端输入 ollama -v 。如果安装正确，终端会显示 Ollama 的版本号，这就表明你已经成功完成了基础环境搭建的第一步。

关于如何打开终端，我想说的是 mac 的话，找到这个工具，

windows 的话，win+r 输入 cmd。

然后检查

ollama -v

下载完成后，按照安装向导的提示逐步完成安装。在安装过程中，Ollama 服务会自动在电脑后台运行。

二、模型部署
（一）依据硬件精准选型

打开Ollam[4]a 模型库[5] ，你会看到丰富多样的 DeepSeek-R1 模型版本，如 1.5B、7B、32B 等。根据自身电脑硬件配置来选择合适的模型版本至关重要。

以下是本地部署 DeepSeek 系列模型（1.5B、7B、8B、14B、32B）在 Windows、macOS、Linux 三个平台的最低和推荐硬件配置指南。配置需求主要基于模型的显存（GPU）、内存（RAM）和计算资源需求，同时考虑不同平台的优化差异。

通用配置原则

1.模型显存占用（估算）：
• 每 1B 参数约需 1.5-2GB 显存（FP16 精度）或 0.75-1GB 显存（INT8/4-bit 量化）。
• 例如：32B 模型在 FP16 下需约 48-64GB 显存，量化后可能降至 24-32GB。
2.内存需求：至少为模型大小的 2 倍（用于加载和计算缓冲）。
3.存储：建议 NVMe SSD，模型文件大小从 1.5B（约 3GB）到 32B（约 64GB）不等。

分平台配置建议
以下按模型规模和平台分类，提供 最低配置 和 推荐配置。

1.5B模型

7B/8B模型

14B模型

32B模型

平台差异说明
1.Windows：
• 依赖 CUDA 和 NVIDIA 驱动，推荐使用 RTX 30/40 系列。
• 大模型（14B+）需借助量化或模型分片技术。

2.macOS：
• 仅限 Apple Silicon 芯片（M1/M2/M3），依赖 Metal 加速。
• 模型规模超过 14B 时性能显著下降，建议量化或云端部署。

3.Linux：
• 支持多 GPU 扩展和高效资源管理（如 NVIDIA Docker）。
• 适合部署大型模型（14B+），需专业级硬件。

注意事项

• 量化优化：使用 4-bit/8-bit 量化可大幅降低显存需求（如bitsandbytes[6]）。
• 框架支持：优先选择优化好的库（如 vLLM、DeepSpeed、HuggingFace）。
• 散热：长时间推理需确保散热（建议风冷/水冷）。

建议根据实际需求选择硬件，并优先在 Linux 环境下部署大模型。

（二）顺利下载与稳定运行

确定适合自己电脑配置的模型版本后，就可以开始下载和运行模型了。打开终端或 CMD 命令窗口，输入对应的运行指令：

• 若选择 1.5B 版本，输入 ollama run deepseek-r1:1.5b 。
• 若选择 7B 版本，输入 ollama run deepseek-r1:7b 。我 Mac 选择的是这个。
• 若选择 8B 版本，输入 ollama run deepseek-r1:8b 。我 win 选择的是这个。
• 若选择 32B 版本，输入 ollama run deepseek-r1:32b 。

三、打造专属 AI 聊天室
（一）安装配置 “Cherry Studio”

1.下载

前往Cherry Studio 官方网站[7]，根据你的操作系统（支持 Windows、Mac 和 Linux）下载对应的安装包

2.安装

下载完成后，对于 Windows 系统，双击安装包，按照安装向导提示完成安装，期间可能需要同意用户协议、选择安装路径等常规步骤；对于 Mac 系统，将下载的应用程序文件拖移到 “应用程序” 文件夹；

3.配置

打开 Cherry Studio，在设置中找到 “模型设置” 选项。

• 模型选择：从模型列表中选择与你本地部署的 DeepSeek-R1 模型版本对应的选项，如果没有直接匹配项，选择支持自定义模型配置的入口。
• 自定义配置：在自定义配置中，将 API 地址设置为http://localhost:11434 ，这是 Ollama 服务的默认接口地址，确保 Cherry Studio 能连接到本地运行的 DeepSeek-R1 模型。
• 模型参数设置：根据你的硬件配置和使用需求，设置模型的相关参数，如最大生成长度、温度等，一般默认参数即可满足常见需求，但对于特定任务，你可以适当调整，比如生成创意文本时，可将温度调高至 0.8 – 1.0，以增加文本的多样性；进行严谨的知识问答时，可将温度调低至 0.5 – 0.7 ，使回答更稳定。
• API 密钥大家随意设置就好，然后点击检查就好。

配置完成后大家记得默认模型也可以配制成 deepseek。

（二）安装配置 Chatbox 客户端

Chatbox AI 是一款 AI 客户端应用和智能助手，支持众多先进的 AI 模型和 API，可在 Windows、MacOS、Android、iOS、Linux 和网页版上使用

为了更便捷地与部署好的 DeepSeek-R1 模型进行交互，你可以下载开源客户端 Chatbox。访问官网[8] 即可进行下载。Chatbox 支持中文界面与 Markdown 渲染，使用起来非常方便。

下载安装好 Chatbox 后，打开软件进行关键配置：

• API 类型：选择 “OLLAMA”，这一步能确保 Chatbox 与我们部署的 DeepSeek-R1 模型进行正确通信。
• 接口地址：填写http://localhost:11434 ，这个地址是 Ollama 服务的默认接口地址，通过它 Chatbox 可以连接到本地运行的 DeepSeek-R1 模型。
• 模型名称：务必填写与之前下载的模型版本完全一致的名称，例如，如果之前下载的是 7B 版本，模型名称就必须填写 deepseek-r1:7b ，否则可能会导致连接失败。

通过以上步骤，你不仅可以使用 Cherry Studio 还能通过 Chatbox 与本地部署的 DeepSeek-R1 模型进行交互。希望大家都能顺利部署，开启属于自己的 AI 探索之旅。大家遇到问题也可以在后台私信我。

四、如何使用 DeepSeek
给大家一个公式

1.身份：你是谁？（学生/打工牛马/…）
2.任务：要解决什么问题？（写报告/做计划/分析数据…）
3.细节：限制条件是什么？（时间/场景/禁忌…）
4.格式：想要什么形式的结果？（表格/分段/口语化…）

套用公式
按“身份 → 任务 → 细节 → 格式”顺序重组问题：
> “作为（身份），请（任务），要求（细节），用（格式）输出” 。

嘿，伙伴们，今天我们的AI探索之旅已经圆满结束。关于“小白也能看懂的DeepSeek-R1本地部署指南”的内容已经分享给大家了。感谢你们的陪伴，希望这次旅程让你对AI能够更了解、更喜欢。谨记，精准提问是解锁AI潜能的钥匙哦！如果有小伙伴想要了解学习更多的AI知识，请关注我们的官网“AI智研社”，保证让你收获满满呦！