今天我們繼續(xù)。

話接上文，如何使用上穩(wěn)定可靠不繁忙、不跑路、不卡頓、不截?cái)嗟?code>DeepSeek-R1是AI沖浪的一切前提。今天出一期DeepSeek-R1本地部署的手把手教程。僅需3步，低代碼，盡量用最簡單的方式教會(huì)你在自己的電腦上部署屬于你自己的DeepSeek-R1模型。

話不多說，直接開整，集合！

第1步：安裝 Ollama

https:///

本地部署推薦使用開源工具Ollama，對小白極其友好——既提供命令行界面，又提供圖形界面，讓你能夠方便地管理和使用本地的AI模型。

打開上面那個(gè)Ollama官網(wǎng)，點(diǎn)擊下載，按照你的電腦類型下載對應(yīng)的客戶端。Ollama支持macOS、Windows和Linux。

接下來的操作以macOS為例。

雙擊打開Ollama客戶端安裝包，點(diǎn)擊Next。

點(diǎn)擊Install安裝Ollama的命令行工具（CLI）。這一步可能會(huì)讓你輸入系統(tǒng)密碼。

點(diǎn)擊Finish，安裝完成。到這里，這一步就大功告成了。

不放心的小伙伴可以雙重驗(yàn)證一下Ollama是不是真正安裝完成了。打開終端運(yùn)行下面這個(gè)命令。正常來說會(huì)輸出Ollama的版本號，如“ollama version is 0.5.7”。

第2步：下載 DeepSeek-R1 模型

有了Ollama，就可以通過Ollama方便地下載DeepSeek-R1模型了。Ollama共提供7個(gè)不同參數(shù)量的DeepSeek-R1模型。

參數(shù)量越大，代表模型推理能力越強(qiáng)，滿血版的DeepSeek-R1參數(shù)量為671B。

同時(shí)，每個(gè)參數(shù)量的模型所需的計(jì)算資源也各不相同，這里我總結(jié)了一份這7個(gè)模型各自所需的配置，供參考。其中，deepseek-r1:1.5b僅靠CPU也能跑起來，不放心的可以先從這個(gè)最小的模型玩起。

打開終端，輸入下面這行代碼下載模型。注意，把代碼里的“1.5b”替換成你想要安裝的模型，比如“7b”，“8b”。

# 入門推薦（1.5B，資源占用最低）
ollama pull deepseek-r1:1.5b

下載進(jìn)度顯示100%即完成，1.5B模型大小約1.1GB，7B模型大約4.7GB，8B為4.9GB。因?yàn)橄螺d速度受限，我這里以1.5B模型為例。

安裝完成后會(huì)自動(dòng)進(jìn)入模型會(huì)話模式，意味著你已經(jīng)可以開始和你的專屬模型聊天了！

比如下面這樣。

• 測試：你誰啊

• 回答：您好！我是由中國的深度求索（DeepSeek）公司開發(fā)的智能助手DeepSeek-R1。如您有任何任何問題，我會(huì)盡我所能為您提供幫助。

其實(shí)到這里，整個(gè)本地部署的過程就已經(jīng)完成了，是不是超級簡單，有手就行！

但這還只是第2步，接下來還有第3步。為什么？因?yàn)?strong>圖形界面！總不能讓小伙伴們一直在終端里使用DeepSeek-R1吧，我們需要一個(gè)客戶端。

第3步：在Chatbox里使用本地部署的模型

https://chatboxai.app/zh

之前在《DeepSeek R1 個(gè)人知識庫，直接起飛！》介紹過了第三方客戶端Cherry Studio，今天趁著這個(gè)機(jī)會(huì)介紹另一款也很好用的客戶端：Chatbox。

相比Cherry Studio，Chatbox支持的客戶端類型更多更全，從桌面客戶端到手機(jī)app，都支持。按照上面的Chatbox官網(wǎng)鏈接下載安裝即可。

接下來重點(diǎn)講怎么把部署在本地電腦上的DeepSeek-R1集成到Chatbox里使用。

打開Chatbox，點(diǎn)擊左下角的設(shè)置，在模型提供方里找到Ollama API。API連接點(diǎn)直接用默認(rèn)的http://localhost:11434，然后選擇你安裝好的DeepSeek-R1模型，比如我這里就是deepseek-r1:1.5b。最后點(diǎn)擊保存，大功告成。

設(shè)置好，就可以和你自己部署的模型聊起來了！

寫在最后

小參數(shù)模型的優(yōu)勢是需要的算力資源小，便于本地部署使用；但隨之而來的是推理能力的“驟降”。比如下面這樣。

再嘗試一次，雖然能回答了，但答案屬實(shí)很離譜。

寫文章的過程中，我又下載安裝了一個(gè)7B版本的DeepSeek-R1，思考比1.5B好了不少，但仍然回答不對“平頭哥問題”。

所以，如果想要進(jìn)行比較復(fù)雜的任務(wù)，比如科研、數(shù)學(xué)、代碼等等，還是去尋求滿血版DeepSeek-R1的API服務(wù)更合適。

如果只是進(jìn)行一些普通任務(wù)，或者對數(shù)據(jù)隱私和數(shù)據(jù)安全有很高的要求，那么毫無疑問，本地部署更合適。

我是木易，一個(gè)專注AI領(lǐng)域的技術(shù)產(chǎn)品經(jīng)理，國內(nèi)Top2本科 美國Top10 CS碩士。

相信AI是普通人的“外掛”，致力于分享AI全維度知識。這里有最新的AI科普、工具測評、效率秘籍與行業(yè)洞察。