【大模型】Ollama 本地部署DeepSeek模型，并通过ChatBox调用

### 本地环境通过Ollama调用DeepSeek API或服务 #### 环境准备和服务端部署 为了在本地环境中使用Ollama来调用DeepSeek，首先需要确保已正确安装并配置好Ollama。对于Linux系统而言，可以通过执行命令`curl -fsSL https://ollama.ai/install.sh | sh`完成Ollama的安装过程[^1]。 接着，为了让其他设备能够远程访问到该服务，需编辑Ollama的服务文件以设置监听地址。这一步骤可通过运行`sudo systemctl edit ollama.service`来进行必要的修改。 #### 集成Web UI工具 推荐采用诸如Chatbox或者Open WebUI之类的前端界面工具连接至已经启动好的Ollama实例。这些工具通常只需要简单的网络配置就能工作，比如指向`http://localhost:11434`作为默认入口点去建立与后台服务器之间的通信桥梁[^2]。 #### Python客户端代码示例 除了图形化操作外，还可以利用编程方式发起请求给DeepSeek模型。下面给出了一段Python脚本用于演示如何发送消息并通过API获取回复： ```python from openai import OpenAI client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.deepseek.com") response = client.chat.completions.create( model="deepseek-chat", messages=[ {"role": "system", "content": "You are a helpful assistant"}, {"role": "user", "content": "Hello"} ], stream=False ) print(response.choices[0].message.content) ``` 此段代码展示了怎样初始化一个OpenAI类型的对象，并指定目标URL为DeepSeek官方提供的API网关；随后构建了一个对话列表传递给创建聊天补全的方法，最终打印出由模型产生的响应文本[^3]。