DeepSeek R1 本地安装部署（保姆级教程）-CSDN博客

许多外国开发者已经利用DeepSeek打造了各种应用级项目。如果你也有兴趣使用DeepSeek，这将使你能够轻松掌握人工智能这一复杂的概念。如果你将DeepSeek部署在自己的电脑上，你就能创建并训练属于你自己的AI数据库。

今天我们将带你一步步了解，如何在本地环境中部署DeepSeek，支持Mac、Windows和Linux系统。整个过程简单易懂，特别适合入门者。

一、什么是DeepSeek

DeepSeek R1 是一款开源的AI模型，它与 OpenAI 的 o1 和 Claude 3.5 Sonnet 等顶级模型竞争，特别是在数学、编程和推理等任务上表现出色。它是免费的、私密的，并且支持在本地硬件上离线运行。

DeepSeek R1 提供了多个版本，涵盖从轻量级的1.5B参数模型到功能强大的70B参数版本。从技术角度来看，它基于 Qwen 7B 架构，经过精简和优化，确保在保持强大性能的同时，提升了运行效率。

DeepSeek 的最大亮点是，它能够与一些领先的商业AI模型相媲美，但作为开源项目，你可以在本地运行它，完全不依赖云服务器，从而更好地掌控你的数据。

二、为什么要在本地运行？

将AI模型部署在本地有以下几个显著优势：

隐私保护：所有数据都存储在你的设备上，避免了敏感信息泄露的风险。
成本节省：DeepSeek R1 完全免费，无需支付订阅或使用费用。
完全控制：你可以随时对模型进行微调和实验，不依赖任何外部平台。

三、硬件要求

部署DeepSeek对电脑硬件有要求，以下是收集的信息：

（1）MAC

（2）Windows

考虑到每个人的硬件配置各异，如果按照高端配置来编写 DeepSeek 的本地安装教程，很多人可能无法顺利运行，反而浪费了大家的时间，那这样的教程就失去了意义。

因此，我们参考了 Quora、Reddit、Substack、知乎和 CSDN 上的多位专家的安装经验，选择了一个硬件要求最低、甚至可以使用 CPU 运行的 R1 版本进行演示。

四、安装步骤

步骤1、安装Ollama

为了在本地成功运行 DeepSeek R1，我们需要借助 Ollama，它是一个专为在本地计算机上运行AI模型而设计的工具。

Ollama 官网：https://ollama.com/download

下载Ollama后，根据以下步骤安装：

安装完成后，Ollama 提供了一个简单的方法，可以直接通过终端提取并运行模型。

步骤2、拉取 DeepSeek R1 模型

Ollama 支持多个版本的 DeepSeek R1。模型越大，智能程度越高，但所需的 GPU 配置也越强。

以下是可选的版本：

1.5B（最小版本）
8B
14B
32B
70B（最大、最智能）

具体模型：https://ollama.com/search

本教程将安装一个基础级模型，大家可以根据自己的硬件条件选择适合的版本。

由于 Ollama 部署的是量化版本，这使得显存需求大幅降低。通常情况下，8G 显存足够支持 8B 级别模型，而 24G 显存则适配 32B 模型。

如果你只有集成显卡，仍然想试试，可以下载 lm-studio 软件，它内置了模型下载功能，更加适合新手。

运行 1.5B 或者 7B 模型

打开终端：
- Mac：使用 Command + Space 打开 Spotlight，输入 “Terminal” 并打开。
- Windows：按 Win + R，在运行框中输入 “cmd”；或者按 Win + X，选择“Windows PowerShell”或“命令提示符”来打开终端窗口。
运行以下指令：
```
ollama run deepseek-r1:1.5b
```
这个命令会提取 1.5B 模型并将其设置为本地运行。

如果出现错误，可以尝试以下指令：
```
ollama run deepseek-r1
```
该命令默认下载 7B 大小的模型。

根据网络速度的不同，下载过程可能会有些慢，如果你的网速较慢，可能需要等待约 20 分钟左右。

一旦下载完成，模型就可以开始运行了。

步骤3、安装聊天框

完成上述步骤后，说明你已经在电脑上成功部署了 DeepSeek，可以通过终端与 DeepSeek R1 进行交互。不过，如果你希望拥有更加流畅和直观的交互体验，可以使用 GUI（图形用户界面）。

一般来说，Chatbox 是与本地模型集成的常见工具，它是一个免费的桌面客户端，注重隐私保护。

你可以从以下链接下载 Chatbox：

官网：https://chatboxai.app/en#

安装完成后，在选择配置API模型那里选择“Ollama API”；

将 API 主机设置为：http://127.0.0.1:11434

选择 DeepSeek R1 作为活动模型

保存

完成后就是这样：

到这里，你的 DeepSeek 部署就完成了。你可以根据自己的需求训练 DeepSeek，将其打造成为一个私有的资料库，随时为你提供支持。

五、演示

你可以测试 DeepSeek 的能力，看看它如何处理任务。例如，尝试让它用 Python 编写一个吃豆人的游戏代码。

Prompt: Make a Pac-Man game in Python.

你将得到类似以下的输出：

import pygame
import random

# Initialize Pygame
pygame.init()

# Game window dimensions
WIDTH = 800
HEIGHT = 600
window = pygame.display.set_mode((WIDTH, HEIGHT))
pygame.display.set_caption(“Pac-Man Game”)

# Colors
BLACK = (0, 0, 0)
WHITE = (255, 255, 255)
RED = (255, 0, 0)

# Pac-Man properties
pacman_size = 20
speed = 3

# Directions: up, down, left, right
directions = [(-1, 0), (1, 0), (0, -1), (0, 1)]

# Game clock
clock = pygame.time.Clock()

# Initialize game loop
running = True

while running:
# Fill the window with black color
window.fill(BLACK)

# Clear previous frames
pygame.display.flip()

# Move Pac-Man
for event in pygame.event.get():
if event.type == pygame.QUIT:
running = False
elif event.type == pygame.KEYDOWN:
key_direction = None

   if event.key == pygame.K_UP and pacman_y - pacman_size >= 0:
     key_direction = (-1, 0)
   elif event.key == pygame.K_DOWN and pacman_y + pacman_size <= HEIGHT:
     key_direction = (1, 0)
   elif event.key == pygame.K_LEFT and pacman_x - pacman_size >= 0:
     key_direction = (0, -1)
   elif event.key == pygame.K_RIGHT and pacman_x + pacman_size <= WIDTH:
     key_direction = (0, 1)
   
   if key_direction is not None:
     direction = key_direction
     move_count += 1
     
     \# Check for wall collisions
     new_pacman_pos = (pacman_x + direction[0] * move_count,
             pacman_y + direction[1] * move_count)
     
     if new_pacman_pos in walls:
       continue
       
     pacman_x, pacman_y = new_pacman_pos

# Draw Pac-Man
pygame.draw.circle(window, WHITE, (pacman_x, pacman_y), pacman_size)

# Update the display
pygame.display.flip()

# Limit the frame rate to 60 FPS
clock.tick(60)

# Quit Pygame
pygame.quit()

以上就是今天的全部教程。无论你是 AI 爱好者、开发者，还是只是对本地 AI 感到好奇，都可以尝试一下 DeepSeek R1。通过使用 Ollama 和 Chatbox 等工具，设置过程非常简单，效果也非常出色。希望这篇教程能帮助你更好地掌握和体验 DeepSeek！

DeepSeek无疑是2025开年AI圈的一匹黑马，在一众AI大模型中，DeepSeek以低价高性能的优势脱颖而出。DeepSeek的上线实现了AI界的又一大突破，各大科技巨头都火速出手，争先抢占DeepSeek大模型的流量风口。

DeepSeek的爆火，远不止于此。它是一场属于每个人的科技革命，一次打破界限的机会，一次让普通人也能逆袭契机。

DeepSeek的优点

read-normal-img

掌握DeepSeek对于转行大模型领域的人来说是一个很大的优势，目前懂得大模型技术方面的人才很稀缺，而DeepSeek就是一个突破口。现在越来越多的人才都想往大模型方向转行，对于想要转行创业，提升自我的人来说是一个不可多得的机会。

关于AI大模型技术储备

学好 AI大模型不论是就业还是在工作技能提升上都不错，但要学会 AI大模型还是要有一个学习规划。最后大家分享一份全套的 AI大模型学习资料，给那些想学习 AI大模型的小伙伴们一点帮助！

感兴趣的小伙伴，赠送全套AI大模型学习资料和安装工具，包含Agent行业报告、精品AI大模型学习书籍手册、视频教程、最新实战学习等录播视频，具体看下方。

需要的可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

在这里插入图片描述