🚀 DeepSeek 本地部署保姆级教程

本文手把手教你如何实现 DeepSeek 大模型的本地部署，涵盖 软件准备、操作步骤、下载链接 及 避坑指南，助你轻松玩转本地 AI！✨

1. 部署前准备

📋 硬件与软件要求

类别	最低配置	推荐配置
CPU	4 核以上	多核高性能 CPU（如 Intel i7/i9）
GPU	支持 CUDA 的 NVIDIA 显卡	NVIDIA A100/H100 或 RTX 4090
内存	16GB	32GB 及以上
存储	50GB 空闲空间	NVMe SSD 或高速硬盘
系统	Windows 10/11 或 Ubuntu 20.04	Ubuntu 22.04 LTS
其他	Python 3.8+	Docker 环境（可选）

💡 提示：

普通笔记本建议部署 1.5B~7B 参数的小模型，大模型需高端 GPU 支持:cite[10]。

企业级应用推荐使用 多卡 GPU 服务器（如 4 卡 NVIDIA A100）:cite[10]。

2. 基础环境配置

🛠️ 必要软件安装

Python 环境
- 下载地址：Python 官网
- 安装时勾选 Add Python to PATH，完成后验证：
  1
  python --version # 应显示 3.8+
CUDA 与 cuDNN（仅 GPU 用户）
- CUDA 12.2：NVIDIA 官网下载
- cuDNN 8.9：注册后下载
Git 工具
- 下载地址：Git 官网

3. 一键安装包部署（推荐新手）

📥 下载安装包

Windows/Mac 一键包：Quark 网盘下载（含预配置环境）:cite[5]。

Linux 脚本：

  wget https://ollama.com/download/ollama-linux-amd64
  chmod +x ollama-linux-amd64
  sudo ./ollama-linux-amd64

### 🚀 部署步骤

1. **解压安装包**

   ```bash
   unzip deepseek-local.zip && cd deepseek-local

启动安装脚本
- Windows：双击 install.bat
- Linux/Mac：
  1
  chmod +x install.sh && ./install.sh
选择模型版本
- 根据硬件选择参数规模（推荐 7B 或 13B）。

完成验证

1	python test_deployment.py # 输出 "Hello, DeepSeek!" 即成功

4. 手动部署（进阶用户）[PS：命令窗口执行(win + r 输入cmd即可)]

📦 使用 Ollama 工具

安装 Ollama
- 官网下载：Ollama 官网
- 验证安装：
  1
  ollama --version

下载 DeepSeek 模型

1	ollama pull deepseek-r1 # 默认下载 7B 版本:cite[6]

启动模型服务
1
ollama run deepseek-r1

🔧 高级配置（可选）

多 GPU 并行：

1	export CUDA_VISIBLE_DEVICES=0,1 # 指定 GPU 编号

内存优化：
修改 config.yaml 中的 batch_size 和 max_seq_len 参数。

5. 可视化界面配置

🌈 使用 Chatbox（推荐）

下载安装
- 官网地址：Chatbox 官网
- 支持 Windows/Mac/Linux。
连接本地模型
- 设置 → API 类型选择 Ollama → 输入地址 http://localhost:11434。
功能体验
- 文件分析：上传 PDF/TXT 文件直接提问
- 联网搜索：开启侧边栏的 Web Search 开关。

🌐 浏览器插件 Page Assist

安装插件
- Chrome 商店：Page Assist 扩展
配置本地 API
- 设置 → 绑定 http://localhost:11434 → 启用 DeepSeek-R1。

6. 注意事项与常见问题

⚠️ 避坑指南

模型选择
- 普通 PC 建议使用 7B 版本，67B 需至少 32GB 内存11。
性能优化
- 关闭不必要的后台程序，优先使用 Linux 系统。
错误处理
- CUDA 内存不足：减小 batch_size 或使用 CPU 模式。
- 响应延迟：升级 GPU 驱动或使用量化模型。