★ FEATURED ARTICLE 简介这份PDF教程面向希望在个人电脑上搭建私有AI环境的开发者与小型企业用户重点解决DeepSeek本地部署中安装路径受限、配置门槛高的问题。教程以ollama为运行基础完整覆盖环境变量修改、模型存储位置迁移、访问权限开放与防火墙端口放行等关键环节并给出1.5b至70b不同规模模型的安装命令与硬件选型建议最后借助Chatbox将命令行交互升级为可视化聊天界面兼顾数据安全与使用便利。资源包共1个PDF文件约802KB篇幅精炼但步骤完整适合作为一次性配置手册随查随用。目前已有1531人学习对于想低成本体验本地大模型、又缺乏运维经验的新手而言具备较强的实操参考价值。1. 本地跑 DeepSeek为什么我劝你先别急着装模型上周有个做后端的朋友找我说想在自己那台 16GB 内存的笔记本上跑个私有 AI问我是不是得先买张显卡。我让他先别下单打开命令行敲了三条命令二十分钟后他已经在浏览器里跟模型聊上了。这件事让我意识到很多人对「本地部署 DeepSeek」的想象还停留在需要一堆 CUDA 配置和显存计算的阶段实际上用 Ollama 这套方案门槛已经低到一台普通 Windows 机器就能起步。这份教程解决的就是这件事把 DeepSeek-R1 装到你自己的电脑上模型文件放非 C 盘配一个可视化聊天界面全程不碰命令行也能用。适合两类人——一类是对数据隐私有要求、不想把文档传到在线服务的从业者另一类是手里有台闲置机器、想先跑通再决定要不要投入更多硬件的新手。下面我按自己实际拆装的顺序把每一步的参数、坑和验证方法讲清楚。2. 装 Ollama 之前路径、端口和环境变量怎么定Ollama 的角色类似一个模型运行时你给它一个模型名它负责下载权重、加载推理、暴露本地接口。Windows 安装包默认把程序装进 C 盘用户目录模型文件也默认落在 C 盘这是第一个必须提前处理的问题——DeepSeek-R1 的 7B 量化版本解压后接近 5GB14B 要十几 GBC 盘空间不够会直接卡在下载中途。2.1 三个环境变量的作用与取值安装完 Ollama 后先别急着拉模型打开系统环境变量设置在用户变量里加三条。这三条分别控制模型存储位置、跨域访问和监听地址缺一条后面 Chatbox 就连不上。变量名建议值作用OLLAMA_MODELSD:\ollama\models模型权重落盘位置改到非系统盘OLLAMA_ORIGINS*允许浏览器端跨域请求本地接口OLLAMA_HOST0.0.0.0:11434监听所有网卡端口保持默认设置完记得在 D 盘手动建好对应文件夹变量值里的路径必须真实存在否则 Ollama 启动时会静默回退到默认目录你以为改成功了其实没有。改完环境变量必须重启电脑只重启 Ollama 进程不够Windows 的服务启动时机早于用户变量加载这是很多人配完发现不生效的直接原因。2.2 防火墙放行 11434 端口Ollama 默认监听 11434Windows 防火墙默认会拦入站连接。搜索「高级安全 Windows Defender 防火墙」进「入站规则」新建规则选端口、TCP、特定本地端口填 11434动作选允许连接配置文件三个都勾上命名随意。这一步不做的话本机命令行能跑但 Chatbox 走 HTTP 请求会被挡表现就是界面里模型列表一直空着。提示如果你改过 OLLAMA_HOST 的端口号防火墙规则里的端口要同步改两边不一致是最常见的「明明配了却连不上」。2.3 验证 Ollama 是否真的按你的配置在跑重启后在命令行执行下面几条逐条看返回不要只看第一条有输出就以为万事大吉。# 确认 ollama 可执行且服务在运行 ollama --version # 查看当前生效的模型目录应指向你设置的 D 盘路径 ollama list # 确认监听地址和端口 netstat -ano | findstr 11434ollama list在还没拉模型时返回空表是正常的但它能正常返回就说明服务起来了。netstat那条要看到0.0.0.0:11434处于 LISTENING如果显示的是127.0.0.1:11434说明 OLLAMA_HOST 没生效回去检查变量名有没有拼错、是否加在了系统变量而非用户变量、以及有没有重启。3. 拉取 DeepSeek-R1模型规格怎么选、命令怎么下模型规格的选择直接决定体验。教程里给的 1.5B 到 70B 是参数量参数量越大推理能力越强但对内存和显存的要求也越高。量化后的模型文件大小大致是参数量的 0.6 到 0.7 倍 GB 数也就是说 7B 大约 4 到 5GB14B 大约 9 到 10GB32B 要 20GB 上下。这里有个血泪经验模型能不能跑起来看的是可用内存加显存的总和不是单看显存Ollama 会自动做 CPU 与 GPU 的混合卸载但卸载到 CPU 的部分速度会明显下降。3.1 按硬件配置对号入座模型规格文件体积参考内存建议实际体验deepseek-r1:1.5b约 1.1GB8GB 可跑响应快复杂推理偏弱deepseek-r1:7b约 4.7GB16GB 流畅日常问答够用deepseek-r1:8b约 5GB16GB 略卡与 7B 差距不大deepseek-r1:14b约 9GB32GB 推荐推理质量明显提升deepseek-r1:32b约 20GB64GB 或大显存消费级机器偏吃力16GB 内存的机器我一般建议先上 7B8B 在同内存下会稍显卡顿两者能力接近没必要为了版本号硬上。存储盘至少留出模型体积两倍的空间下载过程有临时文件空间刚好卡线容易失败。3.2 下载与首次运行# 拉取并直接进入对话首次会自动下载权重 ollama run deepseek-r1:7b # 如果只想下载不进入对话用 pull ollama pull deepseek-r1:7b # 查看已安装模型及其精确名称 ollama listollama run第一次执行会显示下载进度条走完后出现Send a message (/? for help)就说明模型加载成功可以直接输入问题。这里有个容易翻车的点ollama list里显示的名称可能带后缀比如deepseek-r1:7b后面跟一串哈希后续在 Chatbox 里选模型或者写脚本调用时要用list里完整显示的那个名字照抄不要自己简写。注意下载中断后重新执行ollama run会续传但如果中途改过 OLLAMA_MODELS已下载的部分会留在旧目录新目录里重新从零开始白白浪费流量。3.3 命令行下的基本用法与退出进入对话后直接打字提问/?看帮助/bye退出。多行输入用三个双引号包裹。这个命令行界面适合验证模型是否正常不适合日常使用——不能方便地复制长回答也没法管理多轮会话历史所以下一步要接图形界面。4. 接上 Chatbox可视化界面配置与联调排查Chatbox 是一个本地客户端通过 HTTP 调用 Ollama 暴露的接口把命令行交互换成聊天窗口。安装时有个细节教程里提到了但我再强调一遍安装向导里选「所有用户」而不是「仅为我安装」后者会把程序装进当前用户目录换账户登录后找不到也影响后续可能的服务化调用。4.1 配置本地模型连接启动 Chatbox 后选「使用自己的 API Key 或本地模型」模型提供方选 Ollama API。地址栏填http://127.0.0.1:11434如果你改过端口就换成实际端口。点「重置」或「获取模型列表」正常情况下下拉框里会出现ollama list里的模型名选中保存即可。API 类型Ollama API 接口地址http://127.0.0.1:11434 模型名称deepseek-r1:7b与 ollama list 输出一致保存后进入聊天界面发一句「你好」测试。第一次响应会慢几秒因为模型要从磁盘加载进内存之后常驻会快很多。如果模型下拉框为空按这个顺序排查Ollama 进程是否在跑、netstat是否监听 0.0.0.0、防火墙 11434 是否放行、OLLAMA_ORIGINS 是否为*。这四步覆盖了九成以上的连接失败。4.2 文档上传与本地检索的边界Chatbox 支持上传文档、图片、网页链接做对话。需要说清楚的是文档上传后的处理是在客户端侧做文本提取再拼进上下文受模型上下文窗口限制超长文档会被截断不是真正的向量检索。拿它分析一份几十页的 PDF靠后的内容可能根本没进模型视野。要处理长文档得另配检索方案这已经超出这份教程的范围但知道这个边界能避免你对结果产生错误预期。4.3 每次使用前的前置检查Chatbox 本身不启动 Ollama它只是个客户端。电脑重启后 Ollama 服务可能没自动起来表现就是 Chatbox 里发消息一直转圈或报连接错误。习惯做法是每次开工前先在命令行敲一下ollama list有返回就说明服务在没有就手动启动 Ollama 再开 Chatbox。这个动作花三秒能省掉一堆「昨天还好好的今天怎么坏了」的困惑。5. 避坑清单五个我实际踩过的坑现象环境变量配完模型还是下到了 C 盘。原因变量加在了系统变量区但当前用户变量区有同名旧值或者路径文件夹不存在导致回退。解决用户变量和系统变量都检查一遍确保 D 盘目录已手动创建改完重启而非只重启进程。现象Chatbox 模型列表始终为空。原因防火墙没放行 11434或 OLLAMA_HOST 仍是默认的 127.0.0.1。解决netstat确认监听地址防火墙入站规则补上 TCP 11434三个配置文件全勾。现象模型能跑但回答到一半卡死。原因内存不足触发频繁换页Ollama 在 CPU 和 GPU 之间反复卸载。解决换小一号的模型或关闭其他占内存的程序任务管理器里看提交内存是否接近上限。现象下载到 90% 失败重试又从零开始。原因中途改过 OLLAMA_MODELS 或磁盘空间不足导致临时文件被清。解决确认目标盘剩余空间大于模型体积两倍下载期间不要动环境变量。现象Chatbox 上传长文档回答只覆盖开头部分。原因上下文窗口截断不是检索增强。解决把文档拆成小段分批提问或对关键段落单独提问不要指望一次喂完整本。6. 进阶用 API 把本地模型接进自己的脚本图形界面适合聊天但如果你想把本地 DeepSeek 嵌进自己的工具链——比如批量处理文本、做自动化摘要——直接调 Ollama 的 HTTP 接口更灵活。它兼容 OpenAI 风格的/api/chat端点用 Python 的 requests 几行就能跑通。import requests, json # 本地 Ollama 默认接口模型名与 ollama list 输出保持一致 url http://127.0.0.1:11434/api/chat payload { model: deepseek-r1:7b, messages: [ {role: user, content: 用三句话解释什么是量化} ], stream: False # 关闭流式一次性拿完整结果便于程序处理 } resp requests.post(url, jsonpayload, timeout120) data resp.json() print(data[message][content])stream设为 False 时接口等模型生成完再返回适合脚本批处理设为 True 会逐块返回适合做打字机效果。timeout要给足7B 模型在纯 CPU 上生成几百字可能要几十秒超时设太短会误判为失败。批量调用时注意串行发送Ollama 对并发请求的处理是排队同时发多个反而更慢。验证接口是否通可以先curl http://127.0.0.1:11434/api/tags看返回的模型列表能拿到 JSON 就说明服务正常再跑上面的脚本。这套接口也是很多本地 AI 工具对接 Ollama 的通用方式摸清一次后面换任何前端都能自己接。从那以后我每次帮人配本地模型都强制先跑一遍「环境变量—端口监听—接口连通」这三步验证再谈模型效果。顺序反了后面所有问题都会混在一起分不清是配置错还是模型弱。希望帮到你。本文还有配套的精品资源点击获取
阅读完成 · 觉得有帮助？
