--- theme: channing-cyan highlight: a11y-dark ---

# DeepSeek本地部署记录近年来，随着大模型技术的快速发展，以DeepSeek为代表的智能体模型在自然语言处理、数据分析及自动化决策等领域的应用愈发广泛。尽管云端服务提供了便捷的模型调用方式，但在实际业务场景中，本地化部署的需求日益凸显——无论是出于数据隐私保护、定制化功能开发，还是对离线环境稳定性的要求，将DeepSeek部署至本地服务器或私有化环境已成为许多企业与开发者探索的重要方向。本文将系统记录DeepSeek模型的本地部署全流程，涵盖环境配置、模型优化、接口对接等关键技术细节，并结合实际应用案例，探讨其在企业级场景中的落地实践与挑战，旨在为相关领域的技术人员提供一份可复用的经验参考，助力大模型技术的高效应用与深度适配。 ## 部署机型 1. 设备： MacBook Pro 2. 系统： 14.5 (23F79) 3. 内存存储： 16 + 512 ## Ollama Ollama 是一个本地运行的 **AI 大模型管理工具**，可以让你在本地设备（如 Mac、Linux、Windows）上下载、运行和管理各种 **开源大语言模型** 官网： * 安装

* 检测是否安装成功

## DeppSeek r1 我们在ollama官网的models里面选择DeepSeek r1，会出现很多中不同的版本，下面我让ai整理一下对应版本推荐的配置。

* 安装我选择安装的是7b这个版本，命令是 ollama pull deepseek-r1:7b，在终端控制台输入回车即可

* 运行 ollama run deepseek-r1:7b

- 关闭输入命令 /bye

## 写在最后通过本文的实践，我们成功在本地部署了 DeepSeek，并探索了其在 MacBook Pro 上的运行情况。从环境配置、模型下载到实际运行，我们验证了 Ollama 在管理本地 AI 大模型方面的便捷性。同时，DeepSeek 的私有化部署为企业和开发者提供了更高的灵活性和数据安全性，使其能够在离线环境或定制化需求下高效运行。当然，在实际应用中，仍需考虑硬件性能、模型优化及推理效率等问题，以确保更好的使用体验。希望本篇文章能为你在本地部署 AI 模型的过程中提供有价值的参考！