如何在 Visual Studio Code 中免费使用 DeepSeek R1，搭配 Cline 或 Roo Code

如何在 Visual Studio Code 中免费使用 DeepSeek R1，搭配 Cline 或 Roo Code

如果你正在寻找一款推理能力出色且完全免费（开源）的人工智能模型，那么新推出的 DeepSeek R1 绝对值得一试！它在性能上可以与 GPT-4、o1-mini、Claude 3.5 等模型一较高下，甚至在某些方面表现得更好。我亲自测试过，对其表现赞不绝口！

如果你想直接在 Visual Studio Code 中将其作为类似 GitHub Copilot 的代码助手使用，而且完全免费，那就跟着我一起看看如何通过 LM Studio、Ollama 和 Jan 等工具来实现吧！

DeepSeek R1 为何如此受关注？

• 免费且开源：与许多收费高昂的模型不同，你可以免费使用它，甚至可以通过 chat.deepseek.com 进行聊天。
• 性能卓越：在逻辑推理、数学计算以及代码生成（这是我最喜欢的部分）等任务中，它不仅能够与其它模型竞争，还常常表现得更为出色。
• 多种版本可选：为了在本地运行（LLM），DeepSeek R1 提供了从 1.5B 到 70B 参数的不同模型版本，你可以根据自己的硬件配置选择最适合的版本。
• 易于集成：你可以通过 Cline 或 Roo Code 等扩展轻松将其连接到 VSCode。
• 零成本：如果选择在本地运行，你无需支付任何代币或 API 费用。不过，建议使用显卡来运行，因为仅依靠 CPU 会比较慢。

开始之前的重要提示

• 节省资源：如果你的电脑性能不够强大，建议选择较小的模型（如 1.5B 或 7B 参数）或量化版本。
• 计算所需内存：使用 LLM Calc 来计算你需要的最小内存。
• 隐私保护：在本地运行意味着你的数据会保留在本地电脑上，不会发送到外部服务器。
• 免费运行：在本地运行是完全免费的，但如果想使用 DeepSeek API，则需要购买代币。好消息是，它的价格远低于竞争对手。

如何选择适合你的 DeepSeek R1 模型？

DeepSeek R1 提供了多个版本，具体选择取决于你的硬件配置：

• 1.5B 参数：

  • 所需内存：约 4 GB。
  • 显卡：集成显卡（如 NVIDIA GTX 1050）或现代 CPU。
  • 适用场景：简单任务和性能一般的电脑。

• 7B 参数：

  • 所需内存：约 8-10 GB。
  • 显卡：独立显卡（如 NVIDIA GTX 1660 或更高）。
  • 适用场景：中级任务和性能较好的电脑。

• 70B 参数：

  • 所需内存：约 40 GB。
  • 显卡：高端显卡（如 NVIDIA RTX 3090 或更高）。
  • 适用场景：复杂任务和性能强大的电脑。

如何在本地运行 DeepSeek R1？

1. 使用 LM Studio

• 下载并安装 LM Studio：访问 LM Studio 官网，下载适合你系统的版本。
• 下载 DeepSeek R1 模型：在 LM Studio 中，前往 Discover 选项卡，搜索 “DeepSeek R1”，并选择与你的系统最兼容的版本。如果你使用的是配备苹果处理器的 MacBook，请在搜索栏旁边保持 MLX 选项启用（这些版本针对苹果硬件进行了优化）。对于 Windows 或 Linux 系统，则选择 GGUF 选项。
• 加载模型：下载完成后，前往 Local Models，选择 DeepSeek R1，并点击 Load。
• 启动本地服务器：在 Developer 选项卡中，启用 Start Server。它将在 http://localhost:1234 上运行模型。
• 继续下一步：集成到 VSCode！

2. 使用 Ollama

• 安装 Ollama：从 Ollama 官网下载并安装。

• 下载模型：在终端中运行以下命令：

  bash复制

  ollama pull deepseek-r1
  

  如果你需要较小的模型版本，请访问 ollama.com/library/dee…，查看终端中需要运行的具体命令。

• 启动服务器：在终端中执行以下命令：

  bash复制

  ollama serve
  

  该命令将在 http://localhost:11434 上运行模型。

• 继续下一步：集成到 VSCode！

3. 使用 Jan

• 下载并安装 Jan：在 Jan 官网选择适合你系统的版本进行下载和安装。
• 下载模型：我没有在 Jan 中直接找到 DeepSeek R1，于是前往 Hugging Face 网站，手动搜索 “unsloth gguf deepseek r1”。找到所需的版本后，点击 “Use this model” 按钮并选择 Jan 作为选项。模型会自动在 Jan 中打开，然后我进行了下载。
• 加载模型：下载完成后，选择该模型并点击 Load。
• 启动服务器：Jan 会自动启动服务器，通常运行在 http://localhost:1337 上。
• 继续下一步：集成到 VSCode！

4. 集成到 VSCode

• 安装扩展：在 VSCode 中，打开扩展选项卡并安装 Cline 或 Roo Code。

• 为 Jan 或 LM Studio 配置扩展：Cline 和 Roo Code 的配置几乎完全相同。请按照以下步骤操作：

  • 点击扩展并进入 “Settings” 。
  • 在 API Provider 中，选择 “LM Studio” 。
  • 在 Base URL 字段中，输入你在 Jan 或 LM Studio 中配置的 URL。
  • 如果你只下载了一个模型，Model ID 字段将自动填充。否则，请手动选择你下载的 DeepSeek 模型。
  • 最后点击 “Done” 。

• 为 Ollama 配置扩展：

  • 点击扩展并进入 “Settings” 。
  • 在 API Provider 中，选择 “Ollama” 。
  • 在 Base URL 字段中，输入你在 Ollama 中配置的 URL。
  • 如果你只下载了一个模型，Model ID 字段将自动填充。否则，请手动选择你下载的 DeepSeek 模型。
  • 最后点击 “Done” 。

集成完成，现在你可以尽情享受 Cline 或 Roo Code 的强大功能了！

结语

对于那些希望免费使用强大人工智能的开发者来说，DeepSeek R1 绝对是一个救星。通过 LM Studio、Ollama 或 Jan，你可以轻松地在本地运行它，并直接将其集成到 Visual Studio Code 中。选择适合你电脑的模型版本，立刻开始使用吧！