原文链接：www.oddmeta.net/archives/98
一、说在前面
今天有一个朋友在一个群里提到了N年前经常用的一个软件：UC浏览器，一个子勾起了当年无数的回忆。于是又让我想起来今年过年、在家里无聊时安装的这个最低配的Deepseek版本。晚上在家无的事事，那就把我当初安装时写的笔记稍作整理，放出来跟大家分享一下。 特别说明：这个百无禁忌版本的Deepseek是为了让大家能体验到原汁原味的大模型的输出，不是让你去做坏事的哈，并且这个东西只可自己学习时用，不可对外提供接口，因为这是违反国家政策的。不过另外一句话来讲，事实上有许多东西都是：我可能一辈子都不会去用，但是我不能没有它（卖保险的同学听到这句话，一下子泪目，您说的太对了，明天咱们聊聊？）。
安装要求： 1、操作系统：据说Windows Family版本会有一些问题，但是我没试过。不太清楚什么情况。当然，如果是Linux操作系统，那只要你更新到新一点的版本，随便哪个发行版都不会有问题。 2、硬盘要求：
- Hardcore模式（命令行模式）：单Ollama需要5G左右的，Deepseek模型文件如果你选的是8B的版本，算上一些杂七杂八的大概也需要5G左右（如果是70B版本则至少42G，具体可以在Ollama官网下载模型的地方看到），若以8B版本算的话，共10G。
- 界面模式：需要安装Docker，Open WebUI等等，在前面的10G基础上再加5G，共15G。 3、建议配置
| 版本 | 内存 | CPU | 显卡 | 适用场景 |
|---|---|---|---|---|
| 1.5B | 8GB+ | i5/Ryzen 5 | 集成显卡或低端独显 | 基础对话、简单文本生成 |
| 7B/8B | 16GB+（建议24GB） | i7/Ryzen 7 | RTX 3060及以上 | 通用对话、代码生成 |
| 14B | 32GB+ | i9/Ryzen 9 | RTX 3080/4070 | 长文本推理、专业应用 |
| 32B | 64GB+ | 高性能多核服务器 | 双卡专业级GPU | 科研计算、复杂检索 |
| 70B | 128GB+ | 服务器级多核系统 | 多卡GPU集群 | 企业级私有化部署 |
看完这些要求后，如果你的电脑满足要求，那你可以考虑继续往下看，如果不满足要求，那就不要浪费你自己的时间了。
以下是我的电脑配置，我选择的是8B，但是出字速度不太行。
二、安装Ollama
官网下载频道：ollama.com/download ，不过实际的下载地址还是指向了github，所以不能科学上网的同学那下载的会比较郁闷，因为整个包有1G左右。当然也可以找度娘的网盘。
下载下来后，就直接默认安装即可。
安装完了会自动跳出来一个命令行，在那里敲一个：
ollama -v
如果返回一个版本号，那么恭喜你，安装成功！
但是，如果你跟我一样，是晚上睡觉前开的下载，然后下载完了自动关电脑的。那么你在重新开机后，可以用管理员的身份打开一个命令行，然后在那里再敲: ollama -v 来验证安装。
三、下载模型
在ollama官网上可以看到：ollama.com/huihui_ai/d…
各种不同大小的模型都有，具体选择用什么版本的就看你的电脑的配置。
我的电脑是七、八年前的老电脑，没有GPU，内存也只有16G，所以我选了8B的版本。
将复制下来的命令拷贝到命令行执行，然后下载模型就自动开始了。
ollama run huihui_ai/deepseek-r1-abliterated:8b
注：如果你之前已经下载好了，就会自动运行了。
四、做个测试
前面两步都顺利完成后，会自动出来这么一个界面，或者是你自己新打开一个命令行，然后输入：
ollama run huihui_ai/deepseek-r1-abliterated
这样你就可以开始跟这个百无禁忌的模型对话了。
来一个看看：
再来一个看看：
五、安装聊天界面
最流行的两个聊天界面：
- Open WebUI
- Chatbox 基本上市面的的Deepseek，豆包，千问，Kimi等等的界面底层都来自这两个开源聊天界面。 这两个界面程序的安装在Linux上会非常简单，但是到了Windows上会相对比较麻烦。
Chatbox AI官网教程：chatboxai.app/zh/help-cen…
Open WebUI官网教程：docs.openwebui.com/getting-sta…
这部分照着官网的教程一步步下来通常是不会有问题的。只不过在这里讲起来会比较复杂，需要讲的内容会比较多，如果有人感兴趣的话，我后来再来补充讲一下。
六、特别提示
未经审核版本的模型可能会存在的问题。以下内容来自Deepseek官网：
- 内容准确性与可靠性 未经过严格验证：由于是未审核版，模型生成的内容可能存在不准确或错误的情况。在使用生成的代码或信息时，需要仔细检查和验证，不能直接将其用于生产环境或关键业务场景，以免造成严重后果。 可能存在偏见：模型的训练数据可能存在一定的局限性，导致生成的内容带有偏见。在涉及敏感信息或重要决策时，要保持谨慎，结合自己的专业知识和判断进行评估。
- 安全风险 潜在漏洞：未审核版模型可能存在安全漏洞，如代码注入、信息泄露等风险。如果在与外部系统交互或处理敏感数据时使用该模型，可能会给系统和数据安全带来威胁。因此，在使用过程中要采取必要的安全措施，如对输入输出进行严格的过滤和验证。 恶意代码生成：虽然模型本身的设计目的是为了辅助开发，但不法分子可能会利用其生成恶意代码。在使用模型时，要注意防范此类风险，避免传播和使用来源不明的代码。
- 法律合规问题 版权问题：模型生成的代码可能涉及到版权纠纷。如果生成的代码与现有开源或商业代码存在相似性，可能会引发法律问题。在使用和分发模型生成的代码时，要确保遵守相关的版权法规和开源协议。 数据使用合规：如果在训练或使用模型过程中涉及到用户数据，需要遵守相关的数据保护法律法规，确保数据的合法收集、使用和存储。
