《网转-木易文》手把手教你本地部署DeepSeek-R1：3步搞定，有手就行！

今天我们继续。

话接上文，如何使用上稳定可靠不繁忙、不跑路、不卡顿、不截断的DeepSeek-R1是AI冲浪的一切前提。今天出一期DeepSeek-R1本地部署的手把手教程。仅需3步，低代码，尽量用最简单的方式教会你在自己的电脑上部署属于你自己的DeepSeek-R1模型。

话不多说，直接开整，集合！

第1步：安装 Ollama

https:///

本地部署推荐使用开源工具Ollama，对小白极其友好——既提供命令行界面，又提供图形界面，让你能够方便地管理和使用本地的AI模型。

打开上面那个Ollama官网，点击下载，按照你的电脑类型下载对应的客户端。Ollama支持macOS、Windows和Linux。

接下来的操作以macOS为例。

双击打开Ollama客户端安装包，点击Next。

点击Install安装Ollama的命令行工具（CLI）。这一步可能会让你输入系统密码。

点击Finish，安装完成。到这里，这一步就大功告成了。

不放心的小伙伴可以双重验证一下Ollama是不是真正安装完成了。打开终端运行下面这个命令。正常来说会输出Ollama的版本号，如“ollama version is 0.5.7”。

# 验证安装
ollama --version


第2步：下载 DeepSeek-R1 模型

有了Ollama，就可以通过Ollama方便地下载DeepSeek-R1模型了。Ollama共提供7个不同参数量的DeepSeek-R1模型。

参数量越大，代表模型推理能力越强，满血版的DeepSeek-R1参数量为671B。

同时，每个参数量的模型所需的计算资源也各不相同，这里我总结了一份这7个模型各自所需的配置，供参考。其中，deepseek-r1:1.5b仅靠CPU也能跑起来，不放心的可以先从这个最小的模型玩起。

打开终端，输入下面这行代码下载模型。注意，把代码里的“1.5b”替换成你想要安装的模型，比如“7b”，“8b”。

# 入门推荐（1.5B，资源占用最低）
ollama pull deepseek-r1:1.5b

下载进度显示100%即完成，1.5B模型大小约1.1GB，7B模型大约4.7GB，8B为4.9GB。因为下载速度受限，我这里以1.5B模型为例。

安装完成后会自动进入模型会话模式，意味着你已经可以开始和你的专属模型聊天了！

比如下面这样。

• 测试：你谁啊

• 回答：您好！我是由中国的深度求索（DeepSeek）公司开发的智能助手DeepSeek-R1。如您有任何任何问题，我会尽我所能为您提供帮助。

其实到这里，整个本地部署的过程就已经完成了，是不是超级简单，有手就行！

但这还只是第2步，接下来还有第3步。为什么？因为图形界面！总不能让小伙伴们一直在终端里使用DeepSeek-R1吧，我们需要一个客户端。

第3步：在Chatbox里使用本地部署的模型

https://chatboxai.app/zh

之前在《DeepSeek R1 个人知识库，直接起飞！》介绍过了第三方客户端Cherry Studio，今天趁着这个机会介绍另一款也很好用的客户端：Chatbox。

相比Cherry Studio，Chatbox支持的客户端类型更多更全，从桌面客户端到手机app，都支持。按照上面的Chatbox官网链接下载安装即可。

接下来重点讲怎么把部署在本地电脑上的DeepSeek-R1集成到Chatbox里使用。

打开Chatbox，点击左下角的设置，在模型提供方里找到Ollama API。API连接点直接用默认的http://localhost:11434，然后选择你安装好的DeepSeek-R1模型，比如我这里就是deepseek-r1:1.5b。最后点击保存，大功告成。

设置好，就可以和你自己部署的模型聊起来了！

写在最后

小参数模型的优势是需要的算力资源小，便于本地部署使用；但随之而来的是推理能力的“骤降”。比如下面这样。

再尝试一次，虽然能回答了，但答案属实很离谱。

写文章的过程中，我又下载安装了一个7B版本的DeepSeek-R1，思考比1.5B好了不少，但仍然回答不对“平头哥问题”。

所以，如果想要进行比较复杂的任务，比如科研、数学、代码等等，还是去寻求满血版DeepSeek-R1的API服务更合适。

如果只是进行一些普通任务，或者对数据隐私和数据安全有很高的要求，那么毫无疑问，本地部署更合适。

---

我是木易，一个专注AI领域的技术产品经理，国内Top2本科 美国Top10 CS硕士。

相信AI是普通人的“外挂”，致力于分享AI全维度知识。这里有最新的AI科普、工具测评、效率秘籍与行业洞察。