三步实现DeepSeek本地化部署，从此告别服务器繁忙

DeepSeek本地化部署的方法有很多种，用到的工具也有很多种，但最终实现的效果都是一样的。

这里我以Windows系统平台举例说明！

一、安装Ollama

访问Ollama官网并下载安装，网址：https://ollama.com/

在这里选择的版本是Windows版本，安装文件OllamaSetup.exe大约745MB。

注：如果下载过于缓慢可以复制文件的下载源地址，使用迅雷加速下载。

下载完成后，双击OllamaSetup.exe进行安装

安装完成后，验证一下Ollama 有没有安装成功，在电脑上按Win+R组合键，输入cmd，点击确定。

在命令行里面输入ollama -v，当显示版本信息时，表明Ollama已经安装好了。

二、安装 DeepSeek-R1 模型

再次回到Ollama的官网首页，找到模型DeepSeek-R1，点击进去。

可选的DeepSeek-R1模型选项有1.5B、7B、8B、14B、32B、70B，这些数字代表模型的参数量，参数量越大，模型越复杂，需要更多的计算资源和内存，对于本地部署来说，参数量越大的模型对硬件的要求也越高。

根据电脑配置，这里我选择是的7b，整个模型大小4.7GB，下载大约30分多钟。

键盘按Win+R输入cmd，打开命令提示符对话框并输入以下命令：

ollama run deepseek-r1:7b

等待一段时间直到下载和初始化完成，这个过程会比较慢，耐心等待。

当模型安装成功后，会显示success的字样，表明本地模型已经部署成功，不过这种方式仅在本地部署与模型交互，并没有联网查询的功能。

下面测试一下功能，输入“帮我设计一个上海周边一日游路线”，可以看到模型很快就得出了答案，不会出现服务器繁忙的情况。

DeepSeek本地部署完成后，如果关闭命令行以后，你想再次对话的时候，还是在命令提示符中输入下面的命令，就可以继续发送指令进行对话。

ollama run deepseek-r1:7b

上面的模型已经部署到了本地，并且可以正常使用。但是，在实际使用时界面不够美观，交互式不够强，可以利用第三方应用程序如Open WebUI来增强用户体验，使其更加直观易用。

三、Open WebUI安装部署

1、安装 Python 3.11（电脑内存 ≤16GB ）

从官网下载 Python 3.11.9，安装时勾选 Add Python to PATH选项，并选择自定义安装路径（避免中文）。

安装完成后进行验证，键盘按win+R输入cmd，打开命令提示符对话框输入python –version，显示 Python 3.11.x 即为成功。

接下来切换国内镜像源（加速依赖下载），命令提示符对话框内输入下面命令：

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple

2、安装 Open WebUI

键盘按win+R输入cmd，命令提示符对话框内输入下面命令：

pip install open-webui

pip install open-webui==0.2.0  # 国内网络优化

3、启动服务

键盘按win+R输入cmd，命令提示符对话框内输入下面命令：

open-webui serve

访问界面：浏览器输入 http://127.0.0.1:8080 或 服务器IP:8080，首次需创建管理员账户。

4、设置开机自启动

如果每次开机都要启动一下Web UI服务也有点麻烦，那么可以将 open-webui serve 命令写入脚本（如 .bat 文件），放入启动目录开机自动启动。复制下方命令到txt文本文档内，然后另存为open-web-ui.bat文件。

@echo off
open-webui serve

然后把open-web-ui.bat批处理文件复制粘贴到Windows启动目录内即可。

至此，DeepSeek-R1模型本地化部署完毕！