DeepSeek作为一款开源的模型从上线起就备受关注，不仅拥有强大的自然语言处理能力，还能够辅助写代码。但随着用户的访问量激增，deepseek服务器繁忙问题频繁出现，给使用者带来了一些不便。但是开发者通过本地化部署可以很好的解决这个问题。下面是deepseek服务器本地化部署的步骤和方法。

　　一、安装 Ollama

　　要在本地运行 DeepSeek，我们需要使用 Ollama——一个开源的本地大模型运行工具。

　　首先，访问 Ollama官网 下载该工具。官网提供了针对不同操作系统的安装包，用户只需选择适合自己电脑的版本即可。在本例中，我们选择下载适用于 Windows 操作系统的版本。

　　Ollama 安装包下载后双击install，安装速度还是比较快的，

　　安装完成 Ollama 后，打开电脑的 CMD(命令提示符)。只需在电脑下方的搜索框中输入“cmd”并按回车，即可打开命令提示符窗口。输入【ollama help】

　　二、下载部署 Deepseek 模型

　　返回 Ollama官网 ，在网页上方的搜索框中输入 “DeepSeek-R1”，这是我们要在本地部署的模型。 

　　点击 “DeepSeek-R1” 后，您将进入模型的详情页面，页面中会显示多个可选择的参数规模。每个参数规模代表了模型的不同大小和计算能力，从 1.5B 到 671B 不等。这里的 “B” 代表 “Billion”，即“十亿”，因此：

　　● 1.5B 表示该模型具有 15 亿个参数，适合轻量级任务或资源有限的设备使用。

　　● 671B 则代表该模型拥有 6710 亿个参数，模型规模和计算能力都极为强大，适合大规模数据处理和高精度任务，但对硬件要求也相应更高。

　　选择不同的参数规模意味着你可以根据自己的硬件配置和应用需求，决定使用哪个版本的模型。较小的模型需要的计算资源较少，适合快速推理或硬件资源较弱的设备;而较大的模型则在处理复杂任务时具有更高的推理能力，但需要更多的内存和显存支持。

　　按下Win + X组合键或搜索“设备管理器”，展开“显示适配器”类别，可以看到已安装的显卡型号。如果需要更详细的信息，可以右键点击显卡名称，选择“属性”查看详细信息。我的是【RTX 3050】稳妥点下载1.5B

　　选择好模型规模后，复制右边的一个命令。【ollama run deepseek-r1:1.5b】

　　复制命令后，回到命令提示符窗口，将刚刚复制的命令粘贴进去，并按回车键即可开始下载模型。【下载大概1小时左右，有点慢】

　　模型下载完成后，您可以直接在命令提示符窗口中使用它，开始进行推理操作。

　　以后如果我们需要再次使用 DeepSeek 模型，只需打开命令提示符窗口，直接输入之前复制的指令，按回车即可重新启动模型并进行推理操作。【ollama run deepseek-r1:1.5b】（1.5b有点不够智能，模型数量不够）

　　三、可视化图文交互界面 Chatbox

　　虽然我们可以在本地使用 DeepSeek 模型，但其默认的命令行界面较为简陋，很多用户可能不太习惯。为了提供更直观的交互体验，我们可以使用 Chatbox 这个可视化的图文界面来与 DeepSeek 进行交互。

　　只需访问 Chatbox 官网，在这里，你可以选择使用其本地客户端，或者直接通过网页版进行操作，享受更友好的使用体验。

　　进入 Chatbox 网页版本后，点击“使用自己的 API Key 或本地模型”选项。这将允许你连接到自己本地的 DeepSeek 模型或通过 API Key 访问外部服务。

　　这里需要注意的是，为了能够 Ollama 能远程链接，根据教程操作一下。一般无需配置;

　　如果你使用的是 window的PC应用【pc端下载过程不展示了下载就行】

　　只需要配置相应的环境变量即可。配置好环境变量后，需要重启 Ollama 程序以使设置生效。

　　重启 Ollama 程序后，返回到 Chatbox 设置界面，关闭当前的设置窗口，然后重新打开它。在重新打开后，你就能在界面中选择已经部署好的 DeepSeek 模型了。选择模型后，点击保存即可开始使用。

　　接下来，只需在 Chatbox 中新建对话即可开始使用 DeepSeek 模型。以下图为例，您可以看到上方是模型的思考过程，下方则是模型给出的答案。

　　总的来说，本地部署不仅是解决DeepSeek服务器响应慢和系统宕机问题的有效方法，还为用户提供了更加稳定、便捷的使用体验。如果你也在使用DeepSeek，或者正在考虑部署类似的模型，按照这篇指南进行操作，将会大大提升你的工作效率，告别频繁的宕机和不稳定的服务，带来更顺畅的体验。