DeepSeek已成为当前热门话题之一，其蒸馏模型能够在低成本情况下实现高质量推理，使得我们能够在小型化的本地硬件上使用大模型这一强大AI工具。本文将详细介绍如何通过Ollama部署DeepSeek R1模型的方法。由于网络环境的特殊性，本文提供的步骤可能与常规安装流程略有不同。
安装Ollama
以下是关于Ollama的简要介绍：
Ollama是一个开源工具，旨在在本地运行、管理和部署大型语言模型（LLMs）。它简化了LLMs的安装、配置和运行流程，支持多种流行的开源模型（如LLaMA、Mistral、DeepSeek等），适合开发者和研究人员在本地环境中快速实验和开发。
Ollama的官网地址为：官方链接。您可以先从官网下载适合您本地环境的版本，Linux、Windows和MacOS都有相应版本。
如果您在使用Linux下载时出现如下报错：
curl: (22) The requested URL returned error: 403请尝试以下方案。如果未出现报错，您可以直接跳到下一个章节。首先，用curl下载安装脚本：
$ curl -fsSL https://ollama.com/install.sh -o ollama_install.sh接着，给该脚本添加可执行权限：
$ chmod +x ollama_install.sh然后使用以下指令将默认的Ollama下载地址指向Github：
$ sed -i 's|https://ollama.com/download/|https://github.com/ollama/ollama/releases/download/v0.5.7/|' ollama_install.sh请注意，上述命令中的版本号为编写本文时的最新版本号，您也可以自行查找最新版本进行替换。接下来执行安装脚本：
$ sh ollama_install.sh安装过程大致如下：
>>> Installing ollama to /usr/local
>>> Downloading Linux amd64 bundle
############################################## 57.7%一旦安装完成，您可通过以下命令验证安装结果：
$ ollama --help成功的安装信息如下所示：
Large language model runner
Usage:
ollama [flags]
ollama [command]
Available Commands:
serve Start ollama
create Create a model from a Modelfile
show Show information for a model
run Run a model
stop Stop a running model
pull Pull a model from a registry
push Push a model to a registry
list List models
ps List running models
cp Copy a model
rm Remove a model
help Help about any command
Flags:
-h, --help help for ollama
-v, --version Show version information下载DeepSeek模型
Ollama拉取和使用模型的操作类似于Docker。如果您有使用容器的经验，使用起来将会相对简单。请访问Ollama官方模型库中的DeepSeek-R1：模型库链接，选择适合您本地硬件条件的版本并使用以下指令进行拉取：
$ ollama pull deepseek-r1:14b接下来，会有一段稍长的等待，成功示例如下：
$ ollama pull deepseek-r1:14b
pulling manifest
pulling 6e9f90f02bb3... 100% ▕██████████████████████████▏ 9.0 GB
...
successOllama支持断点续传，因此即使中途中断了，也可以继续拉取。拉取完成后，您可以直接运行模型进行对话：
$ ollama run deepseek-r1:14b
>>> who are you?支持中英文输入。
安装Chatbox
Chatbox是一个对话工具，可以导入各种大模型平台的API，也支持本地部署模型的API。其主页地址为：Chatbox主页。您可以在这里下载适合您本地操作系统的桌面应用程序。如果您使用的是Windows系统，下载后将是一个安装工具，请按照提示完成安装。如果是Linux平台，下载后得到一个APPImage文件，您需要手动配置可执行权限：
$ chmod +x chatbox.AppImage安装完成后，打开Chatbox即可配置本地Ollama API下的DeepSeek模型。随后，您就可以启动对话进行交互。
远程部署
如果您在远程计算机上部署了Ollama和DeepSeek，并希望在本地计算机使用Chatbox调用远程Ollama的API，您只需在远程计算机上进行一些配置。首先暂停Ollama服务：
$ sudo systemctl stop ollama接着，修改配置文件：
$ sudo vi /etc/systemd/system/ollama.service在配置文件的[Service]下添加以下两行：
Environment="OLLAMA_HOST=0.0.0.0"
Environment="OLLAMA_ORIGINS=*"若您不清楚如何执行上述操作，可使用以下脚本：
$ sudo sed -i '/\[Service\]/a Environment="OLLAMA_HOST=0.0.0.0"\nEnvironment="OLLAMA_ORIGINS=*"' /etc/systemd/system/ollama.service确认修改内容后，重新加载Ollama服务：
$ systemctl daemon-reload
$ systemctl restart ollama之后，本地计算机可以通过指定的IP地址和端口访问远程Ollama服务。
资源占用
DeepSeek的一个重大优势是对资源消耗低，即使是14b模型在两张显卡上运行也没有太大压力，每张显卡大约占用不到6G显存：
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 535.183.01 Driver Version: 535.183.01 CUDA Version: 12.2 |
|-----------------------------------------+----------------------+----------------------+
| GPU Name Persistence-M | Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap | Memory-Usage | GPU-Util Compute M. |
|=========================================+======================+======================|
| 0 xxxxxxxxxxxxxxx Off | 00000000:03:00.0 On | N/A |
| 30% 56C P0 99W / 125W | 6800MiB / 8192MiB | 38% Default |
|-----------------------------------------+----------------------+----------------------+
| 1 xxxxxxxxxxxxxxx Off | 00000000:A6:00.0 Off | N/A |
| 30% 49C P0 63W / 125W | 5716MiB / 8192MiB | 38% Default |
+-----------------------------------------+----------------------+----------------------+在不配置显卡的情况下，使用CPU进行推理也可行，但本文不进行相关测试。
总结
本文介绍了在Ubuntu Linux平台上通过Ollama部署DeepSeek模型的详细步骤，以及如何使用Chatbox调用本地Ollama API进行对话。通过这些步骤，您可以快速搭建起一个本地AI助手，提升工作效率。
希望这次的文章能够符合您的需求，如有进一步的问题，请随时告诉我！
