本文以 AI 指导老师视角，系统讲解 Ollama 部署 DeepSeek 的完整流程，覆盖安装、模型选型、API 集成、性能调优与故障排查。 Ollama 把本地大模型运行简化为几条命令，DeepSeek 则在推理、代码和中文任务上具备明显优势，两者结合能让学习者和开发者在不依赖云端 API 的情况下完成实验与产品验证。实际落地时，环境差异、显存限制、接口兼容和提示词设计都会影响体验，因此需要一条从安装到调优的完整路径。
1. 本地部署环境的准备与 Ollama 安装
Ollama 是跨平台本地大模型运行时，支持 macOS、Windows 和 Linux，安装包可从官网直接下载，Linux 也可通过一条安装脚本完成部署。硬件准备需要结合模型规模判断：DeepSeek-R1 的 7B 或 8B 量化版本通常占用 5GB 左右显存或内存，建议整机至少 16GB 内存；14B 版本建议 24GB 内存；32B 版本建议 32GB 以上内存或 24GB 显存；70B 版本则更适合 64GB 内存或多卡工作站。GPU 加速方面，NVIDIA 显卡需要安装匹配的驱动与 CUDA 运行环境，AMD 显卡依赖 ROCm，Apple Silicon 会使用 Metal，Ollama 会在启动时自动探测可用后端。 安装完成后可通过 ollama --version 确认版本，并检查系统服务是否已在后台监听 11434 端口；若端口被占用或需要局域网访问，可用 OLLAMA_HOST=0.0.0.0:11434 ollama serve 临时调整监听地址。模型存储路径默认位于用户目录下的 .ollama/models，空间紧张时建议通过 OLLAMA_MODELS 指向大容量 SSD。对于 Windows 用户，WSL2 能提供更接近 Linux 的运行环境，也便于后续使用 Docker 与 Open WebUI。完成基础配置后，运行 ollama run deepseek-r1:1.5b 做一次轻量冒烟测试，可以快速验证下载、加载和推理链路是否正常。 安全配置同样不可忽视，Ollama 默认仅监听本机地址，若直接暴露到公网会带来模型滥用与数据泄露风险。需要远程访问时，建议通过 Nginx 反向代理并加入鉴权、限流和 HTTPS，同时用防火墙限制来源 IP。对于教学场景，AI 指导老师应提前准备统一的模型目录、端口说明和硬件清单，避免学员在环境差异上消耗过多时间。
2. DeepSeek 模型族在 Ollama 中的拉取与选型
Ollama 模型库中的 DeepSeek 主要分为推理模型和代码模型两条线。DeepSeek-R1 系列覆盖 1.5B、7B、8B、14B、32B、70B 以及 671B 等规格，其中小尺寸版本多为蒸馏模型，底座可能来自 Qwen 或 Llama，适合本地部署；DeepSeek-Coder-V2 面向代码补全与仓库级理解，常见 16B 和 236B 参数版本；DeepSeek-V3 属于大规模 MoE 模型，能力更强，但对显存和内存要求极高。拉取命令遵循 ollama pull deepseek-r1:7b、ollama pull deepseek-r1:14b 或 ollama pull deepseek-coder-v2:16b 这样的命名，下载完成后可用 ollama list 查看本地模型。 选型需要同时考虑任务类型与硬件预算。中文问答、文案润色和知识总结可以优先选择 7B 或 8B 的 q4_K_M 量化版本，它们在 16GB 内存的笔记本上通常能够运行；数学推理、复杂代码生成和长文分析更适合 14B 或 32B，但显存占用会明显上升，8GB 显存建议停留在 7B/8B，12GB 到 16GB 显存可尝试 14B，24GB 显存可运行 32B 量化版，70B 以上则需要多卡或大内存服务器。671B 版本虽然代表 DeepSeek 的高端能力，却并不适合普通消费级设备直接运行，更合理的做法是使用云端服务或 API。 如果默认模型不能满足需求，可以用 Modelfile 做轻量定制。典型写法是以 FROM deepseek-r1:7b 指定底座，再通过 PARAMETER temperature 0.6、PARAMETER top_p 0.95 和 SYSTEM 指令设定角色与输出风格，随后执行 ollama create my-deepseek -f Modelfile 生成自有模型。这样的定制不会改变模型权重，但能让同一底座在特定教学、客服或代码场景中表现更稳定。
3. 命令行交互、API 调用与客户端集成
命令行是验证 DeepSeek 是否可用的第一入口。执行 ollama run deepseek-r1:7b 后会进入交互式会话，输入问题即可获得流式回答，输入 /bye 退出，输入 /? 查看内置命令。对于一次性任务，可以使用 ollama run deepseek-r1:7b "用 Python 写一个快速排序" 直接传入提示词，也可以把长文本保存为文件后用管道传入。DeepSeek-R1 在回答前往往会生成思维链内容，部分客户端会将其显示在 ... 标签内，教学时可以向学员说明这是推理过程，不应与最终答案混淆。 Ollama 提供原生 REST 接口和 OpenAI 兼容接口。原生接口包括 :11434/api/generate 与 :11434/api/chat，适合需要精细控制流式事件的程序；OpenAI 兼容端点是 :11434/v1，API Key 可填写任意非空字符串。Python 中可直接使用 openai 库，将 base_url 设为 :11434/v1，api_key 设为 ollama，model 设为 deepseek-r1:7b，即可像调用云端模型一样调用本地模型。对于需要多轮对话的应用，应维护 messages 历史并把 system 角色写清楚。 客户端集成能显著提升使用效率。Open WebUI 适合搭建本地聊天界面，Continue 可接入 VS Code 做代码补全，LangChain 与 Dify 能把 DeepSeek 编排进工作流。使用 Docker 部署 Open WebUI 时，容器内访问宿主机 Ollama 通常需要把地址写成 :11434，Linux 环境也可改用宿主机局域网 IP。生产环境建议在 Ollama 前加一层反向代理，设置合理的读超时与请求体大小，避免长思考任务被网关提前断开。
4. 性能调优、提示工程与故障排查
性能调优从资源观测开始。ollama ps 可以查看模型是否加载、占用显存和运行状态，ollama stop deepseek-r1:7b 能手动卸载模型以释放资源。常用参数中，num_ctx 控制上下文窗口，默认值通常为 2048 或 4096，提高到 8192 甚至 16384 能改善长文理解，但会线性增加显存占用；num_gpu 决定放入 GPU 的层数，num_thread 影响 CPU 推理线程数；temperature 在 0.2 到 0.6 之间更适合推理与代码任务，top_p 可保持在 0.95 左右。量化版本选择上，q4_K_M 是体积与精度的平衡点，q8_0 更准确但占用更大。 提示工程对 DeepSeek-R1 尤其重要。该模型对任务边界、输出格式和约束条件较为敏感，提示词中应明确目标读者、语言、长度、禁止事项与示例结构；数学和代码任务可以要求给出推导步骤，但不必强行规定思维链格式，让模型按自身机制推理往往更稳定。系统提示可设定为“你是一名严谨的 AI 技术导师，回答需给出可执行步骤与风险提示”，并在多轮对话中保持角色一致。若发现回答中英文混杂，可在系统提示中明确要求使用简体中文。 故障排查需要按层定位。模型拉取失败多与网络、磁盘空间或代理配置有关，可检查 ~/.ollama/models 剩余容量并重试；出现 model requires more system memory 时应换更小模型或更低量化；Ollama 未使用 GPU 时检查驱动、CUDA/ROCm 版本与启动日志；Docker 内无法连接 Ollama 时确认宿主机地址和防火墙；调用 OpenAI 兼容接口返回 404 时检查路径是否包含 /v1；输出被截断则提高 num_predict 或缩短输入。长期运行还应避免把 11434 端口直接暴露公网，结合日志审计与访问控制保障模型服务安全。
