面向零基础读者，梳理DeepSeek本地部署的模型选择、硬件底线、Ollama安装、界面接入与故障排查，避开显存、下载和端口配置中的典型坑。
DeepSeek的本地部署并不等于把671B满血模型塞进个人电脑，而是根据手头硬件选择合适的蒸馏版或量化版，再通过Ollama这类工具建立可用的推理服务。很多零基础用户卡在第一步，是因为没有区分模型规模、量化等级和上下文长度，结果下载几十GB后才发现显存不足。本文按部署流程拆开讲，重点放在可复现的操作和容易踩的坑。
1. 模型版本与硬件底线先厘清
DeepSeek开源模型分为满血版和蒸馏版。满血版DeepSeek-R1是671B参数的MoE模型，即使每次只激活37B参数，完整加载仍需要数百GB显存，通常要依赖多卡H100或H800服务器，个人用户基本不用考虑。Ollama模型库中适合本地运行的是蒸馏版，包括1.5B、7B、8B、14B、32B和70B等规格，它们分别基于Qwen和Llama架构蒸馏而来。零基础用户建议从7B或14B起步，7B在Q4量化下大约占用5到6GB显存或内存，14B大约需要10到12GB，32B通常要20到24GB，70B则要40到48GB。系统内存最好不低于16GB，推荐32GB，Mac M系列统一内存机型可以按可用内存选择，Windows和Linux则要先确认NVIDIA驱动正常，用nvidia-smi查看显卡状态，同时预留至少50GB磁盘空间，模型存储目录还能通过OLLAMA_MODELS迁移到大容量硬盘。
量化等级和上下文长度是第二个容易误判的地方。Ollama默认拉取的往往是Q4_K_M量化版本，它在体积和回答质量之间比较平衡，Q2或Q3占用更小但质量下降明显，Q8接近原始精度却会显著增大文件。上下文长度num_ctx同样影响显存，默认可能是2048或4096，调到8192甚至32768后，KV缓存会线性增长。DeepSeek-R1属于推理模型，输出思维链较长，上下文不足会导致回答被截断。7B可以尝试8192，14B建议从4096或8192开始，如果出现显存溢出，优先降低num_ctx，再考虑换更小量化。
工具选择决定了后续维护成本。Ollama跨平台、命令少、自带API，最适合零基础用户；LM Studio提供图形界面，适合不想碰命令行的人；llama.cpp灵活但编译和参数复杂；vLLM更适合Linux加NVIDIA的服务端并发场景，并不适合个人电脑。避坑要点是不要迷信所谓一键包，旧版运行库和捆绑组件常导致模型加载失败。若显存不足，Ollama会自动把部分层放到CPU推理，速度可能从几十token每秒降到几token每秒，因此如果硬件有限，宁可选7B Q4并接受较慢速度，也不要强行拉取32B以上模型。
2. 用Ollama搭建最小可用环境
安装Ollama本身并不复杂。Windows用户从官网下载安装包后，它会作为后台服务运行；macOS用户把应用拖入应用程序目录；Linux用户可以执行curl -fsSL | sh完成安装。安装后先用ollama --version确认版本，再检查服务是否监听在127.0.0.1:11434。如果端口被占用，可以设置OLLAMA_HOST=127.0.0.1:11435换端口。拉取模型时执行ollama pull deepseek-r1:7b，注意模型名要准确，Ollama库中的蒸馏版通常写作deepseek-r1:7b、deepseek-r1:14b等。下载体积从几GB到几十GB不等，速度慢属于正常现象，中断后重新执行通常可以续传。运行ollama run deepseek-r1:7b即可进入对话，输入问题后等待回答，用/bye退出。
默认参数往往不够用，需要手动调整。进入交互界面后可以用/set parameter num_ctx 8192提高上下文，用/set parameter temperature 0.6控制输出随机性。若想持久化配置，可以写一个Modelfile，内容包含FROM deepseek-r1:7b、PARAMETER num_ctx 8192和PARAMETER temperature 0.6，然后执行ollama create deepseek-r1-8k -f Modelfile，之后用ollama run deepseek-r1-8k启动。环境变量方面，OLLAMA_MODELS可以迁移模型目录，OLLAMA_NUM_PARALLEL控制并发请求数，OLLAMA_MAX_LOADED_MODELS控制同时加载的模型数量。日常可以用ollama ps查看已加载模型，用ollama stop卸载不再使用的模型释放显存。
这一阶段最常见的坑是模型选错和资源争抢。不要尝试拉取deepseek-r1:671b，个人设备几乎不可能跑起来；也不要同时加载多个大模型，否则显存和内存会迅速耗尽。Windows用户如果显存不足，可以适当增加页面文件，但这只能缓解不能替代显存。排查问题时设置OLLAMA_DEBUG=1查看日志，如果回答重复、乱码或逻辑混乱，优先检查温度、量化等级和上下文长度。DeepSeek-R1输出中包含 think思维链属于正常现象，并非模型故障。若要通过API调用，默认地址是:11434/api/generate，拉取失败时先检查磁盘剩余空间和网络连通性，必要时用ollama rm删除残缺模型后重试。
3. 接入图形界面与API接口
命令行对话只适合测试，日常使用建议接入Open WebUI。最省事的是用Docker运行，命令为docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui ghcr.io/open-webui/open-webui:main。启动后打开localhost:3000创建管理员账号。如果Ollama运行在宿主机，Open WebUI里需要把Ollama地址设为:11434，Linux环境下要保留--add-host参数；如果Ollama也运行在Docker中，则让两者使用同一Docker网络，地址可写成:11434。常见坑包括Docker服务未启动、3000或11434端口冲突、防火墙拦截容器访问宿主机，遇到连接失败时先逐项确认这些环节。
Ollama同时提供REST API和OpenAI兼容接口。生成接口是POST :11434/api/generate，聊天接口是/api/chat，OpenAI兼容的base URL是:11434/v1，API key可以任意填写。Chatbox、NextChat、Continue、Cline、Dify等客户端都能接入这个地址。如果浏览器端直接调用Ollama出现跨域错误，可以设置OLLAMA_ORIGINS=*放宽来源限制。想在Open WebUI里上传文档做知识库问答，还需要拉取嵌入模型，例如执行ollama pull nomic-embed-text，否则文档索引会失败。模型名称在客户端和Ollama中必须一致，大小写和标签都不能写错。
界面接入后的避坑重点是安全和数据。不要把11434端口直接暴露到公网，否则任何人都能调用你的模型，甚至消耗本机资源。Open WebUI的对话数据保存在Docker volume中，需要定期备份open-webui卷，避免容器重建后丢失。流式输出中断通常与反向代理超时有关，使用Nginx时要调大proxy_read_timeout。DeepSeek-R1的推理过程在Open WebUI中可能显示为折叠块，如果不想展示，可以换用非推理模型或通过提示词限制输出。首次加载模型较慢，等到ollama ps显示已加载后再发送复杂问题。多用户并发时设置OLLAMA_NUM_PARALLEL要谨慎，因为并发数增加会成倍占用显存。
4. 故障排查与长期维护避坑
显存和内存故障最常见。遇到CUDA out of memory或model requires more system memory时，先换更小模型或更低量化，再关闭浏览器、游戏和其他占用显存的程序。用nvidia-smi查看当前占用，确认是否有残留进程。Ollama可以通过Modelfile中的PARAMETER num_gpu减少放入GPU的层数，让剩余层走CPU，但速度会下降。Windows用户可适当增加虚拟内存，Mac用户打开活动监视器查看内存压力。如果7B模型仍然失败，要检查是否误拉了32B或70B标签，模型名写错一位就可能下载完全不同的规格。长期运行后显存碎片也会影响加载，重启Ollama服务往往能恢复。
下载失败和模型导入是另一类高频问题。官方registry速度慢时，可以重试ollama pull，也可以从HuggingFace或ModelScope下载GGUF格式文件后本地导入。导入时新建Modelfile，写入FROM ./deepseek-r1-7b-Q4_K_M.gguf、PARAMETER num_ctx 8192和PARAMETER temperature 0.6，再执行ollama create deepseek-local -f Modelfile，最后用ollama run deepseek-local启动。注意GGUF要兼容llama.cpp，不要下载safetensors格式直接交给Ollama。模型存储路径可以通过OLLAMA_MODELS迁移，磁盘不足时用ollama rm删除旧模型。若下载总是中断，检查代理、DNS和磁盘权限，避免在系统盘空间不足时反复拉取。
长期维护要关注更新、备份和访问控制。Ollama、Open WebUI镜像和模型版本都应定期更新，但生产环境不要盲目追新，先在测试目录验证。Linux可以用systemd管理Ollama服务，Windows用服务管理器，Mac加入登录项。日志和对话数据库会持续增长，需要定期备份和清理。远程访问不要直接暴露11434，建议用Tailscale、WireGuard或Nginx加Basic Auth和HTTPS。Ollama自身API不做鉴权，Open WebUI才提供多用户认证，因此公网入口必须加防护。日常用ollama stop卸载模型，用ollama ps查看加载状态，并定期检查nvidia-smi温度，避免显卡长期高温运行。
