如何利用 DeepSeek-R1 本地部署強大的推理模型：從 ChatGPT 風格界面到 API 集成原創精華

Halo咯咯

發布于 2025-2-12 08:21

瀏覽

0收藏

如何利用 DeepSeek-R1 本地部署強大的推理模型：從 ChatGPT 風格界面到 API 集成-AI.x社區

01、概述

隨著開源推理模型如 DeepSeek-R1 的崛起，開發者可以在本地運行強大的 AI，而不再依賴于云服務。這一技術的出現引發了不小的網絡熱議，或許你也在好奇如何利用這一模型在本地搭建自己的 AI 系統。

本指南將帶你了解兩種關鍵的使用場景：

普通用戶：創建一個 ChatGPT 風格的界面

開發者：通過 API 集成模型到應用中

在開始之前，如果你有興趣深入了解 DeepSeek-R1 的背景，以便更好地理解接下來的過程，可以參考我的文章《DeepSeek-R1 理論簡介（適合初學者）》。

02、本地部署必備工具

1. 安裝 Ollama

首先，我們需要安裝 Ollama，這是一個可以幫助你在本地下載并托管 DeepSeek-R1 模型的工具。無論你是 macOS M 系列、Windows 還是 Linux 用戶，都可以通過以下方式安裝 Ollama：

macOS 或 Windows 用戶：可以訪問 Ollama 官方網站下載并安裝適合你系統的版本。

Linux 用戶：使用命令行安裝：

curl -fsSL https://ollama.com/install.sh | sh

這會安裝模型運行工具，并自動啟用 GPU 加速（Apple M 系列使用 Metal，NVIDIA 顯卡使用 CUDA）。

簡單來說，Ollama 是一個幫助你下載并本地運行 DeepSeek-R1 模型的工具，同時它也能讓其他應用能夠調用該模型。

2. 下載 DeepSeek-R1 模型

根據你的硬件配置選擇適合的 DeepSeek-R1 版本。你可以在 DeepSeek-R1 模型庫中查看不同版本的模型。值得注意的是，模型有精簡版和完整版之分，精簡版的模型保留了原版模型的大部分功能，但體積更小，運行速度更快，對硬件的要求也較低。

大部分情況下，較大的模型通常更強大，但對于本地托管而言，我們建議選擇一個適合你 GPU 性能的版本。幸運的是，DeepSeek-R1 提供了一個 compact 版本 DeepSeek-R1-Distill-Qwen-1.5B，它僅使用大約 1GB 的顯存，甚至可以在 8GB 內存的 M1 MacBook Air 上運行。

安裝命令如下：

ollama run deepseek-r1:1.5b # 平衡速度和質量（約 1.1GB VRAM）

03、場景 1：ChatGPT 風格的聊天界面

如果你想體驗 DeepSeek-R1 模型，并通過一個 ChatGPT 風格的界面與其互動，可以利用 Open WebUI 來實現。這是一個用戶友好的聊天界面，適用于本地托管的 Ollama 模型。

通過以下 Docker 命令，快速部署 Open WebUI：

docker run -d -p 3000:8080 -v ollama:/root/.ollama -v open-webui:/app/backend/data \\
--add-host=host.docker.internal:host-gateway --name open-webui ghcr.io/open-webui/open-webui:main

部署完成后，打開瀏覽器訪問 http://localhost:3000，創建一個賬戶，并從模型下拉菜單中選擇 deepseek-r1:1.5b。

使用本地部署的 LLM 進行聊天具有以下幾個優勢：

易于訪問：你可以隨時試驗不同的開源模型。

離線聊天：無需互聯網連接，你依然可以使用類似 ChatGPT 的服務來提高工作效率。

更高的隱私保護：因為聊天數據完全保存在本地，避免了敏感信息泄露的風險。

04、場景 2：開發者的 API 集成

如果你已經將 DeepSeek-R1 在本地托管，并且是開發者，你可以通過 Ollama 提供的 OpenAI 兼容 API 輕松集成模型到應用中。API 地址為 http://localhost:11434/v1。

使用 OpenAI Python 客戶端進行集成：

from openai import OpenAI

# 配置客戶端，使用 Ollama 本地服務器地址
client = OpenAI(
    base_url="http://localhost:11434/v1",  # Ollama 服務器地址
    api_key="no-api-key-needed",  # Ollama 不需要 API 密鑰
)

使用 LangChain 集成：

from langchain_ollama import ChatOllama

# 配置 Ollama 客戶端，使用本地服務器地址
llm = ChatOllama(
    base_url="http://localhost:11434",  # Ollama 服務器地址
    model="deepseek-r1:1.5b",  # 指定你在 Ollama 本地托管的模型
)

更多相關代碼和設置可以參考 GitHub 上的項目：DeepSeek-R1 本地 API 集成指南。