前言

DeepSeek作為國產頂尖大模型，在代碼生成和邏輯推理方面表現優異。本文提供三種不同場景下的接入方案，滿足從普通用戶到開發者的不同需求。

當前問題

由于訪問量激增和網絡攻擊，官網服務可能出現不穩定。本文提供三種備用接入方案：

方法一：使用??chatbox+硅基流動??接入云端API使用(適合于普通用戶使用)

方法二：使用??Cursor+硅基流動??接入云端API使用(適合于程序員人群)

方法三：使用??ollama本地化部署??使用(適用于有安全隱私需求的用戶)

方法一：使用chatbox+硅基流動接入云端API使用

1. 安裝chatbox

訪問 ??https://chatboxai.app/??

下載對應版本并安裝chatbox

說明：

1. 本例中以Windows為例，其他平臺請參考官網

2. 注冊硅基流動賬號

訪問硅基流動官網 ??https://siliconflow.cn/m??

完成注冊和實名認證

說明：硅基流動現在注冊并實名認證后，會贈送14元金額試用。

3. 獲取API Key

登錄后，點擊左側菜單欄的「API密鑰」

選擇「API密鑰」->「新建API密鑰」

輸入密鑰描述內容后，點擊「新建密鑰」

4. 配置chatbox

設置 -> 模型提供商 -> 選擇「SiliconFlow API」

在API密鑰框，將上一步獲取的API Key填入「API 密鑰」

在模型框，選擇「deepseek-r1」后，點擊

5. 測試模型效果

輸入測試問題："用比喻的方式解釋deepseek模型為什么性能要優于OpenAI"

方法二：使用cursor+硅基流動接入云端API使用

1. 安裝cursor

• 訪問 https://www.cursor.com/
• 下載并安裝IDE
• 注冊cursor賬號

2. 配置硅基流動API

• 打開Cursor設置對話框
• 左側選擇Models
• 在OpenAI API Key框，填入硅基流動上創建的API Key
• 在OpenAI Base URL框，填入??https://api.siliconflow.cn/v1??并保存
• 點擊Add Model，輸入??deepseek-ai/DeepSeek-R1??
• 點擊Verify，驗證模型是否可用

說明：

• 硅基流動的API Base URL可以在硅基流動官網的模型廣場，選擇對應的模型查看其API文檔獲得。
• 模型名稱??deepseek-ai/DeepSeek-R1??可以在硅基流動的模型廣場中，選擇對應的模型后直接復制獲得。

3. 測試代碼功能

• 使用cursor創建一個新的項目，例如"俄羅斯方塊游戲"
• 使用快捷鍵??Cmd/Ctrl+I??打開Composer界面
• 輸入我們的需求后回車，例如："請使用html實現一個俄羅斯方塊游戲"
• Cursor會調用硅基流動的DeepSeek-R1模型，自動生成俄羅斯方塊游戲，如下圖：
• 使用瀏覽器打開生成的tetris.html文件，即可看到俄羅斯方塊游戲，如下圖：

備注：

1. Cursor有14天的試用期，試用期結束后需要購買訂閱才能繼續使用。
2. 經過實測，使用Cursor內置的DeepSeek-R1模型會比硅基流動API的DeepSeek-R1模型速度會更快。

方法三：使用ollama本地化部署使用

1. 硬件配置

注明：

• 顯存預估方式一般為：模型參數×2.5（如7B模型需7×2.5=17.5GB，需RTX 3090 24GB）
• 本例中，筆者使用的是RTX 4080顯卡16G顯存，所以選擇7B模型。

2. 安裝ollama

訪問ollama官網 https://ollama.com/

根據系統選擇對應的安裝方式

# Windows用戶：訪問 https://ollama.com/download/windows 下載安裝包
# Mac用戶：訪問 https://ollama.com/download/mac 下載安裝包
# Linux用戶：執行
curl -fsSL https://ollama.com/install.sh | sh

說明：

1. 本例中以Windows為例，其他平臺請參考官網
2. 安裝完成后，在命令行中輸入ollama可以看到命令行幫助文檔

3. 配置ollama的下載路徑

因為ollama默認下載路徑為??C:\Users\用戶名\.ollama??，所以我們需要配置ollama的下載路徑，避免C盤占用過大。

在??系統設置→搜索"環境變量"→高級系統設置→添加系統變量??中新增Ollama的下載路徑

變量名：OLLAMA_MODELS
變量值：G:\ai_LLMs_modules\Ollama

說明：變量值請根據自己的情況修改，本例中是??G:\ai_LLMs_modules\Ollama??

4. 下載DeepSeek大模型

• 訪問ollama模型查詢頁面https://ollama.com/search
• 搜索deepseek-r1模型
• 根據本機配置情況，我們選擇??deepseek-r1:7b??模型，執行如下命令

ollama run deepseek-r1:7b

下載模型根據網絡環境會花費不同的時間，待下載完成后，會提示"success"

5. 測試模型效果

>>> 請用Python寫一個快速排序算法

6. 集成前端UI

因為ollama本身沒有提供前端UI，通過命令行交互起來比較繁瑣。所以，我們可以根據之前介紹的方法一或方法二，將模型集成到前端chatbox或者cursor中。

本例，我們采用方法一，將模型集成到chatbox中。

• 打開chatbox，點擊設置
• 模型提供方選擇 ??Ollama API??
• API域名填寫 ??http://127.0.0.1:11434??
• 模型選擇 ??deepseek-r1:7b??
• 點擊保存

運行效果：

說明：經過實測，筆者4080顯卡16G顯存，使用ollama本地化部署deepseek-r1:7b 模型，顯存占用約7G，可以實現流暢的交互體驗。

優缺點對比

備注說明：

1. ￥4/100 萬個 Tokens 是硅基流動的API價格，其相當于：

• 讓AI寫一個5000字的文章，花費約為：1萬 Tokens ÷ 100萬 Tokens × 4元 =0.04元；
• 讓AI每天寫100個5000字的文章，花費約為：100次 × 1000 Tokens = 10萬 Tokens → 10萬 ÷100萬 ×4元 =0.4元

內容小結

• DeepSeek大模型在部署方面，支持多種方式，滿足從普通用戶到開發者的不同需求。
• 對于普通用戶，使用chatbox+硅基流動接入云端API使用，可以實現快速接入和使用。
• 對于程序員，使用cursor+硅基流動接入云端API使用，可以實現代碼開發和調試輔助。
• 對于有安全隱私需求的用戶，使用ollama本地化部署使用，可以實現完全離線使用。