如何使用Ollama在本地设置和运行DeepSeekR1

概述

了解如何使用 Ollama 在本地安装、设置和运行 DeepSeek-R1 并构建一个简单的 RAG 应用程序

在本教程中，我将逐步介绍如何在本地运行 DeepSeek-R1 以及如何使用 Ollama 进行设置。我们还将探索使用 R1 模型、LangChain 和 Gradio 构建一个简单的 RAG 应用程序，该应用程序可在您的笔记本电脑上运行

为什么要在本地运行 DeepSeek-R1？

在本地运行 DeepSeek-R1 可以让您完全控制模型执行，而无需依赖外部服务器。以下是在本地运行 DeepSeek-R1 的一些优势：

隐私和安全：没有数据离开您的系统。 不间断访问：避免速率限制、停机或服务中断。 性能：通过本地推理获得更快的响应，避免 API 延迟。 自定义：修改参数、微调提示并将模型集成到本地应用程序中。 成本效益：通过在本地运行模型来消除 API 费用。 离线可用性：下载模型后，在没有 Internet 连接的情况下工作。 使用 Ollama 在本地设置 DeepSeek-R1

Ollama 通过无缝处理模型下载、量化和执行来简化本地运行LLMs。

第 1 步：安装 Ollama

首先，从官网下载并安装 Ollama

下载完成后，像安装任何其他应用程序一样安装 Ollama 应用程序。

第 2 步：下载并运行 DeepSeek-R1

让我们测试设置并下载我们的模型。启动终端并键入以下命令。

Ollama 提供一系列 DeepSeek R1 模型，从 1.5B 参数到完整的 671B 参数模型。671B 模型是原始的 DeepSeek-R1，而较小的模型是基于 Qwen 和 Llama 架构的提炼版本。如果您的硬件不支持 671B 型号，您可以使用以下命令并将下面的 X 替换为您想要的参数大小（1.5b、7b、8b、14b、32b、70b、671b），轻松运行较小的版本：

ollama run deepseek-r1:Xb

凭借这种灵活性，即使您没有超级计算机，也可以使用 DeepSeek-R1 的功能。

第 3 步：在后台运行 DeepSeek-R1

要持续运行 DeepSeek-R1 并通过 API 提供它，请启动 Ollama 服务器：

ollama serve

这将使模型可用于与其他应用程序集成。

在本地使用 DeepSeek-R1 第 1 步：通过 CLI 运行推理

下载模型后，您可以直接在终端中与 DeepSeek-R1 进行交互。

第 2 步：通过 API 访问 DeepSeek-R1

要将 DeepSeek-R1 集成到应用程序中，请使用 curl 的 Ollama API

curl http://localhost:11434/api/chat -d '{ "model": "deepseek-r1", "messages": [{ "role": "user", "content": "Solve: 25 * 25" }], "stream": false }’

curl 是 Linux 原生的命令行工具，但也适用于 macOS。它允许用户直接从终端发出 HTTP 请求，使其成为与 API 交互的绝佳工具

第 3 步：通过 Python 访问 DeepSeek-R1

我们可以在选择的任何集成开发环境 （IDE） 中运行 Ollama。您可以使用以下代码安装 Ollama Python 包：

安装 Ollama 后，使用以下脚本与模型交互：

import ollama response = ollama.chat( model="deepseek-r1", messages=[ {"role": "user", "content": "Explain Newton's second law of motion"}, ], ) print(response["message"]["content"])

ollama.chat（） 函数获取模型名称和用户提示，并将其作为对话交换进行处理。然后，该脚本提取并打印模型的响应

---

系列阅读

如何使用DeepSeek-R1处理PDF

什么是堆外内存-CSDN博客