ollama本地部署DeepSeek-R1大模型使用前端JS调用的详细流程
- 游戏开发
- 2025-09-13 22:21:02
以下是关于如何在本地部署 DeepSeek-R1 大模型（通过 Ollama），并使用前端 JavaScript 调用其功能的详细流程。
前提条件 硬件要求： 建议至少 16GB RAM（运行较小模型如 1.5B 或 7B 参数版本），如果运行更大模型（如 14B 或 32B），需要 32GB 或更高。支持 macOS、Linux 或 Windows 的机器。 软件要求： 已安装 Ollama（用于本地运行模型）。基本的终端操作知识。
第一步：本地部署 Ollama 和 DeepSeek-R1 1. 安装 Ollama 下载 Ollama： 访问 Ollama 官网，根据你的操作系统（macOS/Linux/Windows）下载对应版本。安装： macOS/Linux：在终端运行安装脚本或解压文件。Windows：双击安装程序，按提示完成。 验证安装： 在终端输入以下命令，检查是否成功安装：ollama --version 如果返回版本号，说明安装成功。 2. 下载 DeepSeek-R1 模型 选择模型大小： DeepSeek-R1 有多个版本（1.5B、7B、8B、14B、32B、70B、671B）， ollama /library/deepseek-r1:7b，根据你的硬件选择合适的模型。例如，7B 是性能和资源需求的平衡选择。拉取模型： 在终端运行以下命令以下载 DeepSeek-R1 的 7B 版本：ollama pull deepseek-r1:7b
下载时间取决于网络速度和模型大小，完成后会存储在本地。
3. 启动 Ollama 服务运行 Ollama 服务： 在终端输入以下命令，启动 Ollama 并加载 DeepSeek-R1：
ollama run deepseek-r1:7b这会启动一个交互式终端，你可以直接输入提示测试模型。
后台运行（可选）： 如果希望 Ollama 在后台运行并提供 API 服务，可以启动服务器模式：
ollama serve默认情况下，Ollama 会监听 http://localhost:11434。
4. 测试模型 在终端运行：ollama run deepseek-r1:7b "你好，什么是AI？" 如果返回合理回答，说明模型部署成功。第二步：通过 API 调用 DeepSeek-R1
Ollama 提供了一个 RESTful API，可以通过 HTTP 请求与本地模型交互。默认地址是 http://localhost:11434。
1. 测试 API 使用 curl 测试 API 是否正常工作：curl http://localhost:11434/api/chat -d '{ "model": "deepseek-r1:7b", "messages": [ {"role": "user", "content": "你好，什么是AI？"} ], "stream": false }' 返回结果应包含模型的回答，例如：{ "model": "deepseek-r1:7b", "message": {"role": "assistant", "content": "AI 是人工智能（Artificial Intelligence）的简称..."} }第三步：使用前端 JavaScript 调用 1. 设置 Node.js 项目 初始化项目： 在终端创建一个新目录并初始化 Node.js 项目：mkdir deepseek-frontend cd deepseek-frontend npm init -y 安装依赖： 安装 axios 或其他 HTTP 请求库以便从前端调用 API：npm install axios 2. 创建前端代码
创建 HTML 文件（index.html）：
<!DOCTYPE html> <html lang="zh-CN"> <head> <meta charset="UTF-8"> <title>DeepSeek-R1 前端调用</title> </head> <body> <h1>与 DeepSeek-R1 对话</h1> <input type="text" id="userInput" placeholder="输入你的问题"> <button onclick="sendMessage()">发送</button> <div id="response"></div> <script src=" cdn.jsdelivr.net/npm/axios/dist/axios.min.js"></script> <script src="app.js"></script> </body> </html>创建 JavaScript 文件（app.js）：
async function sendMessage() { const input = document.getElementById("userInput").value; const responseDiv = document.getElementById("response"); try { const response = await axios.post("http://localhost:11434/api/chat", { model: "deepseek-r1:7b", messages: [{ role: "user", content: input }], stream: false }); const reply = response.data.message.content; responseDiv.innerText = reply; } catch (error) { console.error("调用失败:", error); responseDiv.innerText = "错误: " + error.message; } } 3. 运行前端 使用简单的静态服务器运行前端，例如 http-server：npm install -g http-server http-server 打开浏览器，访问 http://localhost:8080，输入问题并点击“发送”，即可看到 DeepSeek-R1 的回答。第四步：优化与扩展 1. 支持流式响应 如果需要实时显示模型的流式输出，将 stream 设置为 true，并处理返回的流数据：async function sendMessage() { const input = document.getElementById("userInput").value; const responseDiv = document.getElementById("response"); responseDiv.innerText = ""; const response = await fetch("http://localhost:11434/api/chat", { method: "POST", headers: { "Content-Type": "application/json" }, body: JSON.stringify({ model: "deepseek-r1:7b", messages: [{ role: "user", content: input }], stream: true }) }); const reader = response.body.getReader(); const decoder = new TextDecoder(); while (true) { const { done, value } = await reader.read(); if (done) break; const chunk = decoder.decode(value); const json = JSON.parse(chunk); responseDiv.innerText += json.message.content; } } 2. 添加错误处理 在前端添加更完善的错误提示，确保用户体验良好。 3. 部署到远程服务器（可选） 如果需要从其他设备访问，可以将 Ollama 部署到 VPS 上，并调整 OLLAMA_HOST 环境变量为 0.0.0.0:11434，然后通过公网 IP 或域名访问。
注意事项 跨域问题：如果前端和 Ollama 不在同一主机，可能遇到 CORS 问题。可以通过代理解决，或在开发时确保同源。性能：模型越大，响应时间越长。建议根据硬件调整模型大小。安全性：本地部署默认仅限本地访问，若公开 API，需设置认证机制。
总结
通过上述步骤，你已经完成了：
使用 Ollama 在本地部署 DeepSeek-R1。通过 API 测试模型可用性。使用前端 JavaScript 实现与模型的交互。现在，你可以在浏览器中输入问题，与本地运行的 DeepSeek-R1 对话了！如果有进一步需求（如集成到复杂应用中），可以基于此扩展功能。
ollama本地部署DeepSeek-R1大模型使用前端JS调用的详细流程由讯客互联游戏开发栏目发布，感谢您对讯客互联的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人网站或者朋友圈，但转载请说明文章出处“ollama本地部署DeepSeek-R1大模型使用前端JS调用的详细流程”
![[附源码]Python计算机毕业设计Django教育企业网站](/0pic/pp_80.jpg)
