1. 下载ollama应用程序安装包已经放在操作一的文件夹内
备注；如果遇到安装包更新情况，请去官方搜索下载。ollama只能安装c盘
官方网址：https://ollama.com/download/windows
国内地址：https://www.gy328.com/app/ollama/（国外可能下载过慢）
2. 安装ollama应用程序，安装成功之后去官方网址搜索deepseek R1
搜索之后确认进入到deepseek R1大模型的选择
由于电脑配置的不同（看的是APU（显卡）的算力和内存大小，请看下面的表格
|
deepseek大模型选取 |
|||||
|
类别 |
推荐cpu |
内存 |
硬盘大小 |
显卡 |
|
|
DeepSeek-R1-1.5B |
最低 4 核（推荐 Intel/AMD 多核处理器） |
8GB+ |
3GB+ 存储空间（模型文件约 1.5-2GB） |
非必需（纯 CPU 推理），若 GPU 加速可选 4GB+ 显存（如 GTX 1650） |
低资源设备部署（如树莓派、旧款笔记本） |
|
DeepSeek-R1-7B |
8 核以上（推荐现代多核 CPU） |
16GB+ |
8GB+（模型文件约 4-5GB） |
推荐 8GB+ 显存（如 RTX 3070/4060） |
本地开发测试（中小型企业） |
|
DeepSeek-R1-8B |
与 7B 相近，略高 10-20% |
7B 相近 |
7B 相近 |
7B 相近 |
需更高精度的轻量级任务（如代码生成、逻辑推理） |
|
DeepSeek-R1-14B |
12 核以上 |
32GB+ |
15GB+ |
16GB+ 显存（如 RTX 4090 或 A5000） |
企业级复杂任务（合同分析、报告生成） |
|
DeepSeek-R1-32B |
16 核以上（如 AMD Ryzen 9 或 Intel i9） |
64GB+ |
30GB+ |
24GB+ 显存（如 A100 40GB 或双卡 RTX 3090） |
高精度专业领域任务（医疗/法律咨询） |
|
DeepSeek-R1-70B |
32 核以上（服务器级 CPU） |
128GB+ |
70GB+ |
多卡并行（如 2x A100 80GB 或 4x RTX 4090） |
科研机构/大型企业（金融预测、大规模数据分析） |
|
DeepSeek-R1-671B |
64 核以上（服务器集群） |
512GB+ |
300GB+ |
多节点分布式训练（如 8x A100/H100） |
国家级/超大规模 AI 研究（如气候建模、基因组分析） |
3. 以DeepSeek-R1-8B为例：
复制代码
Win+R打开cmd指令集（win10-win11可以选择终端）
粘贴到cmd(终端)敲回车
看到运行（下载中）就是以上操作步骤全部正确
安装完成是这个界面：
现在deepseek已经完全本地化的部署在你的电脑上，现在你可以在你的cmd（终端）里和你的ai聊天了
虽然本地化的部署了ai大模型和成功的使用了，但是就出现了两个极大的弊端：
1：如果二次调用你的模型进行对话，就要输入在刚开始部署的那个代码
2：界面丑陋，而且操作相对麻烦（本来就是用大模型来便携自己的，结果刚开始就不便携）
所以就用到了开源的chatbox（其他的聊天框也可以使用，但是大部分的聊天框不是安装，是部署，所以比较麻烦，chatbox是像软件一样安装，不会出现像其他聊天框部署一步错步步错的情况）
聊天框chatbox的使用
1：打开步骤2的文件夹安装chatbox（必须安装c盘，不然会安装报错）
2：按照图片开始操作
备注：千万不要选择deepseek api，因为它检索不到你电脑里的大模型，一定要选择ollama api
3：选择你安装在电脑里的大模型
Api域名不用设置，它会自己跳出来
4：之后点击新对话新建一个（自带的聊天框没用就删，因为回复太慢，用的不是你的大模型，用的是云端）
之后你的私人助理的完美的配置好了
效果：
发表评论