大家好，我是R哥。
虽然 DeepSeek 官方提供了可视化聊天界面，但稳定性实在太差了，动不动就服务繁忙，根本没办法正常使用。另外，对于一些对数据隐私、实时性能要求较高的场景，本地部署也是不可避免的选择。
那么，如何本地部署 DeepSeek R1 的模型？
本篇，开干！
相关阅读：
如何部署 DeepSeek-R1？
推荐使用 ollama 部署，方便快捷。
打开 ollama 官网，下载并安装 ollama 应用程序：
常用命令：
| 命令 | 说明 |
|---|---|
serve |
启动 Ollama |
create |
创建模型 |
show |
显示模型信息 |
run |
运行模型 |
stop |
停止正在运行的模型 |
pull |
拉取模型 |
push |
推送模型 |
list |
列出所有模型 |
ps |
列出正在运行的模型 |
cp |
复制模型 |
rm |
删除模型 |
在 ollama 官网找到 deepseek-r1 模型：
如部署 14b 蒸馏版，先下载 ollama 后，再运行以下命令：
ollama run deepseek-r1:14b
部署在本地运行就是快，和它聊天哗哗出结果。
Open WebUI
在控制台和大模型圣诞不是很方便，推荐使用 open-webui，可以更方便、友好地和大模型互动。
open-webui 是一个开源的 AI Web 用户界面项目，它提供一个友好的用户界面，方便用户通过 Web 浏览器与 AI 模型进行交互，支持运行和管理各种深度学习模型，比如 GPT、LLaMA、Bloom 等。
官网和开源地址：
安装 Open WebUI：
pip install open-webui
运行 Open WebUI：
open-webui serve [–port XXXX]
默认为 8080 端口，可以通过 --port 来指定自定义端口。
访问 Open WebUI：
点击开始使用，首次进入需要创建一个管理员账号：
创建管理员账号后，就进入聊天界面了，左上角可以选择 Ollama 正在运行的模型：
这样一个 DeepSeek 本地部署 + 可视化界面搭建就完成了，你还可以把它部署到云上，然后绑定自己的域名，这样其他设备也能访问本地部署版的 DeepSeek 了。
未完待续，公众号持续分享「DeepSeek」及 AI 实战干货，关注「AI技术宅」公众号和我一起学 AI。
最后，如果你还没用过 DeepSeek，清华大学出的《DeepSeek 从入门到精通》推荐你好好看看吧，质量非常高，从原理到应用实践，写得非常好。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
