提示：本文以deepseek1.5b部署为例子

---

前言

近年来，随着人工智能技术的飞速发展，大模型（如GPT、BERT等）在各个领域展现出了强大的能力。然而，许多开发者和研究者在使用这些模型时，往往依赖于云服务或API调用，这可能会带来数据隐私、成本控制等问题。因此，本地部署大模型成为了一个越来越受欢迎的选择。本文将详细介绍如何从零开始，在本地环境中部署一个大模型。

---

提示：接下来展示部署过程

一、需要哪些工具？

下载ollama：地址：点击跳转

根据电脑版本下载即可。
chatbox下载：下载地址

Ollama 是一个专注于本地化部署和运行大语言模型的工具，支持用户在本地设备上高效地运行和微调各种开源大模型，尤其适合注重数据隐私和自定义需求的开发者。

Chatbox 是一个开源的桌面端 ChatGPT 客户端，提供简洁易用的界面，支持多平台运行，方便用户快速接入 OpenAI 或其他大模型 API，提升对话体验。

简单来说：ollama类似于Anaconda，而chatbox类似于pycharm或者vscode。

二、安装配置大模型

1.安装ollama

这个安装默认安装到C盘，其实可以安装到其他盘，请看下文。

注意可以采用命令安装的方式将ollama安装到其他盘
安装命令如下，需要将下载好的OllamaSetup.exe存放到d盘llm文件下，然后安装位置是d盘llm文件下安装。（注意要以管理员身份运行命令行，可以左下角搜索cmd然后右键以管理员身份运行，也可以win+x然后按A）

d:
cd "llm"
OllamaSetup.exe /dir="D:\llm\Ollama"

复制上述内容输入即可，单要保证llm文件下面有exe文件。 实际效果如下图。

2.deepseek安装

打开命令行：win + R然后输入cmd回车进入
然后输入ollama list，如果不报错说明安装ollama成功。（这个命令是看你当前ollama安装了哪些大模型）
接下来执行命令： ollama pull deepseek-r1:1.5b

这里安装1.5b（可以改为7b，8b按照需求），当然还有7b、8b、14b、32b、70b和671b，数字越大代表模型越大参数数量逐渐增多，参数数量越多，模型能够学习和表示的知识就越丰富，理论上可以处理更复杂的任务，对各种语言现象和语义理解的能力也更强。但是要注意这是本地部署，太大你电脑显卡扛不住，回答速度会变慢。

出现下图所示即安装成功，但是安装到c盘，比较占用内存。 如下图

3.将大模型移动到其他盘防止占用c盘

第一步：关闭ollama。电脑右下角找到他关闭。

第二步：创建一个你想移动的地方，例如d盘创建一个ollama文件。

第三步：找到安装好的大模型位置，默认位置如下图。就是c盘用户然后你的用户名，然后找.ollama文件点击就找到啦。

第四步：进行第四步之前一定确保ollama关闭，然后找到高级系统设置，可以安装下图。

也可以win加r然后输入：systempropertiesadvanced，然后回车

然后按照输入即可，注意变量值要和你之前第二步构建的文件名相同。
第五步：将第三步找到的文件拖入到第二步创建的文件下。如下图。

完成之后在命令行窗口输入ollama list如果有之前下载deepseek，说明成功。

三. 配置UI界面

1.chatbox

第一步安装chatbox，无脑下一步即可，可以安装到其他盘。


第二步配置本地deepseek。
找到设置，或者初次进入软件时也会选择模型。



选择模型即可完成，当然还有其他设置可以自行探索，到此就配置完成了。

2.与pycharam结合

第一步：找到codegpt插件安装。

安装codegpt后在设置>工具>codegpt>providers选择本地ollama即可配置完成。
右侧点击即可使用。

点击还可切换模型。

---

总结

将 DeepSeek 模型部署到本地的优势包括：数据隐私与安全（完全掌控数据，避免泄露）、低延迟与高性能（实时响应，稳定运行）、成本控制（节省云服务费用）、高度定制化（支持模型微调与功能扩展）、离线可用性（无需网络连接）、长期可维护性（自主控制版本与优化）以及技术自主性（避免供应商锁定）。本地部署特别适合对隐私、性能和定制化要求高的场景，尽管需要一定的硬件投入，但从长期来看，能带来更高的安全性、灵活性和成本效益。

当然UI界面不至于此，欢迎补充。若有问题欢迎评论，欢迎批评纠正。