问题的提出

DeepSeek官方推荐运行推理服务的工具是vLLM和SGLang，这两个工具功能都很强大，安装过程也比较简单，但出于性能方面的考虑，都依赖于Triton库而不能运行在Windows上。也有一些文章介绍用WSL运行DeepSeek，但本质上还是Linux。

在Linux上跑大模型，相对于Windows有一定的门槛，可获得性比不上Windows，装显卡驱动、CUDA等也比较麻烦且易出错，那在Windows上能运行DeepSeek服务吗？答案是肯定的。找一段DeepSeek之前的推理代码或LLama3的推理代码，使用Transformers库修改封装一下是最直观的方法，但其缺点是相对复杂，再加上要处理Fuction-Calling等特性，这个方法还是挺麻烦的。

用Ollama是可以在Windows上运行DeepSeek模型服务的，但缺点在于一是精度低、幻觉多，二是由于不支持Fuction-Calling，基本上无法应用到AI Agent的场景。

解决思路

今天介绍一种更为简单的方法：用Xinference。Xorbits Inference (Xinference) 是一个开源平台，用于简化各种大运行和集成，借助Xinference，可以使用大部分开源 LLM、嵌入模型和多模态模型。Xinference支持Transformers、vLLM和SGLang等多种大模型引擎，其中Transformers引擎可以在Windows上运行。

操作过程

1、环境要求

安装好显卡驱动、CUDA和MiniConda。显存大于模型参数量的2.5倍就可以了。如DeepSeek-R1-Distill-Qwen-1.5B需要的显存数为：1.5 * 2.5 = 3.75G，一张RTX1060（6G）的显存就可运行。

2、建立虚拟环境

# 创建虚拟环境

3、安装依赖库

# 安装依赖库

4、运行Xinference

# 激活虚拟环境

5、部署模型

# 访问Web界面

这样就可以用服务在http://127.0.0.1:9997/v1的标准OpenAI Chat接口服务了。

测试的方法很多，如ChatBox、open-webui等，结果与下图类似。

学习大模型和AI Agent开发，推荐作者的两本书。

缺点

运行效率低于跑在Linux上的vLLM和SGLang，适合用在测试环境，如用于生产，还是要选Linux。当然，在Linux下Xinference也可以选vLLM和SGLan引擎。

大模型算是目前当之无愧最火的一个方向了，算是新时代的风口！有小伙伴觉得，作为新领域、新方向人才需求必然相当大，与之相应的人才缺乏、人才竞争自然也会更少，那转行去做大模型是不是一个更好的选择呢？是不是更好就业呢？是不是就暂时能抵抗35岁中年危机呢？

答案当然是这样，大模型必然是新风口！

那如何学习大模型 ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：

最先掌握AI的人，将会比较晚掌握AI的人有竞争优势。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

但现在很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习路线完善出来！

在这个版本当中：

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型路线+学习教程已经给大家整理并打包分享出来, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全咨料，放心领取）👈

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全资料，放心领取）👈

​