DeepSeek能干事情越来越多，但是也常常面临无法联网，或者拥堵的糟糕体验。

如果能将DeepSeek部署在自己电脑里面，那就可以训练自己的专属AI资料库，想干啥就干啥，那岂不是很爽！

理想很美好，现实太骨感！不少朋友都无法跑通全链路，更有粉丝过来求助。

所以，我花了一天的时间研究了超简单的3步骤方案，现在免费分享给大家，看完你也能部署DeepSeek最强模型（就凭这一点，都值得你点赞转发给朋友）

可能还有人丈二和尚摸不着头脑，为啥要部署在本地呢？

我来告诉你，在本地运行 AI 模型具有以下优势：

🌟隐私：数据保留在你的设备上 — — 不存在共享敏感信息的风险；
🌟成本： DeepSeek R1 可免费使用，无需订阅费或使用费；
🌟控制：无需外部依赖即可进行微调和实验。

话不多说，直接上教程，只需3步即可完成✅

第一步，下载⬇️安装Ollama

在本地运行DeepSeek R1，你要使用到Ollama。

这是一种专门为用户在自己的设备上运行AI模型而设计的工具。

https://ollama.com/download

第二步，获取 DeepSeek R1 模型

Ollama 支持 DeepSeek R1 的几乎所有版本。

模型所需GPU越大越智能，根据你电脑设备的GPU选择即可

目前DeepSeek R1版本：

🔹1.5B（最小最高效）
🔹8B
🔹14B
🔹32B
🔹70B（最大、最智能，最耗设备GPU）

建议选择运行1.5B模型即可

⚠️打开你的终端（下面以Mac系统为例）

🌟windows电脑：
使用Win + R，在运行对话框中输入“cmd”；
🌟MAC电脑：
使用 command + space（空格），输入terminal 打开终端；
运行以下指令：ollama run deepseek-r1:1.5b
如果报错，可以使用以下指令：ollama run deepseek-r1

使用上述指令后，系统会自动下载。根据网速，一般10分钟左右搞定。

完成下载后，模型即可运行。

第三步，安装聊天框

前两步部署完成后，此时你已经在电脑部署好了DeepSeek，可以通过终端与DeepSeek R1进行交互。

但如果想要一个更哇塞流程的体验，可以使用GUI。

一般使用Chatbox与本地模型集成，这是一个免费且注重隐私的桌面客户端。

Chatbox下载： https://chatboxai.app/en# （选择中文版）

安装完成后，在选择配置API模型那里选择“Ollama API”；

API主机设置为：http://127.0.0.1:11434

选择 DeepSeek R1 作为活动模型

保存

这是大功告成后的最终结果。

如何学习大模型 AI ？

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。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】