🗒初墨
🍊Hello，各位好，我是面包！
2025年春节，国产大模型DeepSeek-R1凭借“推理能力吊打GPT-4”的传说火遍全网，但官方服务器被挤爆的惨状让网友直呼“用了个寂寞”。与其苦等云端响应，不如将这颗“AI大脑”搬回家！
本文部署的1.5b模型属于最低级的模型，其性能远远不如deepseek的v3满血版，可根据自己的电脑配置安装相应的模型版本
一、召唤AI管家-Ollama
访问ollama官网，点击Download↓，然后选择Windows安装ollama
📖FAQS
Q1：下载安全警告
若下载时出现*Setup.exe可能会损害你的设备，是否仍要保留？的报错时，选择保留即可。
Q2：下载太慢
进入Github的ollama,右键复制最新版的Setup.exe链接
然后进入Github加速网站，粘贴链接进行下载(可能有时效性)
验证ollama下载
ollama --version看到版本号说明成功召唤AI管家！
ollama version is 0.5.7二、搭建模型地基-部署deepseek-r1大模型
在ollama官网搜索deepseek-r1
安装1.5b大模型
ollama run deepseek-r1:1.5b
检查是否安装成功
ollama
运行1.5b模型
ollama run deepseek-r1:1.5b进入对话模式
>>> 你的问题
<think>
深度思索
</think>
deepseek的回答
📖FAQS
Q1：AI复读机模式
您好！我是由中国的深度求索（DeepSeek）公司开发的智能助手DeepSeek-R1。有关模型和产品的详细内容请参考官方文档……
>>> 科学是什么？
<think>
您好！我是由中国的深度求索（DeepSeek）公司开发的智能助手DeepSeek-R1。有关模型和产品的详细内容请参考官方文档。如果您
有任何关于科学的问题或需要帮助，请随时告诉我，我会尽力提供相关信息或建议。
希望这些建议对您有帮助。
如果你还想了解其他方面的知识，请随时告诉我！解决方法
- 重启ollama
- 避免提出
**是什么类似格式的提问
三、打造AI控制台-Chatbox本地可视化应用
进入Chatbox AI官网安装chatbox AI
Chatbox AI 是一款 AI 客户端应用和智能助手，支持众多先进的 AI 模型和 API
然后进入设置，选择API和模型
小纸条
API类型：Ollama 模型选择：deepseek-r1:1.5b
聊天区域展示
四、驯服满血神兽-部署deepseek671B满血版(暂未跑通)
安装wget
进入https://eternallybored.org/misc/wget/网站下载wget的zip文件
下载hfd
wget https://hf-mirror.com/hfd/hfd.sh
chmod a+x hfd.sh环境变量
linux
export HF_ENDPOINT=https://hf-mirror.comwindows:(powershell)
$env:HF_ENDPOINT = "https://hf-mirror.com"下载模型
./hfd.sh gpt2下载数据集
./hfd.sh wikitext --dataset./hfd.sh 模型名称 --tool aria2c -x 16./hfd.sh unsloth/Deepseek-R1-GGUF --include Deepseek-R1-Q4_K_M/*五、打造专属AI军火库-使用 Python 调用 R1-API
1. 申请API-以英伟达的deepseek-API为例
访问NVIDIA Build 平台,登录你的NVIDIA账号，然后搜索deepseek-r1，其实一般在首页第一个就是deepseek-r1的大模型了，点击进入，
然后记录你的url地址、model名称，获取你的API密钥
创建密钥
2. API调用代码
安装requests库
pip install requests
# 或
pip3 install requests运行代码
# deepseek.py
import requests
API_KEY = "sk-你的密钥" # 1.写你的 API Key
url = "https://api.deepseek.com/chat/completions" #2.修改成你的API获取url，后两级一般不用改
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}
data = {
"model": "deepseek-reasoner", # 3.指定使用模型
"messages": [
{"role": "system", "content": "你是一个专业的助手"},
{"role": "user", "content": "你是谁？"}
],
"stream": False # 关闭流式传输
}
response = requests.post(url, headers=headers, json=data)
if response.status_code == 200:
result = response.json()
print(result['choices'][0]['message']['content'])
else:
print("请求失败，错误码：", response.status_code)多轮对话
messages = [
{"role": "system", "content": "你是一位诗人"},
{"role": "user", "content": "写一首关于春天的诗"},
{"role": "assistant", "content": "春风拂面柳丝长..."},
{"role": "user", "content": "请继续补充第二段"}
]流式传输模式
data["stream"] = True
response = requests.post(url, headers=headers, json=data, stream=True)
for line in response.iter_lines():
if line:
decoded_line = line.decode('utf-8')
print(decoded_line)# deepseek.py
import requests
# 填写你的 API Key
API_KEY = "sk-你的 API Key"
url = "https://api.deepseek.com/chat/completions"
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}
data = {
"model": "deepseek-chat", # 指定使用 R1 模型（deepseek-reasoner）或者 V3 模型（deepseek-chat）
"messages": [
{"role": "system", "content": "你是一个专业的助手"},
{"role": "user", "content": "你是谁？"}
],
"stream": False # 关闭流式传输
}
data["stream"] = True
response = requests.post(url, headers=headers, json=data, stream=True)
for line in response.iter_lines():
if line:
decoded_line = line.decode('utf-8')
print(decoded_line)📖FAQS
Q1：如何区分 V3 和 R1 模型？
以deepseek的官方API为例：
V3：model: "deepseek-chat"
R1：model: "deepseek-reasoner"
本质上是model的名称区别，但哪怕是同一个模型在不同服务商上的API model名称也不一样
Q2：出现 401 错误？
检查 API Key 是否填写正确 确认密钥未过期
Q3：出现「No module named 'requests'」？
检查是否：
在正确的终端执行了 pip install requests
VSCode 使用的是正确的 Python 解释器（见上文）
Q4：出现 requests.exceptions.JSONDecodeError: Expecting value: line 1 column 1？
嗯……，跟“服务器繁忙”一个道理，可能用的人太多，响应失败了。
错误提示 Expecting value: line 1 column 1 (char 0) 表示 json() 方法期望收到的是一个有效的 JSON 数据，但实际收到的内容为空。这可能是因为 API 没有返回数据，或者返回的是一个空的响应体。
Q5：为什么启用流式输出后一直出现 keep-alive？
嗯……，跟“服务器繁忙”一个道理，可能用的人太多，所以一直处于长连接状态。