简介：当线上DeepSeek频繁出现服务中断与排队时，这份面向普通用户和专业技术人员的保姆级本地部署教程，给出了以Ollama为核心、搭配ChatBox图形界面的完整解决路径，教你把DeepSeek完整跑在自有电脑上，保障日常使用的连续性与数据隐私。资源为单个docx文档，大小1.28MB，不含视频，胜在步骤紧凑、可边看边操作；内容从Ollama安装讲起，按硬件配置列出1.5B、7B、32B等不同规格模型的适用场景与选择建议，并给出官方下载地址、网盘备用链接以及常见问题的处理方法，随后讲解ChatBox的接入配置，让本地模型也能有类似在线聊天窗口的交互体验。虽然当前版本暂未涵盖联网检索能力，但足以帮助使用者避开线上拥堵、降低延迟。目前已有3698人学习下载，适合具备一定命令行基础、希望深入理解大模型本地化部署的DeepSeek使用者。
1. 服务器挤不进去，那就把模型拉回本地
DeepSeek本地部署这件事，我是被网页版反复挤下线之后才下决心的。那段时间打开官网，要么排队要么显示服务不可用，好不容易挤进对话窗口，回一句还要等半天。手头正好有 Ollama 和 ChatBox 这两个工具，干脆在电脑上自己跑一套，之后就再也没因为线上拥堵卡过手。这套方案对刚入门的人很友好：先装 Ollama 当运行环境，再拉一个 DeepSeek-R1 模型，最后用 ChatBox 做聊天窗口。装不好常见的翻车点也就那几个：模型路径跑到 C 盘把系统盘塞满、命令行找不到 ollama 命令、ChatBox 连不上本地端口。这篇文章把你可能踩的坑提前垫好，照着走一遍就能跑通，适合对服务稳定性有要求、又在意隐私和响应速度的人。
2. 先装运行环境：Ollama 下载、安装与资源备用通道
2.1 先看硬件再动手：内存、显存与模型档位
装之前先花两分钟确认配置，比什么都重要。Ollama 本身是个轻量级运行环境，占用不大，真正吃硬件的是后面要拉取的模型。打开任务管理器，切到「性能」标签，看内存容量和 GPU 的专用显存。核显机型看共享 GPU 内存，独显机型看「专用 GPU 内存」，这两个数字决定了你能跑哪个档位的模型。
DeepSeek-R1 分三个常见档位，对应不同硬件门槛：
| 模型版本 | 建议内存 | 建议显存 | 适合机器 |
|---|---|---|---|
| deepseek-r1:1.5b | 4GB | 核显即可 | 老笔记本、纯 CPU 环境 |
| deepseek-r1:7b | 8GB | 4GB | 大部分家用和办公电脑 |
| deepseek-r1:32b | 32GB | 12GB 以上 | 高性能工作站、大显存显卡 |
我的建议是，大部分机器直接上 7B 版本。内存 8GB 是及格线，16GB 会从容很多；显存 4GB 是官方给的参考值，实际用的时候如果没有独立显卡，纯靠 CPU 加内存也能跑，只是速度慢一点。1.5B 适合老机器或者只想快速体验一下的人，回答速度和资源占用都很友好，但复杂问题的推理深度明显不如 7B。32B 版本输出质量最好，但硬件门槛也最真实，达不到就别硬上，跑起来卡成“幻灯片”反而影响体验。
2.2 下载 Ollama：官网渠道和网盘备用通道
Ollama 官方提供 Windows 原生安装包，官网首页就能找到下载入口，直接点 Download 就能拿到对应平台的安装包，不需要注册账号，也不涉及命令行前置工具。Windows 版是一个 exe 安装文件，双击安装，默认装到当前用户目录下，不需要管理员权限。
官网下载如果慢，或者干脆打不开页面，可以从网盘拿备用安装包：https://pan.quark.cn/s/5bfdf5d28275 。这个网盘链接里整理好了 Ollama、ChatBox 等本次部署需要的安装资源，还有配套教程文档，下载速度和直连相比会稳定不少。我一般把网盘当作后备通道，官网能下就从官网走，毕竟官网始终是最新版本；官网不稳就直接用网盘包，先把环境跑起来再说。
安装完成后，不需要做复杂的初始化配置，开始菜单或桌面会出现一个羊驼形状的图标。在 Windows 搜索框输入 Ollama，能看到这个图标，说明程序本体已经落好了。
2.3 命令行验证：ollama --version 与 PATH 问题
安装完成只是第一步，真正要用的地方在命令行。按下 Win + R，输入 cmd 打开命令行窗口，执行：
ollama --version正常会回显 ollama 的版本号。如果提示「不是内部或外部命令」，不用慌，这是新手遇到频率最高的问题：安装程序把路径写进了用户环境变量，但当前已经打开的 cmd 窗口还停留在旧环境里，读不到新变量。重开一个命令行窗口通常就解决了。
解决不了的，手动确认一下环境变量里有没有这个路径：C:\Users\你的用户名\AppData\Local\Programs\Ollama。系统设置里搜索「环境变量」，在用户变量的 Path 里检查，没有就手动添加一条。这一步做完，重开命令行再执行 ollama --version，基本就正常了。
提示：如果临时不想改环境变量，也可以直接用完整路径调用，
C:\Users\你的用户名\AppData\Local\Programs\Ollama\ollama.exe --version，至少能确认程序是否装好。
2.4 服务默认端口：11434 怎么检查
Ollama 安装完之后会在后台启动一个本地服务，默认监听 11434 端口。这个端口就是后面所有客户端要连接的入口，包括 ChatBox。命令行执行下面这条命令，能确认服务是否正常监听：
curl http://127.0.0.1:11434如果返回一段包含Ollama is running的文本，说明服务已经起来了。如果没有返回任何内容，或者提示连接失败，需要手动启动服务：
ollama serveollama serve会按当前环境变量加载配置并启动服务，启动后终端会一直挂在前台运行，不能关掉。看到类似Listening on 127.0.0.1:11434的日志，说明服务监听起来。这个是排查很多问题的前置条件，尤其后面 ChatBox 连不上时，第一步就是回来检查这个端口通不通。
3. 装 DeepSeek-R1 模型：按硬件选对 1.5B/7B/32B
3.1 三档版本怎么选：差距不止是体积
DeepSeek-R1 在 Ollama 仓库里有多个标签，最常用的是 1.5b、7b、32b 这三档。数字代表模型参数规模，可以简单理解成“大脑容量”，参数越多，模型对复杂逻辑和长文本的理解能力越强，但相应地，对内存和显存的占用也越大。
参数规模带来的差别不是线性的。1.5B 跑起来飞快，七八年前的笔记本都能带得动，回答短平快，适合验证功能、测试接口；7B 是目前口碑最好的一档，速度和质量的平衡点卡得比较准，日常问答、写代码片段、做翻译都够用；32B 在推理深度上有明显提升，能处理更复杂的任务，但一个模型下载下来的体积就够喝一壶，硬件不够会频繁把数据在内存和显存之间来回导，实测速度反而让人崩溃。
这个选择直接影响后面所有体验。我见过不少人直接上了 32B，结果生成一个字要等半分钟，最后灰溜溜换成 7B。硬件门槛这东西，不是玄学，是硬指标。
3.2 ollama run 一条命令搞定下载和启动
确认好档位之后，不需要到网页上手动下载模型文件。Ollama 把拉取模型和启动对话合成了一个动作，一行命令就能完成，以 7B 版本为例：
ollama run deepseek-r1:7b第一次执行的时候，Ollama 会先从远程仓库拉取模型文件，命令行会显示下载进度条。这个进度条走完，自动进入交互式对话界面，可以直接输入问题。如果只想先把模型下载到本地、不急着对话，可以用：
ollama pull deepseek-r1:7bollama run和ollama pull的区别在于，run 是「拉取 + 启动」二合一，pull 只负责拉取。命令里的deepseek-r1是模型仓库名，冒号后面的7b是版本标签，换成1.5b或32b就对应不同档位。
进入对话界面后，输入问题和命令行的交互方式和其他终端程序一样，输入/bye可以退出对话。退出后再想回到对话，不用重新拉模型，直接再次执行ollama run deepseek-r1:7b就行，因为模型已经在本地了，秒进。
3.3 模型管理：ollama list、pull、rm 的日常用法
模型装多了以后，管理命令要用熟。查看本机已经下载了哪些模型：
ollama list输出会列出模型名称、标签、体积和修改时间，一目了然。删除不用的模型，释放硬盘空间：
ollama rm deepseek-r1:1.5b这条命令只删除指定的模型文件，不影响 Ollama 程序本身。我一般建议，本机只保留一到两个最常用的模型。原因很实际：每个模型都是好几个 GB 的体积，而且推理的时候内存占用是叠加的，留太多模型既占硬盘又容易让显存焦虑。想快速对比不同版本的回答质量，就 pull 两个档位，对比完把不用的 rm 掉。
3.4 模型默认存哪：C 盘爆满的伏笔
Ollama 在 Windows 上默认把模型放在当前用户目录下的.ollama\models文件夹里，也就是C:\Users\你的用户名\.ollama\models。一个 7B 模型下载下来体积在 5GB 左右，多个模型叠加起来 C 盘很容易爆红。装之前最好先看一眼系统盘剩余空间。
不想让模型占系统盘，可以提前设置环境变量改存储位置：
setx OLLAMA_MODELS "D:\ollama-models"把模型目录指到其他分区，D 盘或者其他空间充裕的盘都行。设置完之后重启 Ollama 服务，新版模型会下载到新路径。已有的模型文件不会自动搬过去，如果之前已经下载过，需要手动把.ollama\models里的内容移动到新目录，或者直接重新 pull 一次。这个坑我在多台机器上踩过，C 盘满到系统都跑不动的时候再回来搬模型，比一开始就配好路径麻烦得多。
提示：环境变量设置后一定要重启终端和 Ollama 服务再验证，光 setx 不重启，很多场景下不生效。
4. ChatBox 接入本地模型：比命令行好用的聊天窗口
4.1 为什么不直接用命令行对话
Ollama 自带的命令行交互界面能跑通，但体验很原始：输出排版朴素、历史对话没有独立保存、想切模型得退出再重新启动。日常使用还是需要一个图形界面客户端，ChatBox 就是这个角色。它把 Ollama 当作后端推理服务，自己只负责展示对话界面和传递参数，模型还是跑在本地，数据不出电脑。
ChatBox 这类客户端还有个好处，一套界面可以管理多套模型配置。本地 Ollama 里的 DeepSeek-R1 是一个配置，以后接其他在线模型服务还可以再建一套配置，切换通过下拉选框完成，不用反复改环境变量。
4.2 安装 ChatBox：下载和首次启动
ChatBox 提供 Windows 64 位安装包，下载地址：https://chatboxai.app/zh/install?download=win64 。下载完成后直接安装，安装过程和普通桌面软件没有区别。如果官网下载速度不理想，前面那个网盘链接里也放了 ChatBox 安装包，属于同一套部署资源。
首次打开 ChatBox 会进入欢迎界面，选择「使用自己的 API Key 或本地模型」。如果手速太快把引导窗口关了，也没关系，打开「设置」页面，左下角有个「添加自定义提供方」入口，功能完全一样。这个入口以后也用得上，换模型、接新服务都从这进。
4.3 关键配置：把 ChatBox 指向本地 Ollama
在「添加自定义提供方」页面，选择 Ollama API 作为提供方，然后填写连接参数。这里有几个字段容易填错，直接看表：
| 配置项 | 填写内容 | 说明 |
|---|---|---|
| API 域名 | http://127.0.0.1:11434 | 本机 Ollama 服务地址，协议和端口不能丢 |
| API Key | 留空或填ollama | 本地服务默认不校验 Key |
| 模型 | deepseek-r1:7b | 必须和ollama list里的名称完全一致 |
API 域名是重灾区，三个常见错误：把http写成https、漏掉端口号11434、把地址填成localhost后面的路径不对。Ollama 提供的是 HTTP 接口，不是 HTTPS，这一点很多人习惯性填错。模型名必须和ollama list的输出一致，大小写、冒号、标签都不能差，填错了 ChatBox 会在发送消息时报模型不存在的错误。
保存配置之后，回到对话窗口，新建一个对话，输入一句测试语。问「你是谁」，它能正常回答自己是 DeepSeek-R1，说明整条链路已经通了。注意一个边界：当前本地部署的版本不带联网检索能力，回答完全基于训练数据，不会去实时查资料，这一点和在线版本有区别。联网能力要额外配置，属于后续进阶内容，不在本次范围内。
4.4 日常使用：多模型切换和对话管理
ChatBox 接入稳定之后，日常使用跟在网页端聊天没有太大区别。左侧是对话列表，每个对话可以单独重命名，方便按主题归档；顶部可以切换模型，如果同时安装了 1.5B 和 7B，在设置里分别添加两个配置项，切换就能对比不同档位的回答。
本地部署还有一个明显的实用价值：不用排队、不担心服务不可用、对话记录的隐私性更好。断网状态下，只要 Ollama 服务和 ChatBox 都在本机，对话依然能正常进行，这是在线服务做不到的。
5. 常见问题排查：装完跑不起来的五个坑
5.1 cmd 找不到 ollama 命令：环境变量没刷新
现象：Ollama 安装成功，图标也在，但打开 cmd 输入ollama --version，提示「不是内部或外部命令」。
原因：安装程序把 Ollama 的路径写进了用户环境变量，但已经打开的 cmd 窗口是在安装之前启动的，没有加载新环境变量。命令行的环境变量是在窗口启动时读取的，窗口开着越久，越读不到新装的程序路径。
解决：关闭所有 cmd 窗口，重新打开一个新的，再执行ollama --version。如果重开还不行，到「系统属性 → 环境变量」里检查用户变量 Path 是否包含C:\Users\你的用户名\AppData\Local\Programs\Ollama。没有就手动加一条，确定后重启终端。临时救急可以用完整路径C:\Users\你的用户名\AppData\Local\Programs\Ollama\ollama.exe --version。
5.2 下载模型卡住不动：网络源不稳定
现象：ollama run deepseek-r1:7b执行后进度条停在某个百分比，长时间不动，或者直接抛连接超时 / 下载中断的报错。
原因：Ollama 默认从远程仓库拉取模型文件，模型体积有好几个 GB，链路稍微一波动，长连接就可能被掐断。下载进度条看似卡住，实际是连接已经断了，只是客户端在等超时。
解决：先 Ctrl + C 中断当前任务，重新执行ollama run deepseek-r1:7b，Ollama 支持断点续传，重跑会从上次中断的位置继续。如果反复在同一个位置失败，说明当前网络到仓库源的链路不稳定，换个时间段再试。官网下不了的，可以直接用网盘里现成的安装包和模型资源，绕开网络问题。这个后备方案在这类场景里能节约大量时间。
5.3 C 盘空间告急：模型全堆在用户目录
现象：装了 7B 模型之后，C 盘可用空间肉眼可见地往下掉，系统盘飘红。
原因：Windows 版 Ollama 默认把模型存放在C:\Users\你的用户名\.ollama\models，所有下载的模型文件都堆在这个目录，一个模型动辄几个 GB。
解决：先卸载不需要的模型释放空间，ollama rm deepseek-r1:1.5b。然后设置环境变量OLLAMA_MODELS指向其他分区，比如：
setx OLLAMA_MODELS "D:\ollama-models"重启 Ollama 服务，后续模型就会下载到新路径。之前已经下载的模型不会自动迁移，需要手动移动文件，或者删掉重新 pull。
5.4 ChatBox 报连接失败：11434 端口不通
现象：ChatBox 里发送消息，提示连接失败或者无法访问 127.0.0.1:11434，但 Ollama 看起来已经装好了。
原因：这个报错的直接原因通常是 Ollama 服务没有运行。Ollama 安装后一般会自动在后台启动，但有些机器上服务启动失败，或者手动关闭过。另外还有两类容易忽略的情况：一是 API 域名填成了https://，Ollama 只提供 HTTP 接口；二是填了域名但漏掉端口号。
解决：回到命令行执行：
curl http://127.0.0.1:11434没反应就先执行ollama serve把服务拉起来。ChatBox 配置页里确认 API 域名是http://127.0.0.1:11434，不要带额外路径。服务起来、地址正确之后，再回到 ChatBox 重试。
5.5 推理速度慢到无法接受：显存不够导致回退 CPU
现象：对话能正常回复，但每个字生成都要等很久，长一点的回答能等一两分钟。
原因：模型推理时优先使用 GPU 显存，显存不够时 Ollama 会把计算回退到 CPU，速度下降非常明显。如果系统内存也不充裕，还会出现频繁换页，进一步拖慢速度。显存和内存都比较紧张时，跑大模型的体验确实会让人崩溃。
解决：优先降低模型档位，把 7B 换成 1.5B，直接减少显存压力。另外可以限制 Ollama 的并发请求数量，避免同时多个对话抢资源，在环境变量里加OLLAMA_NUM_PARALLEL=1并重启服务。关掉浏览器里一堆占显存的页面再试，经常有意外惊喜。
6. 验证跑通：三连测确认本地部署真的可用
装完收工之前，强制自己走一遍验证流程。别嫌麻烦，这一步能省掉后面一多半的“幽灵问题”。我管这套叫三连测，每台机器装完都跑一遍，跑完才算真正交付。
第一测，命令行确认模型在不在。打开终端：
ollama list输出列表里有deepseek-r1:7b这一行，说明模型已经完整落在本地。没有这一行，说明模型压根没装完，重新 pull。
第二测，确认服务端口通不通：
curl http://127.0.0.1:11434能看到Ollama is running的返回，服务没问题。这一步排在 ChatBox 之前做，可以快速区分问题在服务端还是客户端。
第三测，命令行和 ChatBox 各发一条消息。命令行执行ollama run deepseek-r1:7b，输入「你是谁」，确认回答是 DeepSeek-R1。再去 ChatBox 里打开刚才配置的模型，同样发一句测试，确认图形界面链路也是通的。
| 验证项 | 命令 / 操作 | 预期结果 |
|---|---|---|
| 模型存在 | ollama list | 列表包含 deepseek-r1:7b |
| 服务端口 | curl http://127.0.0.1:11434 | 返回 Ollama is running |
| 命令行对话 | ollama run deepseek-r1:7b | 问答正常，回复为 DeepSeek-R1 |
| 图形界面 | ChatBox 新建对话 | 回复正常，无连接报错 |
这套流程看起来简单，但每一步都指向一个独立的故障层。模型层挂了只会影响第一测，服务层挂了第二测就暴露，第三测覆盖了 ChatBox 配置和图形界面链路。三层独立验证，问题永远能定位到具体环节。
另外分享一个习惯：如果你是用ollama serve手动起的服务，那个终端窗口本身就是日志窗口，每次请求都会打印状态行。ChatBox 报错的时候切到服务窗口看一眼最近几行，往往能看到具体报错原因，比瞎猜快得多。
从那以后，我每次在一台新机器上搭完这套环境，都强制走一遍三连测，确认模型、服务、界面三端全通，再开始正式使用。本地部署这件事，步骤不复杂，坑也基本固定，只要耐下心按顺序来，每个人都能跑通。希望帮到你。
本文还有配套的精品资源，点击获取
