DeepSeek/Qwen本地部署详细步骤与避坑指南

为什么要搞“本地部署”？

在ChatGPT、Claude、DeepSeek如此强大的今天，为什么还要费劲在自己电脑上跑模型？主要有三个核心理由：

1. 数据隐私安全：你的代码、公司文档、私人日记不需要上传到云端，所有推理过程都在本地上完成，断网也能用。
2. 无限制的自由：没有API调用次数限制，没有Token计费，模型想跑多久跑多久。
3. 硬件性能压榨：刚买的RTX 40/50系显卡如果不跑跑大模型，岂不是浪费了显存？

随着DeepSeek-R1、Qwen2.5等高性能开源模型的爆发，越来越多的开发者和用户希望在本地电脑上运行AI大模型。本地部署不仅能保护隐私数据，还能充分利用本地显卡算力，实现无延迟、无Token限制的自由对话。

本文将提供两种主流的本地部署方案：

1. 进阶方案（Ollama）：适合有一定技术基础、习惯命令行操作的开发者。
2. 小白方案（DS本地部署大师）：适合新手及不想折腾环境的用户，支持一键安装、自定义路径。 目前本土较火的开源模型当属DeepSeek-R1系列和阿里通义千问Qwen系列。接下来，我们看看如何把它们装进电脑里。

方案一：Ollama

如果你熟悉 Linux命令，或者是一名开发者，Ollama是目前业界最标准的轻量化运行框架。

工具简介

Ollama 是一个开源的大模型运行工具，它简化了模型下载和运行的流程，支持macOS、Windows和Linux。它的优点是社区生态极好，支持Docker部署，且API兼容性强。

安装部署流程

1️⃣. 安装 Ollama 核心程序

1. 访问官网：前往Ollama官方网站（建议使用 Chrome 浏览器）。
2. 下载安装包：点击 "Download" 按钮，选择 Windows 版本。
3. 运行安装：双击下载好的 OllamaSetup.exe。
   • 注意：Ollama 在 Windows 上默认是“静默安装”，它会自动安装到系统盘，并在右下角系统托盘显示一个“羊驼”图标。

2️⃣. 更改模型存储路径（关键步骤）

避坑指南：默认情况下，Ollama 会将模型存放在 C:\Users\用户名\.ollama\models。为了防止C盘报废，建议在拉取模型前修改路径：

1. 在桌面右键点击“此电脑” -> “属性” -> “高级系统设置” -> “环境变量”。
2. 在“用户变量”或“系统变量”中新建一个变量：
   • 变量名：OLLAMA_MODELS
   • 变量值：你想要存放模型的路径（例如 D:\AI_Models\Ollama）。
3. 保存后，重启 Ollama 程序（在右下角退出后再打开），设置才会生效。

3️⃣. 使用命令行拉取并运行模型

Ollama 本身没有图形化界面，所有的模型操作都需要在终端（CMD 或 PowerShell）中完成：

1. 打开终端：按下 Win + R，输入 cmd 并回车。
2. 拉取模型： 根据你的显存大小，选择合适的模型。输入以下命令并回车： 型。输入以下命令并回车：# 拉取 DeepSeek-R1 7B 版本（最推荐的入门尺寸） ollama pull deepseek-r1:7b
   • 注：7B 模型约占用 4.7GB 空间。
3. 运行对话： 下载完成后，输入运行命令：ollama run deepseek-r1:7b此时，你可以在终端直接输入问题与 AI 交流。

4️⃣. 进阶：如何获取图形化交互界面？

如果你不习惯在黑框框里打字，Ollama 只是一个“后端”，你还需要搭配一个“前端”界面。目前最流行的是 Open WebUI（原 Ollama WebUI）：

1. 安装 Docker：你需要先安装 Docker Desktop。
2. 运行容器命令： 在终端输入以下代码，即可在本地浏览器通过 http://localhost:3000 访问类似 ChatGPT 的界面：docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui ghcr.io/open-webui/open-webui:main

5. Ollama 常用命令速查表

尽管 Ollama 功能强大，但它对普通用户仍有几道坎：路径繁琐、模型下载需自备网络环境、需要额外折腾 WebUI。

方案二：DS本地部署大师

如果你不想处理Python环境报错，不想面对黑漆漆的命令行，或者单纯担心C盘空间不足，那么 DS本地部署大师 是目前比较适合Windows用户的解决方案。

这款工具主打“开箱即用”，彻底解决了环境配置和硬件适配的难题：

• 一键安装，环境零配置 集成了运行所需的所有环境，无需安装 Python，无需配置 CUDA/cuDNN。下载安装包 -> 双击运行 -> 搞定。
• 自定义安装路径 这是很多 Windows 用户的刚需。安装时支持选择非系统盘（如D盘、E盘），有效避免C盘空间，保障系统运行流畅。
• 模型库全覆盖 软件支持目前主流的开源模型，包括：
  • DeepSeek 全系：R1 (1.5B/7B/8B/14B/32B/70B/671B)、V3、V2.5 等。
  • 通义千问 Qwen 全系：Qwen2.5 (1.5B-72B)、Qwen3 (1.7B-32B) 等。
  • 其他：MiniCPM V-8B 等多模态模型。

这是该工具区别于传统本地部署的一大亮点。它不仅仅是一个本地加载器，还是一个聚合AI终端：

• 本地 + 在线双修： 如果你本地显卡跑不动70B的大模型，可以一键切换到在线模式，接入DeepSeek、豆包、文心一言或通义千问在线模型。

实战教程：3 分钟跑通 DeepSeek-R1

下面演示如何使用DS本地部署大师快速搭建你的私人AI。

第1步：下载与安装

下载软件安装包后双击运行。

第2步：选择并下载模型

打开软件，进入“模型管理”界面。你会看到支持的模型列表，以及对应推荐硬件配置。

• 显卡配置建议（简单科普）：
  • 如果你是集成显卡/轻薄本：推荐下载 DeepSeek-R1-1.5B 或 Qwen2.5-1.5B。
  • RTX 3060 / 4060 / 5060 (8G 显存)：推荐 DeepSeek-R1-7B 或 8B 版本，这是目前性价比最高的选择。
  • RTX 3090 / 4090 / 5090 (24G以上 显存)：可以尝试 DeepSeek-R1-32B 或 Qwen2.5-32B，效果更强。

点击右侧的“一键下载”，软件会自动处理下载、校验和加载，无需任何手动操作。

第3步：开始对话

此时你已经拥有了一个完全运行在本地的AI助手！尝试问它一个问题：

“请帮我写一段 Python 贪吃蛇代码” “分析一下这份日报的逻辑漏洞”

你会发现，生成速度取决于你的本地显卡性能，且无需担心数据外泄。

最后是给大家的总结和建议

• 如果你是极客/开发者：需要在这个基础上做二次开发，或者习惯在Linux服务器上操作，Ollama 依然是强大的底座。
• 如果你是普通用户/办公党：只想快速用上DeepSeek提升效率，不想在环境配置上浪费时间，DS 本地部署大师 是也是一个不错的选择。

本地部署的魅力在于“折腾”后的成就感。无论选择哪种方案，从今天起，你就拥有了属于自己的私人 AI 算力中心。