DeepSeek本地部署首选Ollama一键方案：访问ollama.com下载安装，执行ollama run deepseek-r1:7b自动拉取加载7B模型，支持Windows/macOS/Linux，无需手动配置环境，适合无编程基础用户快速启动。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想在自己的电脑上跑DeepSeek模型，但不确定该用Ollama一键拉取、LM Studio图形界面加载，还是手动配置Python调用API——这三种路径的适用前提、硬件门槛和后续扩展能力完全不同，选错会导致模型加载失败、API连不上、甚至显存爆满蓝屏。
先看你的硬件能不能扛住
打开任务管理器（Ctrl+Shift+Esc），切到“性能”页签，记下两项真实数据：【GPU显存容量】和【物理内存总量】。这两项数字直接决定你能走哪条路：
• 显存＜6GB 或无独立GPU → 只能选Ollama + 1.5B/7B模型，别碰32B；
• 显存≥12GB（如RTX 4070 Ti）→ Ollama或LM Studio都可，但LM Studio对GGUF格式支持更稳；
• 内存＜16GB → 即使有高端显卡，Ollama加载32B模型也会因内存交换频繁而卡死，此时必须降级到7B或改用量化版。
Ollama方式：命令行快速启动，适合开发者
方法一：全自动拉取（仅限网络畅通且模型已上Ollama官方库）
打开终端，执行ollama run deepseek-r1:7b，Ollama会自动下载、解压、加载模型并进入交互模式。
方法二：离线加载（适用于内网环境或想控制模型文件位置）
从Hugging Face下载GGUF格式的deepseek-r1-Q4_K_M.gguf文件 → 把它放进~/.ollama/models目录 → 运行ollama create my-deepseek -f Modelfile，其中Modelfile内容为：FROM ./deepseek-r1-Q4_K_M.gguf → 执行ollama run my-deepseek。
注意：Ollama默认只监听localhost:11434，如果要用Python脚本远程调用，必须先编辑~/.ollama/config.json，把"host": "127.0.0.1"改成"host": "0.0.0.0"，否则外部机器无法访问。
LM Studio方式：点选式操作，适合非程序员
第一步：安装LM Studio 0.3.10或更高版本，安装时勾选“Add to PATH”选项；
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
第二步：打开软件 → 左下角点击“Local Server” → 开启“Enable local server”并记下端口号（默认8080）；
第三步：点击左侧“Search Models” → 输入“deepseek” → 选择带“GGUF”标签的模型（如deepseek-r1-7b-q8_0）→ 点击“Download”；
第四步：下载完成后，点击右上角“Open Model Folder” → 确认模型文件夹结构是两层嵌套（例如D:\models\deepseek\r1-7b），【不能直接放在D:\models\deepseek-r1-7b.gguf一级目录下】；
第五步：回到主界面 → 点击“Select Model” → 浏览到D:\models这一级目录 → 软件会自动扫描子文件夹并列出可用模型 → 选中后点击“Load”。
Python直连API方式：需要自己写代码调用
方法一：对接Ollama本地服务（最轻量）
确保Ollama正在运行 → 在Python中安装requests库 → 发送POST请求到http://localhost:11434/v1/chat/completions，body里必须包含{"model": "deepseek-r1:7b", "messages": [{"role": "user", "content": "你好"}]}；
方法二：对接LM Studio内置服务（无需额外服务进程）
启动LM Studio并加载好模型 → 在Python中构造请求到http://localhost:8080/v1/chat/completions → 请求头加Content-Type: application/json → body结构与Ollama完全一致；
方法三：绕过前端工具，用transformers+llama.cpp直载（仅限高级用户）
安装llama-cpp-python → 下载GGUF模型 → 编写Python脚本初始化Llama类，指定n_gpu_layers=32（RTX 4090）或n_gpu_layers=0（纯CPU）→ 调用model.create_chat_completion()接口；
这一步容易踩坑：若n_gpu_layers设得比显存实际能容纳的层数还高，程序会直接崩溃退出，不会报错提示。
