需按层定位问题根源：一、确认Ollama服务是否真实运行，执行systemctl is-active ollama或检查Windows服务状态，未启动则运行ollama serve并保持终端常开；二、核对模型名称与标签是否完全一致，必须用ollama pull deepseek-coder:6.7b等完整tag拉取，且VSCode插件配置名须与ollama list输出的NAME:TAG拼接结果逐字匹配；三、检查磁盘空间≥8GB及~/.ollama/models目录属主为当前用户且具备rwx权限；四、验证CUDA驱动≥535.104.05且PyTorch版本严格匹配CUDA 12.2。
☞☞☞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☜☜☜
DeepSeek模型加载失败时，VSCode中Ollama插件显示“Model not found”或连接超时，终端报错404、500、CUDA out of memory等，需按层定位问题根源，不能只重拉模型。
确认Ollama服务是否真实运行
在终端执行 systemctl is-active ollama（Linux/macOS）或打开Windows服务管理器检查 Ollama Service 状态。若显示 inactive 或 Stopped，说明守护进程根本未启动。
此时直接运行 ollama serve，并保持该终端窗口常开——关闭窗口即终止服务，后续所有加载都会失败。
用 curl -v http://localhost:11434/ 验证：必须看到 HTTP/1.1 200 OK 响应头，且含 X-Ollama-Version 字段。无此字段说明服务虽运行但未正确初始化，需重启 ollama serve。
核对模型名称与标签是否完全一致
方法一：用命令行强制拉取带完整tag的模型
ollama pull deepseek-coder:6.7b ——不要省略 :6.7b，Ollama 不解析 latest 别名，也不自动补全。
方法二：列出本地已有模型并逐字比对
运行 ollama list，输出第一列是 NAME，第二列是 TAG。VSCode插件配置页填的模型名必须与这两列拼接结果（如 deepseek-coder:6.7b）完全相同，包括大小写、连字符、冒号位置。
macOS/Linux下 DeepSeek-Coder 和 deepseek-coder 被视为两个不同模型，填错必报404。
检查磁盘空间与模型目录权限
第一步：查看 ~/.ollama 目录剩余空间
df -h ~/.ollama ——6.7b模型解压后占约5.2GB，可用空间必须 ≥ 8GB，否则拉取中途静默失败，list里却显示模型存在。
第二步：确认模型目录归属与权限
ls -ld ~/.ollama/models ——输出中第三字段（属主）必须是当前用户名，末尾权限位必须含 rwx（如 drwxr-xr-x）。若属主为 root 或权限为 drw-r--r--，则 ollama 无法写入模型文件，加载必然失败。
修复命令：sudo chown -R $USER:$USER ~/.ollama && chmod -R u+rwx ~/.ollama/models
排查CUDA与PyTorch兼容性
若报错含 “CUDA driver version is insufficient” 或 “Illegal instruction”，立即运行 nvidia-smi 查驱动版本。DeepSeek 6.7b 要求驱动 ≥ 535.104.05（对应 CUDA 12.2）。
PyTorch版本必须严格匹配：运行 python -c "import torch; print(torch.__version__, torch.version.cuda)"，输出应为类似 2.4.0 12.2。版本不匹配会导致模型权重加载时崩溃，错误堆栈常卡在 torch.load() 内部。
重装命令（CUDA 12.2）：pip install torch==2.4.0+cu122 torchvision==0.19.0+cu122 --index-url https://download.pytorch.org/whl/cu122
