DeepSeek本地部署入门：Ollama+ChatBox跑通7B模型

简介：这份 Word 教程面向希望摆脱在线 DeepSeek 服务拥堵、重视隐私与响应速度的开发者及 AI 爱好者，围绕本地部署给出从环境准备到交互使用的系统指引。包内仅含 1 个 docx 文档，大小约 1.28 MB，篇幅集中、便于按章节查阅；内容覆盖 Ollama 安装、按硬件配置选择 1.5B、7B 或 32B 等模型规格、模型下载与启动，以及用 ChatBox 配置本地模型完成图形化对话，并附工具与模型获取路径、常见问题说明，对内存、显存等硬件门槛与版本选择给出对应建议，便于减少反复试错成本。教程还提示当前方案暂不具备联网检索能力，帮助读者建立合理预期。已有 3698 人学习，适合想在平台不稳定或网络受限时保持研究、写作与开发连续性的读者，也可作为熟悉大模型本地运行流程的入门参考。

1. 先说清楚：本地部署到底是怎么一回事

说个几乎每个新手都遇到过的场景：你正赶着写点东西，打开网页版对话工具想让它帮忙起个头，结果进度条转了半天，最后弹出一句「当前访问人数过多，请稍后再试」。换个时间段再来，还是排队。要用的时候用不上，这事最让人窝火。

DeepSeek 本地部署，说白了就是原本跑在别人服务器上的模型，搬到你自己电脑里。装好之后，打开本机软件就能对话，不登录、不排队，断网也能聊——当然第一次下载模型还是得联网。这篇入门文专门写给完全没接触过的人：先讲清它是什么、值不值得学，再一步一步带你跑通第一个能对话的本地版本。不用懂算法，跟着敲几行命令就行。

2. 值不值得装：三个好处和两条边界先讲透

2.1 好处一：不用和别人抢，服务繁忙时你还能用

最直接的动力就是稳定可用。网页版模型的算力是共享的，赶上使用高峰，或者平台自己出现波动，你就会看到各种「服务繁忙」。本地部署之后，模型文件躺在你自己的硬盘里，算力来自你自己的内存和显卡，别人用不用、平台忙不忙，跟你这一次对话没有关系。

我第一次把 7B 版本跑起来那天，正好是晚上九点多的高峰时段，网页端一直在转圈，本地这边该出字还是出字，那种「这东西终于是我自己说了算」的感觉还挺上头。不过要把话说在前面：本地这套不是网页版的备份，它俩是两个独立的运行环境，网页端的历史对话不会同步过来，你得把它当成一个新工具来用。

对经常在固定时间写材料、做整理的人来说，这一点很实在——你不需要赌平台今天稳不稳，打开就能用。

2.2 好处二：数据留在自己电脑里，聊什么自己知道

第二个好处是隐私。用网页版的时候，你输入的每一句话都要先发到对方的服务器上，再等结果传回来。平时聊点无关紧要的当然没关系，可一旦涉及还没公开的方案、内部资料、个人笔记，很多人心里就会犯嘀咕：这些内容会存多久、会被谁看到，普通用户其实说不清楚。

本地部署把这条链路整个搬回了自己机器：输入的内容在本机计算，输出也在本机生成，不经过外部网络。你可以把它理解成「把笔记本锁进自己抽屉」，而不是「把笔记本寄给别人保管再要回来」。这不是玄学，是部署形态本身决定的。

当然也别把话说满：本地不等于绝对安全，你的电脑该做的防护还是要做，模型文件也可能被人拷走。它解决的是「对话内容不出本机」这一层，而不是包治百病。对隐私敏感的场景，这一层往往正好是最需要的。

2.3 好处三：响应更跟手，长任务不用提心吊胆

第三个好处是延迟和连续性。本地模型不用排队、不用等网络往返，输入之后基本是「按下回车就开始出字」。短对话你可能感觉不明显，但如果你让它帮你整理一份长清单、改写一段几百字的文字，一来一回几十次，网络版的等待会一点点磨掉耐心。

更关键的是连续性。网页版在生成长内容时，如果碰上服务波动，可能中途断掉，前面等的时间就白费了。本地跑的时候，只要你的电脑不关机、模型不崩，它就会一直算下去。这种「不怕被打断」的踏实感，用过一次就回不去了。

顺便说一句，本地部署对网络环境几乎没有要求，模型下载完之后，你在没有网络的地方也能继续用，出差路上、断网的会议室里都不耽误事。

2.4 两条边界和一份自检：什么情况下先别急着装

先说两条边界，免得你装完失望。

第一，按这份教程装出来的本地版本不带联网能力。它回答的内容只来自模型训练时学到的知识，你问它今天的新闻、最新的价格，它要么答不上来，要么答得不准。它的正确定位是一个「离线知识助手」，不是搜索引擎。

第二，模型不是越大越好。参数越大，对内存和显存的要求越高，硬跑超出配置的版本，轻则慢得让你想砸键盘，重则直接把电脑卡死。这不是软件问题，是硬件天花板。

装之前花两分钟做个自检，能省掉后面一堆麻烦：

• 看内存：右键「此电脑」→ 属性 → 已安装的内存，记下这个数字。
• 看显存：Ctrl+Shift+Esc 打开任务管理器 → 性能 → GPU，看专用显存有多少。
• 看硬盘：至少留出模型体积 1.5 倍的空闲空间，7B 版本准备 10GB 以上比较稳妥。

三项都对得上，就可以往下走了；对不上也没关系，后面会告诉你怎么选小一号的版本。

3. 第一步装底座：Ollama 安装与第一个模型跑通

3.1 Ollama 是干什么的：把它想成模型的应用商店

很多人第一次听到 Ollama 会懵：我又不是程序员，装这玩意干嘛？换个说法就懂了——把 Ollama 想成一个「应用商店 + 播放器」的合体。

模型本身是一堆放在服务器上的大文件，Ollama 负责三件事：把模型下载到本地、登记在册、按需启动。你不需要去官网手动翻文件夹，也不用自己配环境变量、编译什么东西，一条命令点名要哪个模型，它就去把哪个模型请出来。

这个设计对新手特别友好。没有 Ollama 之前，本地跑模型要装一堆依赖、改配置文件，光是环境就能劝退一半人。有了它，整个流程被压缩成「装一个软件 + 敲一行命令」，这也是这份教程把它放在第一步的原因。

3.2 下载安装：从官网到那个小图标

打开 Ollama 官网，页面上有一个 Download 按钮，点下去按你的系统下载对应安装包。Windows 上就是双击、下一步、完成，整个过程不需要改任何选项，默认设置就行。

装完之后，正常情况任务栏右下角会出现一个羊驼形状的小图标，说明它已经在后台待命了。验证方法我比较推荐两种：按 win 键打开搜索框，输入 Ollama，能搜到那个羊驼图标就说明装上了；或者按 win+R 输入 cmd 打开命令行，敲下面这条命令。

# 在命令行里输入 ollama 并回车 # 如果安装成功，会刷出一屏命令帮助信息 ollama

这条命令不带任何参数，作用是「自报家门」：能刷出帮助信息，说明 Ollama 已经正确安装并且能被系统找到。如果提示「不是内部或外部命令」，先别慌，这多半只是终端没刷新，关掉重新打开一次通常就好了，第 5 章会专门讲这个坑。

3.3 三档模型怎么挑：1.5B、7B、32B 对着配置抄作业

装好 Ollama 之后，下一步是选模型。这里最容易犯的错是「贪大」——看到 32B 就觉得肯定更强，结果电脑跑不动，白白浪费时间。先看懂下面这张表，再对着自己的配置挑。

表里的 B 指的是模型参数规模，数字越大，模型「见过的东西」越多，回答通常越完整，但同时对内存和显存的要求也越高。入门阶段我的建议很明确：先选 7B。大部分近几年的家用电脑都能跑起来，它也是「能感受到效果」和「不至于卡死」之间比较好的折中。

如果你的电脑内存只有 8GB 甚至更低，别硬上 7B，先从 1.5B 开始。流程是完全一样的，先把整条链路走通，知道自己会操作了，以后换机器再升级版本，学习成本几乎为零。

3.4 第一个例子：命令行里把 7B 模型跑起来

现在到了最关键的一步。按 win+R，输入 cmd，回车，打开命令行窗口，然后敲下面这条命令。

# 让 Ollama 下载并启动 7B 版本的模型 # 第一次执行会自动从模型仓库下载几个 GB 的文件，请保持网络畅通 ollama run deepseek-r1:7b

这条命令可以拆成三段来读：ollama是命令本身，告诉系统「我要用 Ollama」；run是动作，意思是「下载并运行」；deepseek-r1:7b是模型的完整名字，冒号后面的7b就是版本标签。三段合起来，就是「用 Ollama 把 7B 这个版本的模型拉下来跑起来」。

回车之后，屏幕会先显示下载进度。模型有几个 GB，网速一般的话要等一会儿，期间不要关窗口。下载完成后，界面会出现一个提示符，这时候就可以直接打字提问了，比如输入「你好，介绍一下你自己」，回车就能看到它一个字一个字往外蹦。

想退出对话，输入/bye再回车，或者直接按 Ctrl+C，都会回到普通命令行状态。下次再想用，不用重新下载，再执行一次ollama run deepseek-r1:7b就行——模型已经在本地了，启动只要几秒。

3.5 确认与复查：ollama list 能看到什么

命令行里能对话，但很多人第一次用会心里没底：模型到底下没下完？装了几个？这时候就该ollama list出场了。

# 列出本机已经下载好的所有模型 ollama list

执行后会出现一张小表格，通常有四列：NAME 是模型名字，ID 是一串标识，SIZE 是模型占用的磁盘空间，MODIFIED 是最后一次修改时间。只要在 NAME 那一列能看到deepseek-r1:7b，就说明模型已经稳稳地待在你的硬盘里了。

这个命令建议养成习惯，每隔一段时间敲一次。原因很实际：模型文件很占地方，试过几个版本之后，硬盘容易被塞满，用ollama list一眼就能看出来哪些是当时试完就忘了删的。搞清楚自己机器上有什么，是入门阶段最值得建立的一个小习惯。

4. 第二步换成顺手界面：ChatBox 接上本地模型

4.1 命令行能对话，为什么还要装 ChatBox

命令行里已经能聊了，为什么还要多装一个软件？因为命令行只适合「验证能不能跑」，不适合「天天用」。

你可以想象一下：窗口就那么大，回答一长就得往上滚；想复制一段内容，得用鼠标小心地选中；对话记录关掉窗口就没了，下次还得重新问；代码块混在文字里，看着也累。这些都不影响功能，但会一点点消耗你继续用下去的意愿。

ChatBox 解决的就是这一层体验问题。它本质上是一个聊天界面，把「你打字」和「模型回答」包装成了熟悉的对话窗口：有历史记录、有会话列表、能方便地复制内容、能调整字体和主题。模型还是那个本地模型，Ollama 还在后台干活，ChatBox 只是给它配了一个顺手的「外壳」。

4.2 安装 ChatBox：下完双击，一路下一步

从 ChatBox 官网下载 Windows 安装包，双击运行，按提示下一步就行，安装过程没什么需要特别设置的地方。装好之后打开，第一次启动可能会让你选界面语言或者登录账号，直接跳过登录，用本地模式就好——我们要连的是自己电脑上的模型，不需要云端账号。

如果打开后发现是英文界面，去设置里找语言选项切成中文，后面配置起来会顺很多。这一步不难，但对新手来说，界面语言不对会让人莫名紧张，先把这点解决掉，心态会稳不少。

4.3 配置本地模型：地址和模型名这两格最关键

打开 ChatBox 之后，找到设置入口，选择「使用自己的 API Key 或本地模型」。如果你手快把这个引导窗口关掉了，也别急，通过「设置」→「添加自定义提供方」还能回到同一个配置页面。

接下来是几个关键项，按下面这样填：

• 提供方类型：选 Ollama，因为模型是 Ollama 在管理。
• API 地址：填http://127.0.0.1:11434。
• 模型名称：填deepseek-r1:7b，必须和ollama list里看到的完全一致。

地址里那个11434是 Ollama 在本机监听的端口，相当于门牌号，删掉或者改错就连不上。127.0.0.1代表「本机自己」，意思是让 ChatBox 去找这台电脑上的服务，而不是去网上找。模型名称这一格最容易被写错，大小写、冒号、版本号，任何一处对不上都会导致列表里选不到模型。

填完点保存，配置就生效了。如果保存按钮点完没反应，先检查一下 Ollama 是不是还在后台运行，图标还在不在。

4.4 第一次测试：输入「你是谁」看它怎么答

配置保存之后，新建一个对话，在输入框里敲「你是谁」，回车。几秒钟内如果它回答自己是 DeepSeek-R1，就说明整条链路已经通了：ChatBox 把你的问题发给本机的 Ollama，Ollama 调用本地模型生成回答，再传回界面显示出来。

这一步的意义不只是「能聊了」，更是「链路验证通过」。以后遇到问题，比如回答变慢、界面报错，第一反应都应该是回到这个测试：先在 ChatBox 里问一句「你是谁」，看它答不答；不答就回命令行跑一次ollama run，看模型本身正不正常。一层一层往回查，比盲目重装有效得多。

提示：到这里装好的本地版本不具备联网功能，问它实时新闻、最新数据是答不上来的，这是正常现象，不是装错了。

5. 新手避坑：五个最容易翻车的地方和排查顺序

5.1 坑一：命令行提示「ollama 不是内部或外部命令」

现象：敲完ollama或者ollama list回车，命令行返回一行红字或者英文提示，说找不到这个命令。

原因：Windows 安装程序会把 Ollama 加进系统路径，但已经开着的命令行窗口不会自动刷新，它拿的还是旧的那份环境信息。

解决：先关掉当前命令行窗口，重新按 win+R 输入 cmd 打开一个新的，再敲一次。还不行就重启一次电脑，让系统重新加载路径。如果依然报错，说明安装过程可能没走完，重新运行安装包选修复或重装一遍。

5.2 坑二：拉模型卡在下载，进度条半天不动

现象：执行ollama run deepseek-r1:7b之后，进度条停在一个数字上很久不动，或者速度慢到让人怀疑人生。

原因：模型文件有几个 GB，下载走的是模型仓库的服务器，速度受你的网络状况和对方服务器负载影响，偶尔会中断。

解决：按 Ctrl+C 中断，再执行同一条命令，Ollama 支持断点续传，已经下好的部分不会白费。也可以换到网络空闲的时段再试。如果实在等不了，教程配套的网盘里放了离线文件，直接拿来用能省掉这段等待。

5.3 坑三：模型跑起来了，电脑却卡得没法用

现象：对话开始之后风扇狂转，鼠标拖动都一顿一顿的，开个浏览器要等好几秒。

原因：模型参数超出了你的内存或显存承受范围。7B 版本在 8GB 内存的机器上，系统本身还要占一部分，留给模型的空间就不够了，系统只能频繁地在内存和硬盘之间倒腾数据。

解决：先输入/bye退出当前模型，然后换成 1.5B 版本重新跑。同时关掉其他占内存的程序，浏览器标签页是最容易忽略的大户。如果长期要用，加内存条比换软件更立竿见影。

5.4 坑四：ChatBox 连不上本地模型，一直转圈

现象：在 ChatBox 里发消息，界面一直显示加载中，或者弹出连接失败之类的提示。

原因：可能是 Ollama 后台服务没启动，也可能是 API 地址或模型名写错了。这两个原因占了新手问题的大多数。

解决：先回命令行跑一次ollama run deepseek-r1:7b，确认模型本身能正常回答；再回到 ChatBox 的设置里核对地址是不是http://127.0.0.1:11434、模型名是不是和ollama list里一字不差。按这个顺序查，基本都能定位到问题。

5.5 坑五：以为本地版能上网搜资料

现象：问它今天的新闻或者某个最新数据，它给了一个看着像模像样但其实过时甚至编造的答案。

原因：本地模型只有训练时学到的知识，不带实时检索能力，它不知道「今天」发生了什么。

解决：调整预期，把它当离线知识助手用，适合整理、改写、解释概念这类不依赖实时信息的任务。想要联网，需要额外搭配检索工具或插件方案，那是装好之后下一步再考虑的事。

6. 下一步学什么：从「能跑」到「用得顺」的三步路

装好只是起点，接下来怎么走，我按优先级给你排一下。

第一周，先把手感练熟。别急着研究参数，每天用它处理一件真实的小事：整理一份待办清单、把一段口语改写成书面语、让它解释一个你不太懂的概念。这一步的目的是建立「什么时候该用它」的直觉。同时留意上下文长度——聊得太长它会变慢，学会在合适的时候开新对话，比装十个插件都管用。

第二周，摸清自己机器的边界。把 1.5B 和 7B 都跑一遍，对比回答质量和速度，你就知道自己这台电脑大概在什么档位。以后看到别人推荐更大的模型，也不会盲目跟风。

一个月左右，可以开始了解两个方向。一个是提问方式，也就是怎么把问题描述清楚，这决定了同样的模型能发挥出几成水平；另一个是联网和知识库，让本地模型能查资料、能读你自己的文档，这部分比装软件复杂一些，但基础已经打好了，学起来不会太吃力。

从那以后我每次换新机器，第一件事永远是跑一遍「你是谁」，确认从命令行到界面整条链路都通了，再去干别的。这个习惯帮我省掉了很多「以为装好了其实没通」的返工。希望帮到你。

本文还有配套的精品资源，点击获取