本页目录
DeepSeek 动不动就提示“服务器繁忙”，想问个问题还得碰运气？来，咱们把模型搬回自己的电脑：安装 Ollama、下载模型、启动聊天，再接一个顺手的客户端。服务跑在本机，至少不用跟别人抢同一条排队通道了。
我用 DeepSeek-R1 14B 走一遍完整流程，随后再讲社区改造模型、后台管理和 Docker 部署。先提醒一句：安装命令很短，模型下载和生成速度可不会因为标题里写了“5 分钟”就突然加速。
1. 安装 Ollama：先把运行环境准备好
Ollama 负责下载、加载和运行模型，Cherry Studio 等客户端则负责提供聊天界面。两者不是替代关系：只装客户端，没有启动本地服务，模型照样没法回答。
| 准备项 | 用途 |
|---|---|
| Ollama 官方安装包 | 安装模型运行服务和命令行工具 |
| 足够的磁盘空间 | 保存模型文件，下载前查看所选标签的大小 |
| 能访问模型库的网络 | 首次下载模型；下载完成后的本地推理不依赖在线聊天服务 |
| 终端或命令行 | 下载、运行和管理模型 |
在下载页选择自己的系统。Mac 安装时，把 Ollama 应用拖入“应用程序”，然后打开；初次安装按提示完成命令行配置。确认服务启动后，在终端检查：
ollama --version能看到版本号，说明命令行工具已经可用。若提示找不到命令，先完成安装或重新打开终端，不用急着反复下载模型。
2. 拉取 DeepSeek-R1：模型不是越大越适合
到 DeepSeek-R1 模型页选择标签。我这里使用的是 14B 蒸馏版本，不是把完整大模型原封不动塞进笔记本。
ollama pull deepseek-r1:14b终端会显示下载进度和文件大小，完成后出现 success。我的这次 14B 下载约为 9 GB；这个数字是该分发文件的大小，不能直接当成运行所需内存。
选择模型时，先看三个条件：
- 参数规模与任务：先用机器能承受的标签跑通流程，再考虑更大的模型；参数多不保证每一道题都答得更好。
- 量化与实际文件大小：相同参数规模可以有不同分发格式，别拿 FP16 的理论权重大小当所有标签的硬件门槛。
- 上下文和运行占用：上下文越长、并发越多，额外内存占用可能越高。运行后看实际 CPU、GPU 和内存，而不是只看模型名字。
下载失败先检查标签是否存在、网络和剩余磁盘空间。模型列表及文件大小会更新，以当前模型页为准。
3. 运行模型：先在终端聊上两句
ollama run deepseek-r1:14b进入交互界面后，输入一个简单问题，比如“你能做什么？”。能收到完整回复，才算本地推理链路跑通。run 在模型尚未下载时也会先下载再运行；把下载和运行拆开，只是更容易看清分别卡在哪一步。
首次加载通常比后续请求慢。若长时间没有输出，观察资源占用，再用较短问题或更小模型排查，不要把“终端没报错”等同于“机器跑得动”。
4. 接入客户端：聊天终于不用一直盯着终端
Cherry Studio 桌面客户端
我常用 Cherry Studio，一个界面就能管理不同提供方的模型。安装后按以下顺序接入：
- 保持 Ollama 服务运行，打开 Cherry Studio 左下角的设置。
- 在模型提供方中选择 Ollama，核对本机服务地址；默认本地地址是
http://localhost:11434。 - 点击模型管理，从检测到的模型里添加
deepseek-r1:14b。 - 回到聊天界面，选择刚添加的模型，发送简单问题验证。
如果管理页没有模型，先运行 ollama list 确认文件已下载，再检查服务地址。模型下载成功、客户端添加成功、对话返回成功，是三个不同环节。
Page Assist 浏览器扩展
更喜欢浏览器界面的，可以从 Page Assist 项目页进入对应扩展商店安装。打开扩展的聊天界面，核对 Ollama 连接地址，从模型列表选择本地模型，再发送测试问题。
这两种方式都不需要为了本机聊天把 11434 端口开放到公网。安装扩展前看清权限；接了本地模型，也不代表扩展的搜索、同步等其他功能都离线。
5. 社区改造模型：来源与效果要分开看
社区中有使用 abliteration 等方法调整拒答行为的模型，例如 huihui_ai 的 DeepSeek-R1 改造版。它与原始 DeepSeek-R1 标签不是同一份权重，选择前先看发布者、说明、许可和实际标签。
下载和启动仍沿用相同操作，例如该页面提供的 14B 标签：
ollama run huihui_ai/deepseek-r1-abliterated:14b下载完成后，回到 Cherry Studio 的 Ollama 模型管理，把新模型添加到列表，再在对话中切换。没有切换模型，就仍是在问之前那个版本。
我试过它能回答原先被拒答的一些问题，但拒答少不等于回答准确，也不等于没有偏见。更不能由此推断在线服务的全部审核都只发生在输出端。评估改造模型时，把响应行为、事实质量和安全风险分开比较。
6. 常用指令：关掉聊天窗口，不等于卸载模型
Ollama 服务、终端聊天会话和已加载模型是不同的东西。退出终端后，桌面客户端仍可能继续请求服务；模型是否留在内存中，还与保活设置和正在进行的请求有关。
| 指令 | 用途 |
|---|---|
ollama list | 查看本机已下载的模型 |
ollama ps | 查看当前加载的模型 |
ollama stop deepseek-r1:14b | 停止指定模型、释放其运行占用；不删除文件 |
ollama rm deepseek-r1:14b | 删除指定模型的本地文件，执行前确认不再需要 |
ollama --help | 查看当前版本支持的指令 |
想确认模型已经停止，执行 stop 后再看 ps；想保留模型下次继续用，就别把 rm 当成“关闭”按钮。
7. Docker 部署：持久化模型，也要看 GPU 支持
需要容器化时，可使用 Ollama 官方镜像。下面是仅在本机访问的 CPU 示例；先停止占用同一端口的原生服务，避免端口冲突。
docker run -d \
--name ollama \
-v ollama:/root/.ollama \
-p 127.0.0.1:11434:11434 \
ollama/ollama
docker exec -it ollama ollama run deepseek-r1:14b-v 把模型目录放在具名卷中，避免每次重建容器都重新下载；容器可写层与独立数据卷不是一回事，删除容器也不等于必然删除这个具名卷。若要复用已有模型目录，应确认目录结构和权限，再选择绑定挂载，不直接照抄别人的个人路径。
GPU 加速不能只靠加一个参数：NVIDIA 需要对应驱动和 Container Toolkit，AMD 等路径按官方设备支持配置。Mac 上原生 Ollama 的 Metal 加速与 Docker 里的 Linux 容器不是同一条路径。我在 Apple Silicon Mac 上使用原生 Ollama 时能利用 GPU，而这次 Docker 环境走的是 CPU，速度明显不适合日常聊天；Mac 用户可以先跑原生版本建立基线。
跑通之后，让模型真正派上用场
到这里，模型下载、终端聊天、客户端接入和后台管理就串起来了。先把一条本地链路跑稳，再加客户端或容器，出问题也更容易找到是哪一层没接上。
下一步可以给模型接入自己的资料，继续看DeepSeek 知识库搭建，或者试试让 Ollama 做日常翻译。你选了什么模型、用什么硬件、在哪一步遇到了问题？欢迎在评论区聊聊，附上版本和脱敏后的报错即可，别贴密钥或私有资料。感谢阅读，后面继续一起把本地模型用起来。
