DeepSeek一直在崩？轻松教你实现本地部署

在回答问题和实际应用上， DeepSeek 确实做到了同类型推理模型的表现最佳。

然而，在其出圈之后， Deepseek 就一直在经历拥堵，联网搜索功能间歇性瘫痪，深度思考模式则高频率提示「服务器繁忙，请稍后再试」。

而本地部署能够杜绝这样的情况，通过在本地设备上安装 AI 模型，而不用依赖云端 API 或在线服务，这样就能从根本上解决「服务器繁忙」这种情况。

下面主要介绍两种本地部署方式，一是使用 LM Studio 实现零代码部署，二是基于 Ollama 实现本地部署。

LM Studio：零代码部署

官网：https://lmstudio.ai

1、根据电脑操作系统（Windows、macOS 或 Linux）下载适合的版本，接下来我主要以Windows做演示；

2、下载完成安装后，来到LM Studio登陆界面，点击登陆；

3、登陆后发现为纯英文界面，点击右下角的齿轮图标把语言改成简体中文；

4、点击左侧菜单栏第三个图标，进入根目录；

5、现在已经有一个文件夹了，还需要再套娃两个文件夹，并且两个文件夹名字不能是中文和特殊字符；

具体如下所示，至此，模型框架基本已经部署完成；

6、下载模型导入，分享一个模型下载地址：

魔搭：https://www.modelscope.cn/home；

7、搜索模型的时候，需要选择「GGUF」格式的模型才能识别，神经元参数量越高，模型认知也就越强，得出的答案质量也就越高，但对于电脑配置的要求自然也就越高；

8、文件点击与电脑适配的参数量后，发现还有不同版本，家可以根据显存大小进行判断，但最好选择 Q4 及以上的精度；

9、下载完毕之后把模型放进第5步建立好的模型文件夹的最里层（002）；

10、返回 LM Studio 对话页面，点击选择加载模型，就可以使用了！

基于 ollama 实现本地部署

官网：https://ollama.com/

1、根据电脑操作系统（Windows、macOS 或 Linux）下载适合的版本，依旧以Windows做演示；

2、配置AI模型前，进入 Ollama 官网查看支持的模型及相应的版本，并根据电脑硬件设置，选择合适的模型版本，并复制模型版本后的代码；

3、下载完成安装后，键盘快捷键Win+R打开运行；

4、输入cmd，打开命令提示符，输入第2步中复制的代码，并回车，自动开始下载模型；

5、下载完成后，便可以在这个终端中开始对话了；

6、目前的对话方式不直观，所以需要配置一个好用的前端，前端的选择非常多，我这边选择的是在 Google Chrome 安装一个叫 Page Assist 的插件；

7、这个时候想要本地部署，还需要修改Windows环境变量，找到高级系统设置里的高级选项，选择环境变量；

8、新建用户变量& 系统变量，变量名：set OLLAMA_HOST ，变量值 0.0.0.0 ，并最终确定；

9、回到 Page Assist 首页，把英文界面改成简体中文，同时选择已经配置好的模型；

10、这个时候就已经可以使用了，如果想要体验联网功能，则还需要来点魔法。

以上两种方式都能实现本地部署，不过到底是选择在线模型，还是本地部署，还是要根据用户自己的实际情况做出选择。

同时，欢迎大家进群

交流更多有关DeepSeek本地部署经验