如果你在使用 PC 端 DeepSeek 时觉得卡顿，或是被 “服务器繁忙，请稍后再试” 的提示困扰，那么本地化部署 DeepSeek 或许是个绝佳的解决方案。通过本地化部署，不仅能解决卡顿问题，还能在数据隐私、成本控制等方面带来诸多优势。下面就为你详细介绍如何在 PC 端快速部署 DeepSeek。

一、PC 端部署步骤

（一）Windows 系统

1. 准备工作：确保你的电脑满足以下配置要求：

• 操作系统：Windows 10 或更高版本。

• 硬件：

• 入门级配置（适用于简单文本处理和轻量级使用场景）：四核处理器（如 Intel Core i5-7500），4GB 显存的英伟达 GPU（如 GTX 1050 Ti），8GB 内存，50GB 可用空间的 SSD。此配置下，能基本运行 DeepSeek，但处理复杂任务时可能会稍显吃力。

• 中级配置（适用于一般办公和中度 AI 应用）：六核及以上处理器（如 Intel Core i7-9700K），8GB 显存的英伟达 GPU（如 RTX 2060），16GB 内存，100GB 可用空间的 SSD。该配置能较为流畅地运行 DeepSeek，处理常见的 AI 任务。

• 高级配置（适用于专业 AI 开发和复杂计算任务）：八核及以上处理器（如 Intel Core i9-12900K 或 AMD Ryzen 9 5950X），16GB 及以上显存的英伟达 GPU（如 RTX 3080 或更高），32GB 及以上内存，500GB 及以上可用空间的 SSD。此配置可应对大规模数据处理和复杂模型训练，让 DeepSeek 性能得到充分发挥。

• 软件依赖：

• Python：建议安装 Python 3.8 及以上版本，可从Python 官网下载对应 Windows 版本安装包，安装过程中记得勾选 “Add Python to PATH”，方便后续命令行调用。

• CUDA 工具包：根据你所使用的英伟达 GPU 型号，从nVIDIA 官网下载匹配版本的 CUDA 工具包。例如，RTX 30 系列 GPU 推荐使用 CUDA 11.0 及以上版本。安装时注意选择自定义安装，可根据需求选择安装组件。

• 深度学习库：使用 pip 命令安装 TensorFlow 或 PyTorch，例如安装 TensorFlow 可在命令提示符中输入 “pip install tensorflow”（安装指定 GPU 版本的 TensorFlow 可输入 “pip install tensorflow-gpu”）；安装 PyTorch 则需根据官网提示，选择对应 CUDA 版本的安装命令，如 “pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117” （此处假设 CUDA 版本为 11.7）。

2. 下载 Ollama：Ollama 可以简化 DeepSeek 的安装过程，无需云订阅。前往Ollama 官方网站下载 Windows 安装程序，下载完成后双击安装文件，按照屏幕上的提示完成安装。安装前确保电脑至少有 4GB 的可用存储空间。

3. 检查安装：按快捷键 win + R，在弹出的运行框中输入 “cmd”，点击确定打开命令提示符。在命令提示符中输入 “ollama -v”（注意空格），然后回车，如果显示 ollama 版本号，说明 ollama 安装成功。

4. 下载 DeepSeek 模型：打开浏览器，访问ollama 里的 deepseek - R1 模型页面 ，根据自己电脑的配置，下拉选择合适的参数规模：

• 对于入门级配置：建议选择 7B 或 13B 规模的模型，命令为 “ollama run deepseek-r1:7B” 或 “ollama run deepseek-r1:13B” 。这两个模型相对较小，对硬件资源要求较低，能在入门级配置下较为流畅地运行。

• 中级配置：可尝试 33B 规模的模型，命令为 “ollama run deepseek-r1:33B” 。该模型在处理复杂任务时表现优于小模型，且中级配置电脑能较好地支撑其运行。

• 高级配置：可选择 70B 规模的模型，命令为 “ollama run deepseek-r1:70B” 。此模型具有强大的处理能力，适合处理复杂的 AI 任务，但对硬件性能要求极高，只有高级配置电脑才能充分发挥其优势。

复制对应的命令后，回到命令提示符窗口，将命令粘贴到光标后，按回车开始下载模型。下载过程中，如果发现下载速度开始变慢，按 Ctrl+C 停止下载，然后重新输入命令下载即可。耐心等待下载完成，下载时间取决于网络速度和模型大小，7B 模型约 3GB，13B 模型约 6GB，33B 模型约 16GB，70B 模型约 42GB。

5. 使用可视化界面（可选）：虽然命令行窗口可以直接与 DeepSeek 交互，但操作和复制内容不太方便。你可以打开chatboxai.app ，先将语言改为简体中文。按下快捷键 win + X，依次点击 “系统”-“高级系统设置”-“环境变量”，在环境变量界面单击 “新建” 按钮，新建第一个用户变量：OLLAMA_HOST，变量值设置为：0.0.0.0 ，单击确定；再新建第二个用户变量：OLLAMA_ORIGINS，变量值设置为：OLLAMA_ORIGINS ，单击确定。关闭正在运行的 ollama 程序和 cmd 命令界面，点击开始菜单，找到刚刚安装好的 ollama 并运行。最后在 chatboxai 网页上进行设置，设置完成后点击确定，就可以在这个可视化界面与 DeepSeek 进行对话了。

（二）Mac 系统

1. 准备工作：系统需为 macOS 10.15 或更高版本，硬件配置与 Windows 类似，需准备好 Python、CUDA 工具包以及深度学习库：

• Python：可通过 Homebrew 安装，在终端输入 “brew install python” 。

• CUDA 工具包：对于 Mac 电脑，若使用的是支持 CUDA 的英伟达 GPU，可从nVIDIA 官网下载对应版本的 CUDA 工具包。不过，Mac 上支持 CUDA 的 GPU 型号有限，部分 Mac 电脑可能无法安装 CUDA 工具包，此时可考虑使用 CPU 进行计算，但性能会有所下降。

• 深度学习库：安装方式与 Windows 类似，使用 pip 命令安装 TensorFlow 或 PyTorch。

2. 下载 Ollama：

• 方式一：前往 Ollama 官网下载安装程序。

• 方式二：使用 Homebrew 安装，在终端输入命令 “brew install ollama” 。

3. 拉取 DeepSeek 模型：打开终端，根据不同配置输入对应的命令：

• 入门级配置（如 MacBook Air M1 芯片）：推荐使用 “ollama run deepseek-r1:7B” 。M1 芯片的 MacBook Air 性能相对较弱，7B 模型能在保证一定使用体验的同时，不会给系统带来过大压力。

• 中级配置（如 MacBook Pro M1 Pro 芯片）：可尝试 “ollama run deepseek-r1:13B” 。M1 Pro 芯片性能较强，能更好地运行 13B 模型，处理一些稍复杂的任务。

• 高级配置（如 Mac Pro 配备高性能 GPU）：可选择 “ollama run deepseek-r1:33B” 甚至 “ollama run deepseek-r1:70B” （需根据实际性能评估）。Mac Pro 强大的硬件性能能够支撑较大规模模型的运行，实现更复杂的 AI 功能。

例如 “ollama run deepseek - r1:70B” ，根据电脑配置选择适合的模型版本。注意，70B 模型文件较大，约 42GB，下载时间取决于网络速度，预计在 40 分钟左右。

4. 启动 DeepSeek：在终端运行上述命令后，即可通过简单的文本交互界面与 DeepSeek 进行对话。如果想要更便捷的交互体验，可以安装 PageAssist 插件。打开 Chrome 浏览器，前往 Chrome 应用商店，搜索并安装 PageAssist 插件。安装完成后，就能通过直观的用户界面与 DeepSeek 互动，还能进行语言及个性化设置 。

（三）Linux 系统（以 Ubuntu 18.04 及以上为例）

1. 准备工作：满足相应的硬件和软件依赖条件：

• Python：Ubuntu 系统默认安装了 Python 2，但建议安装 Python 3。可在终端输入 “sudo apt-get update && sudo apt-get install python3 python3-pip” 进行安装。

• CUDA 工具包：从nVIDIA 官网下载对应版本的 CUDA 安装文件（.run 格式），下载完成后在终端进入文件所在目录，输入 “sudo sh cuda_xxx.run” （xxx 为版本号）进行安装，安装过程中根据提示进行选择。

• 深度学习库：使用 pip3 命令安装 TensorFlow 或 PyTorch，例如 “pip3 install tensorflow” 或 “pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117” （假设 CUDA 版本为 11.7）。

2. 安装 Ollama：在终端运行命令 “curl -fsSL https://ollama.com/install.sh | sh” ，即可完成 Ollama 的下载与安装。

3. 后续步骤同其他系统：安装好 Ollama 后，通过命令行拉取 DeepSeek 模型，根据不同配置输入对应的命令：

• 入门级配置（如普通办公电脑）：使用 “ollama run deepseek-r1:7B” 。

• 中级配置（如具备一定算力的工作站）：尝试 “ollama run deepseek-r1:13B” 。

• 高级配置（如专业深度学习服务器）：选择 “ollama run deepseek-r1:33B” 或 “ollama run deepseek-r1:70B” 。

根据自身需求选择合适的模型参数规模进行下载和使用。

通过以上步骤，你就可以在 PC 端快速部署 DeepSeek，实现自给自足的使用，摆脱卡顿和服务器繁忙的困扰，尽情享受 DeepSeek 带来的智能服务。不过在部署过程中，要注意根据自己设备的实际配置合理选择模型参数，以获得最佳的使用效果。如果在部署过程中遇到问题，可查阅相关技术论坛或向专业人士寻求帮助。