简介面向AI工具初学者与进阶用户的DeepSeek使用指南聚焦模型选择与多场景上手路径帮助读者厘清V3与R1的差异并理解官方网页/App、本地部署、API加客户端三类方案的适用边界。文档围绕官方完整版、Ollama蒸馏版及ChatBox等客户端配置展开兼顾普通用户体验、隐私保护与灵活调用需求适合希望快速建立整体认知、按自身条件选择方案的人群。资源包仅含1个PDF文件约311KB篇幅精炼便于随时查阅。已有365人学习说明其对入门与方案选型具有一定参考价值。内容从模型概览切入串联使用方式与总结既解释V3擅长通用任务、R1偏重逻辑推理和代码数学等特性也提示本地部署性能折损、API调用成本等现实问题可作为选型对照与后续实践的轻量参考。1. 别急着敲命令先弄清自己装的是哪一档 DeepSeek上个月帮一位同事在他那台 8GB 内存的轻薄本上装 DeepSeek他翻出一份《DeepSeek 使用方法》的文档照着做Ollama 装好了、模型也拉下来了可ollama run一执行风扇立刻拉满回答一个字一个字往外挤五分钟没吐完一段话。翻回去看命令他拉的是 14B而不是文档里标着「初次尝试」的 1.5B。这类翻车我见过太多次DeepSeek 本身不难装难的是先分清官方网页版、Ollama 本地蒸馏版、API 加客户端这三条路各自的边界。这篇笔记按我自己的习惯写把环境要求、版本选择、安装命令、配置项和装坏之后的救法一条条落到能抄的程度适合手里只有一台普通电脑、又想把 DeepSeek 使用方法真正跑通的人。2. 落地前的环境盘点DeepSeek V3 与 R1 该选哪个版本装任何一套本地模型环境最怕的不是命令敲错而是装完才发现选错了档位。DeepSeek 这条线上选错档位的代价特别直观——要么慢到没法用要么机器直接卡死。所以这一章先把模型分工和三条路线的硬件账算清楚再动手下载。2.1 V3 全能、R1 会推理本地拿到的是蒸馏版DeepSeek 开放的两款模型分工其实很清楚。V3 是全能型日常问答、写材料、翻译、总结、改文案这类活儿交给它响应快、消耗低R1 是推理型在逻辑推理、写代码、数学题求解这些需要「先想一遍再回答」的任务上更胜一筹代价是思考链条长、等待久、调用成本也高。原文里那句「使用时请酌情选择」落到实操上就是一条默认规则拿不准就用 V3遇到确实需要一步步推导的题再切 R1。本地部署这块必须先把预期摆正。通过 Ollama 拉到的deepseek-r1是蒸馏版规格从 1.5B 一路排到 671B。1.5B 是入门档占用约 1.1GB 内存绝大多数电脑都能跑14B、34B 效果明显更好但对内存和显存的要求是成倍往上走的671B 那一档个人电脑基本不用想。至于官方入口那个满血版 R1是另一码事只能在官方网页和手机端用不存在「下载到自己机器上」这个选项。把这层关系捋成一张表选版本时就不容易犯迷糊模型档位擅长的活成本能不能装在自己机器上DeepSeek V3官方完整版通用问答、写作、翻译、总结低不能只能走官方入口DeepSeek R1官方完整版复杂推理、代码、数学高不能只能走官方入口DeepSeek R1 蒸馏版 1.5B轻量问答、简单推理、流程验证低可以约 1.1GB 内存DeepSeek R1 蒸馏版 14B / 34B更接近可用水平的推理中可以但吃内存表格里「不能」那两行是我见过最多误解的地方。很多人以为开源就等于「能下到自己电脑上跑满血」实际上下到本地的是压缩过的蒸馏版本能力上有明确差距。想清楚这一点后面配置的时候就不会对着一台轻薄本抱怨「怎么这么笨」。2.2 三条路线对照官方、Ollama 本地、API 加客户端原文把使用方式分成三种这个划分是对的我把每种的落地成本补齐路线要装什么效果数据在哪花钱吗适合谁官方网页 / 手机端什么都不装注册即用完整版 V3 与 R1平台侧免费绝大多数人首选Ollama 本地部署Ollama 加一个模型文件蒸馏版能力打折自己机器免费有隐私顾虑、想离线跑通流程API 加客户端客户端加一个 API 密钥平台侧的完整模型平台侧按量计费需要在第三方工具里固定工作流装前清单我一般会先过一遍缺一样后面就会卡操作系统Windows 10 及以上、macOS 较新的版本都可以Ollama 官方安装包覆盖这两个平台命令行Windows 用「命令提示符」或 PowerShellmacOS 用 Terminal后面所有命令都在这里敲内存本地跑 1.5B 至少要留出 2GB 空闲内存14B 以上建议 16GB 起磁盘模型文件存在用户目录下C 盘紧张的话先改存放路径别等拉到一半报磁盘满网络拉模型是一次性的大文件下载中途断了得重来找个网络稳定的时段做。对照完之后基本就能定方向了只想快速用上 DeepSeek直接走官方入口在意数据不出机器走 Ollama想在 ChatBox 这类工具里固定一套对话流走 API 加客户端。3. 本地部署实操Ollama 安装与 deepseek-r1:1.5b 拉取这条路线是原文里「最保险」的那条也是我实际装得最多的一条。步骤本身不复杂装 Ollama、拉模型、跑起来三步但每一步都有几个参数值得说清楚不然升规格的时候还得重新查一遍。3.1 装 OllamaWindows 与 macOS 两条路径进入 Ollama 平台点页面上的 Download 按钮下载对应系统的安装包这一步原文写得很简略实际两个平台的表现不太一样。Windows 下载的是 exe双击一路下一步即可。装完之后托盘区会出现 Ollama 的图标它默认把服务挂在后台常驻端口是 11434关掉命令行窗口服务也不会停。macOS 下载的是 dmg把应用拖进 Applications 文件夹第一次启动会要求确认之后同样常驻后台。装完先验证一下别急着拉模型# 确认 Ollama 已进入 PATH能打印版本号就说明安装成功 ollama -v # 如果上面报 command not foundmacOS 可以看进程在不在 ps aux | grep ollama第一行命令的本质是找 PATH 里有没有ollama这个可执行文件。Windows 用户如果报「不是内部或外部命令」九成是装完没重开终端——安装程序改了环境变量但已经打开的窗口读不到新值重开一个就好。macOS 上如果提示找不到先确认是把应用拖进了 Applications而不是在下载目录里直接双击运行。服务没起来的情况也要会看。Windows 在托盘图标上右键退出再重新打开macOS 可以在终端手动前台启动日志直接打在屏幕上# 前台启动服务出错信息会直接打印排查时比后台模式好使 ollama serve这条命令会占用当前终端窗口按 CtrlC 结束。默认监听127.0.0.1:11434只允许本机访问这个默认值是安全的别急着改。3.2 拉模型ollama run deepseek-r1:1.5b 到底做了什么模型不用单独下载run这一条命令把「拉取」和「运行」串起来了# 首次执行会自动下载模型1.5B 约 1.1GB下完直接进交互界面 ollama run deepseek-r1:1.5b # 另开一个窗口确认模型已经落在本地 ollama list # 看当前有哪些模型正在占内存 ollama ps第一行的 tag 里1.5b千万不能省。省掉之后默认取latest而不同时间点latest指向的规格不一定是你想要的这类玄学问题排查起来非常费劲。命令执行后会先显示下载进度网速正常的话几分钟内完成下完直接出现输入提示符敲问题就能对话。退出用/bye或者按 CtrlD。ollama list输出的是本地已有的模型清单包含名字、大小和拉取时间ollama ps则显示当前加载进内存的模型跑完一段时间不用会自动卸载这两个命令分工不同排查「明明装了却提示找不到模型」时特别有用。模型默认存在用户目录下C 盘紧张的话提前改路径别等装到一半再挪# Windows PowerShell改模型存放目录到 D 盘 setx OLLAMA_MODELS D:\ollama\models # macOS / Linux写进 shell 配置文件才会长期生效 export OLLAMA_MODELS$HOME/ollama-modelssetx写的是用户级环境变量执行完必须重开终端才生效这一点和 Linux 下export只对当前会话有效不同macOS 想长期生效得把这行追加到~/.zshrc里。改完路径记得把已经拉过的模型重拉一次老文件不会自己搬过去。3.3 升规格与固化参数14B、34B 什么时候值得上1.5B 跑通之后很多人第一反应是升级。原文的建议是「根据电脑性能尝试升级到 14B 或 34B」这话没错但性能账得自己算模型规格翻十倍内存占用大致也是同量级往上走14B 常见做法是准备 10GB 以上空闲内存34B 要到 20GB 往上具体还要看量化精度和上下文长度。机器只有 8GB 内存的话升上去的结果就是频繁换页比 1.5B 还慢。升级本身只是一条命令# 换规格就是换 tag其他操作完全一样 ollama run deepseek-r1:14b真正值得花时间的是把参数固化下来。R1 这类推理模型对温度比较敏感官方给的建议区间在 0.5 到 0.7 之间我一般取 0.6上下文窗口默认值偏小长文档场景需要调大但调大之后内存占用也跟着涨。交互界面里可以临时改# 会话内临时调参退出即失效 /set parameter temperature 0.6 /set parameter num_ctx 8192临时改的问题是每次重开都要敲一遍。更稳的做法是写一个 Modelfile 派生一个自己的模型# 基于 1.5B 派生一个固定参数的版本 cat Modelfile EOF FROM deepseek-r1:1.5b PARAMETER temperature 0.6 PARAMETER num_ctx 8192 EOF # ds-r1-1.5b 是自定义名字之后直接 run 它 ollama create ds-r1-1.5b -f Modelfile ollama run ds-r1-1.5bFROM指定底座模型PARAMETER逐行写参数ollama create把它们打包成一个新条目ollama list里能看到。这样做的好处是参数跟着模型走换机器、换客户端都一致不用靠记忆。想回退直接ollama rm ds-r1-1.5b删掉派生版本底座模型不受影响——这算是我给自己留的后悔药。4. API 加客户端配置ChatBox 接平台密钥的完整参数这条路线原文叫「最极客」其实门槛没有名字听起来那么高麻烦的地方在于要填的参数比前两条多任何一个填错都会连不上。我按「先备料、再填表、最后验证」的顺序走一遍。4.1 备料客户端与 API 密钥客户端这边选择不少原文列了 ChatBox、Cherry Studio、OneAPI、LobeChat、NextChat本文以 ChatBox 为例手机端和桌面端都有装完的界面和常见 AI 应用差不多不需要额外学习成本。下载渠道走各自官方入口别从第三方站点拿安装包。密钥这边以原文提到的硅基流动这类模型服务平台为例访问平台官网注册账号进控制台创建 API 密钥复制出来保存好。密钥通常只在创建时完整显示一次关掉页面就再也看不到丢了只能重新生成——这条血泪经验值得单独记一笔。密钥拿到手之后不要写死在脚本或配置文件里尤其是准备把配置同步到多台机器的时候# 放进环境变量脚本里用 $DEEPSEEK_API_KEY 引用 export DEEPSEEK_API_KEYsk-你的密钥 # 只回显前几位确认变量生效又不至于把密钥打到屏幕上 echo ${DEEPSEEK_API_KEY:0:6}...export只对当前终端会话有效关掉就没了。要长期生效macOS 追加到~/.zshrcWindows 用setx DEEPSEEK_API_KEY sk-...。第二行那个截取写法是我自己的习惯排查「变量到底有没有读到」的时候很好用又不会把完整密钥留在终端历史里。4.2 客户端里到底填什么四个字段别填反打开 ChatBox 的设置页找到模型服务商那一栏需要填的东西其实就四项但每一项都有坑字段填什么容易错在哪服务商有平台预设就选预设没有就选「OpenAI 兼容」选了不兼容的协议怎么填都连不上API 域名 / Base URL以平台文档给出的地址为准原样粘贴自己拼路径多写或少写一段API 密钥上一步复制的完整密钥复制时带上首尾空格模型从下拉列表里选 R1 那一项手打模型名大小写或分隔符写错前两项里最容易翻车的是 Base URL。有些客户端要求填到域名一级有些要求带版本路径两者不通用。判断方法很简单填完之后点「检查」或「获取模型列表」能拉出模型清单就说明地址和密钥都对拉不出来就是这两项之一有问题。第四项我强烈建议从下拉列表里选。平台上的模型名往往带命名空间前缀和分隔符手打几乎必错而报错信息通常只给一句「model not found」不会告诉你错在哪一位。填完想再确认一次连通性可以在终端直接打接口绕开客户端排查# 用 curl 直连兼容接口验证密钥、地址、模型名三件套 curl -s ${BASE_URL}/chat/completions \ -H Authorization: Bearer ${DEEPSEEK_API_KEY} \ -H Content-Type: application/json \ -d { model: 平台模型列表里的那条 ID, messages: [{role: user, content: 用一句话说明什么是蒸馏模型}], temperature: 0.6, stream: false }BASE_URL换成平台文档给的地址model换成列表里复制出来的 ID。stream: false是为了让返回一次性输出、便于看完整报错客户端里通常开流式更流畅。temperature给 0.6 是推理模型的稳妥取值。这条命令能通客户端里基本就能通命令报 401 是密钥问题报 404 是地址或模型名问题分得很清楚。4.3 官方网页与手机端最省事那条路的正确姿势绕了一圈回到最推荐的方案。官方网页版地址是 https://chat.deepseek.com/ 支持手机和电脑多终端首次登录用手机号、微信或邮箱注册进去点「开始对话」就是对话界面。国内用户有个天然优势一个 86 手机号就能完成注册不用折腾其他东西。模型切换在页面上有明确选项V3 和 R1 之间按提示切就行。我的习惯是把它当默认入口日常问题直接在网页版问完只有需要固定工作流或者要离线跑的时候才动本地和 API 那两套。手机端有两种装法。一种是在官网找到「获取手机 APP」区域扫描弹出的二维码下载另一种更省事直接在手机应用商店搜 DeepSeek 安装。两种装法装出来的东西一样体验和网页版基本一致需要推理能力的时候在界面上激活 R1 就行。5. 避坑与排查五条装坏之后的现场记录这一章是我自己踩过、也帮别人收拾过的五类问题按「现象、原因、解决」记遇到对得上的直接照着走。5.1 安装阶段的三次翻车第一条命令行提示找不到 ollama。现象是装完安装包照着文档敲ollama run deepseek-r1:1.5b终端回一句「不是内部或外部命令」。原因是安装程序写环境变量那一刻已经打开的终端窗口读的还是旧值PATH 里没有新目录少数情况是安装时改了默认路径装到了一个不在 PATH 里的位置。解决办法是先关掉当前终端重开一个再试还有问题就用绝对路径跑一次ollama -v确认程序在不在在的话把所在目录手动加进 PATH不在就卸载重装到默认路径。这类问题没有任何技术含量但第一次遇到能耗掉半小时。第二条模型拉到一半卡住或者直接断了。现象是进度条长时间不动或者报连接中断重新执行命令又从零开始。原因是模型文件体积不小1.5B 就有一点多 GB网络抖动加上服务端限速都可能触发中断另一种原因是磁盘空间不足下载到一半写不进去。解决顺序是先看磁盘余量再重跑同一条ollama run命令——它会重新拉取不会接着上次的进度。网络不稳的时段建议换个时间做1.5B 正常几分钟能完成超过二十分钟还没动静基本就是卡住了CtrlC 中断重来比干等划算。第三条跑起来风扇狂转、内存吃满、回答慢到没法用。现象是模型能加载但每次回答要等很久系统监视器里内存占用顶到红线。原因基本是两个一是拉的规格超出了机器能力8GB 内存上 14B 就是典型错配二是上下文窗口开得太大num_ctx从默认值调到 8192 甚至更高之后内存占用会明显上涨。解决办法是把规格退回deepseek-r1:1.5b同时把num_ctx降到 2048 或 4096先用ollama ps确认当前加载的是哪个模型很多时候你以为在跑 1.5B实际加载的还是上次那个 14B。5.2 配置阶段最容易翻的两次车第四条客户端连不上报 401 或鉴权失败。现象是客户端里填完密钥点测试返回未授权。原因有三个层次密钥复制时带了首尾空格这是最高频的密钥只复制了前半段尤其是从网页上手动选中的时候密钥被删除或重新生成过旧的自然失效。解决办法是从平台控制台重新复制一次粘贴到一个纯文本框里检查首尾有没有多余字符再贴进客户端。如果客户端支持环境变量引用优先用环境变量减少手抖的机会。密钥一旦泄露就立刻删掉重建不要抱着侥幸心理继续用。第五条报 model not found模型名对不上。现象是密钥验证通过了但一发消息就报模型不存在。原因是模型名手打错了平台上的模型 ID 通常带命名空间前缀和分隔符大小写也有讲究另一种情况是选了一个平台没上架或者已经下线的模型。解决办法是回到客户端设置把模型那一栏清空用「获取模型列表」拉出可用清单从下拉里选不要手敲。如果列表拉不出来说明 Base URL 或者密钥还有问题先用 4.2 节那条 curl 命令在终端里定位到底是哪一项。6. 装完怎么验三条路线各跑一遍同一组题环境装完最忌讳的就是「看着能用」就收工。我的做法是给自己定一组固定的回归题三条路线各跑一遍输出对得上才算收工。题目不用复杂一道需要两步推导的数学题比如「一个水池两根管子进水排水问多久注满」这类加一段要求改写的代码就够了——推理模型和通用模型在这两道题上的差异一眼能看出来。本地这条路线先确认服务活着再确认模型在# 探活能返回模型清单说明 daemon 正常 curl -s http://127.0.0.1:11434/api/tags | head -c 300 # 确认当前加载的模型就是你以为的那个 ollama ps第一行返回 JSON 就是服务正常返回连接拒绝说明后台进程没起来先跑ollama serve看日志。第二行是很多人漏掉的一步模型名、规格、占用内存都会打出来能直接排掉「以为在跑 1.5B 其实加载了 14B」这种问题。三条路线的验收动作整理成一张表照着走一遍路线验收动作通过标准官方网页 / 手机端登录后切到 R1问一道数学题能看到推理过程并给出正确答案Ollama 本地ollama run deepseek-r1:1.5b跑同一道题有输出、不卡死、ollama ps显示 1.5BAPI 加客户端客户端里发一条消息再用 curl 打一次接口两边都能返回内容结构一致第三行那个「两边都跑」是我后来加的习惯。客户端报错信息往往被包装得很模糊而 curl 返回的原始 JSON 里错误码清清楚楚先用终端定位问题在哪一层再回客户端改配置能省掉大量反复试的时间。还有一个容易被忽略的收尾动作把改过的环境变量写进配置文件。OLLAMA_MODELS、DEEPSEEK_API_KEY这些用export设的只在当前会话有效重启终端就没了第二天开工发现模型「不见了」、密钥「失效了」多半就是这个原因。Windows 用setxmacOS 追加到~/.zshrc再source一次做完这一步才算真正装完。从那以后我每次装这类本地模型环境都会在最后强制走一遍这套回归题宁可多花十分钟也不想在一周后某个赶工的下午对着一个不知道哪里出了问题的客户端干瞪眼。希望帮到你。本文还有配套的精品资源点击获取 
长河君 · 2026/10/25 1:10:20 · 阅读 1.2k DeepSeek使用方法：Ollama本地部署、1.5B模型与API配置避坑
简介面向AI工具初学者与进阶用户的DeepSeek使用指南聚焦模型选择与多场景上手路径帮助读者厘清V3与R1的差异并理解官方网页/App、本地部署、API加客户端三类方案的适用边界。文档围绕官方完整版、Ollama蒸馏版及ChatBox等客户端配置展开兼顾普通用户体验、隐私保护与灵活调用需求适合希望快速建立整体认知、按自身条件选择方案的人群。资源包仅含1个PDF文件约311KB篇幅精炼便于随时查阅。已有365人学习说明其对入门与方案选型具有一定参考价值。内容从模型概览切入串联使用方式与总结既解释V3擅长通用任务、R1偏重逻辑推理和代码数学等特性也提示本地部署性能折损、API调用成本等现实问题可作为选型对照与后续实践的轻量参考。1. 别急着敲命令先弄清自己装的是哪一档 DeepSeek上个月帮一位同事在他那台 8GB 内存的轻薄本上装 DeepSeek他翻出一份《DeepSeek 使用方法》的文档照着做Ollama 装好了、模型也拉下来了可ollama run一执行风扇立刻拉满回答一个字一个字往外挤五分钟没吐完一段话。翻回去看命令他拉的是 14B而不是文档里标着「初次尝试」的 1.5B。这类翻车我见过太多次DeepSeek 本身不难装难的是先分清官方网页版、Ollama 本地蒸馏版、API 加客户端这三条路各自的边界。这篇笔记按我自己的习惯写把环境要求、版本选择、安装命令、配置项和装坏之后的救法一条条落到能抄的程度适合手里只有一台普通电脑、又想把 DeepSeek 使用方法真正跑通的人。2. 落地前的环境盘点DeepSeek V3 与 R1 该选哪个版本装任何一套本地模型环境最怕的不是命令敲错而是装完才发现选错了档位。DeepSeek 这条线上选错档位的代价特别直观——要么慢到没法用要么机器直接卡死。所以这一章先把模型分工和三条路线的硬件账算清楚再动手下载。2.1 V3 全能、R1 会推理本地拿到的是蒸馏版DeepSeek 开放的两款模型分工其实很清楚。V3 是全能型日常问答、写材料、翻译、总结、改文案这类活儿交给它响应快、消耗低R1 是推理型在逻辑推理、写代码、数学题求解这些需要「先想一遍再回答」的任务上更胜一筹代价是思考链条长、等待久、调用成本也高。原文里那句「使用时请酌情选择」落到实操上就是一条默认规则拿不准就用 V3遇到确实需要一步步推导的题再切 R1。本地部署这块必须先把预期摆正。通过 Ollama 拉到的deepseek-r1是蒸馏版规格从 1.5B 一路排到 671B。1.5B 是入门档占用约 1.1GB 内存绝大多数电脑都能跑14B、34B 效果明显更好但对内存和显存的要求是成倍往上走的671B 那一档个人电脑基本不用想。至于官方入口那个满血版 R1是另一码事只能在官方网页和手机端用不存在「下载到自己机器上」这个选项。把这层关系捋成一张表选版本时就不容易犯迷糊模型档位擅长的活成本能不能装在自己机器上DeepSeek V3官方完整版通用问答、写作、翻译、总结低不能只能走官方入口DeepSeek R1官方完整版复杂推理、代码、数学高不能只能走官方入口DeepSeek R1 蒸馏版 1.5B轻量问答、简单推理、流程验证低可以约 1.1GB 内存DeepSeek R1 蒸馏版 14B / 34B更接近可用水平的推理中可以但吃内存表格里「不能」那两行是我见过最多误解的地方。很多人以为开源就等于「能下到自己电脑上跑满血」实际上下到本地的是压缩过的蒸馏版本能力上有明确差距。想清楚这一点后面配置的时候就不会对着一台轻薄本抱怨「怎么这么笨」。2.2 三条路线对照官方、Ollama 本地、API 加客户端原文把使用方式分成三种这个划分是对的我把每种的落地成本补齐路线要装什么效果数据在哪花钱吗适合谁官方网页 / 手机端什么都不装注册即用完整版 V3 与 R1平台侧免费绝大多数人首选Ollama 本地部署Ollama 加一个模型文件蒸馏版能力打折自己机器免费有隐私顾虑、想离线跑通流程API 加客户端客户端加一个 API 密钥平台侧的完整模型平台侧按量计费需要在第三方工具里固定工作流装前清单我一般会先过一遍缺一样后面就会卡操作系统Windows 10 及以上、macOS 较新的版本都可以Ollama 官方安装包覆盖这两个平台命令行Windows 用「命令提示符」或 PowerShellmacOS 用 Terminal后面所有命令都在这里敲内存本地跑 1.5B 至少要留出 2GB 空闲内存14B 以上建议 16GB 起磁盘模型文件存在用户目录下C 盘紧张的话先改存放路径别等拉到一半报磁盘满网络拉模型是一次性的大文件下载中途断了得重来找个网络稳定的时段做。对照完之后基本就能定方向了只想快速用上 DeepSeek直接走官方入口在意数据不出机器走 Ollama想在 ChatBox 这类工具里固定一套对话流走 API 加客户端。3. 本地部署实操Ollama 安装与 deepseek-r1:1.5b 拉取这条路线是原文里「最保险」的那条也是我实际装得最多的一条。步骤本身不复杂装 Ollama、拉模型、跑起来三步但每一步都有几个参数值得说清楚不然升规格的时候还得重新查一遍。3.1 装 OllamaWindows 与 macOS 两条路径进入 Ollama 平台点页面上的 Download 按钮下载对应系统的安装包这一步原文写得很简略实际两个平台的表现不太一样。Windows 下载的是 exe双击一路下一步即可。装完之后托盘区会出现 Ollama 的图标它默认把服务挂在后台常驻端口是 11434关掉命令行窗口服务也不会停。macOS 下载的是 dmg把应用拖进 Applications 文件夹第一次启动会要求确认之后同样常驻后台。装完先验证一下别急着拉模型# 确认 Ollama 已进入 PATH能打印版本号就说明安装成功 ollama -v # 如果上面报 command not foundmacOS 可以看进程在不在 ps aux | grep ollama第一行命令的本质是找 PATH 里有没有ollama这个可执行文件。Windows 用户如果报「不是内部或外部命令」九成是装完没重开终端——安装程序改了环境变量但已经打开的窗口读不到新值重开一个就好。macOS 上如果提示找不到先确认是把应用拖进了 Applications而不是在下载目录里直接双击运行。服务没起来的情况也要会看。Windows 在托盘图标上右键退出再重新打开macOS 可以在终端手动前台启动日志直接打在屏幕上# 前台启动服务出错信息会直接打印排查时比后台模式好使 ollama serve这条命令会占用当前终端窗口按 CtrlC 结束。默认监听127.0.0.1:11434只允许本机访问这个默认值是安全的别急着改。3.2 拉模型ollama run deepseek-r1:1.5b 到底做了什么模型不用单独下载run这一条命令把「拉取」和「运行」串起来了# 首次执行会自动下载模型1.5B 约 1.1GB下完直接进交互界面 ollama run deepseek-r1:1.5b # 另开一个窗口确认模型已经落在本地 ollama list # 看当前有哪些模型正在占内存 ollama ps第一行的 tag 里1.5b千万不能省。省掉之后默认取latest而不同时间点latest指向的规格不一定是你想要的这类玄学问题排查起来非常费劲。命令执行后会先显示下载进度网速正常的话几分钟内完成下完直接出现输入提示符敲问题就能对话。退出用/bye或者按 CtrlD。ollama list输出的是本地已有的模型清单包含名字、大小和拉取时间ollama ps则显示当前加载进内存的模型跑完一段时间不用会自动卸载这两个命令分工不同排查「明明装了却提示找不到模型」时特别有用。模型默认存在用户目录下C 盘紧张的话提前改路径别等装到一半再挪# Windows PowerShell改模型存放目录到 D 盘 setx OLLAMA_MODELS D:\ollama\models # macOS / Linux写进 shell 配置文件才会长期生效 export OLLAMA_MODELS$HOME/ollama-modelssetx写的是用户级环境变量执行完必须重开终端才生效这一点和 Linux 下export只对当前会话有效不同macOS 想长期生效得把这行追加到~/.zshrc里。改完路径记得把已经拉过的模型重拉一次老文件不会自己搬过去。3.3 升规格与固化参数14B、34B 什么时候值得上1.5B 跑通之后很多人第一反应是升级。原文的建议是「根据电脑性能尝试升级到 14B 或 34B」这话没错但性能账得自己算模型规格翻十倍内存占用大致也是同量级往上走14B 常见做法是准备 10GB 以上空闲内存34B 要到 20GB 往上具体还要看量化精度和上下文长度。机器只有 8GB 内存的话升上去的结果就是频繁换页比 1.5B 还慢。升级本身只是一条命令# 换规格就是换 tag其他操作完全一样 ollama run deepseek-r1:14b真正值得花时间的是把参数固化下来。R1 这类推理模型对温度比较敏感官方给的建议区间在 0.5 到 0.7 之间我一般取 0.6上下文窗口默认值偏小长文档场景需要调大但调大之后内存占用也跟着涨。交互界面里可以临时改# 会话内临时调参退出即失效 /set parameter temperature 0.6 /set parameter num_ctx 8192临时改的问题是每次重开都要敲一遍。更稳的做法是写一个 Modelfile 派生一个自己的模型# 基于 1.5B 派生一个固定参数的版本 cat Modelfile EOF FROM deepseek-r1:1.5b PARAMETER temperature 0.6 PARAMETER num_ctx 8192 EOF # ds-r1-1.5b 是自定义名字之后直接 run 它 ollama create ds-r1-1.5b -f Modelfile ollama run ds-r1-1.5bFROM指定底座模型PARAMETER逐行写参数ollama create把它们打包成一个新条目ollama list里能看到。这样做的好处是参数跟着模型走换机器、换客户端都一致不用靠记忆。想回退直接ollama rm ds-r1-1.5b删掉派生版本底座模型不受影响——这算是我给自己留的后悔药。4. API 加客户端配置ChatBox 接平台密钥的完整参数这条路线原文叫「最极客」其实门槛没有名字听起来那么高麻烦的地方在于要填的参数比前两条多任何一个填错都会连不上。我按「先备料、再填表、最后验证」的顺序走一遍。4.1 备料客户端与 API 密钥客户端这边选择不少原文列了 ChatBox、Cherry Studio、OneAPI、LobeChat、NextChat本文以 ChatBox 为例手机端和桌面端都有装完的界面和常见 AI 应用差不多不需要额外学习成本。下载渠道走各自官方入口别从第三方站点拿安装包。密钥这边以原文提到的硅基流动这类模型服务平台为例访问平台官网注册账号进控制台创建 API 密钥复制出来保存好。密钥通常只在创建时完整显示一次关掉页面就再也看不到丢了只能重新生成——这条血泪经验值得单独记一笔。密钥拿到手之后不要写死在脚本或配置文件里尤其是准备把配置同步到多台机器的时候# 放进环境变量脚本里用 $DEEPSEEK_API_KEY 引用 export DEEPSEEK_API_KEYsk-你的密钥 # 只回显前几位确认变量生效又不至于把密钥打到屏幕上 echo ${DEEPSEEK_API_KEY:0:6}...export只对当前终端会话有效关掉就没了。要长期生效macOS 追加到~/.zshrcWindows 用setx DEEPSEEK_API_KEY sk-...。第二行那个截取写法是我自己的习惯排查「变量到底有没有读到」的时候很好用又不会把完整密钥留在终端历史里。4.2 客户端里到底填什么四个字段别填反打开 ChatBox 的设置页找到模型服务商那一栏需要填的东西其实就四项但每一项都有坑字段填什么容易错在哪服务商有平台预设就选预设没有就选「OpenAI 兼容」选了不兼容的协议怎么填都连不上API 域名 / Base URL以平台文档给出的地址为准原样粘贴自己拼路径多写或少写一段API 密钥上一步复制的完整密钥复制时带上首尾空格模型从下拉列表里选 R1 那一项手打模型名大小写或分隔符写错前两项里最容易翻车的是 Base URL。有些客户端要求填到域名一级有些要求带版本路径两者不通用。判断方法很简单填完之后点「检查」或「获取模型列表」能拉出模型清单就说明地址和密钥都对拉不出来就是这两项之一有问题。第四项我强烈建议从下拉列表里选。平台上的模型名往往带命名空间前缀和分隔符手打几乎必错而报错信息通常只给一句「model not found」不会告诉你错在哪一位。填完想再确认一次连通性可以在终端直接打接口绕开客户端排查# 用 curl 直连兼容接口验证密钥、地址、模型名三件套 curl -s ${BASE_URL}/chat/completions \ -H Authorization: Bearer ${DEEPSEEK_API_KEY} \ -H Content-Type: application/json \ -d { model: 平台模型列表里的那条 ID, messages: [{role: user, content: 用一句话说明什么是蒸馏模型}], temperature: 0.6, stream: false }BASE_URL换成平台文档给的地址model换成列表里复制出来的 ID。stream: false是为了让返回一次性输出、便于看完整报错客户端里通常开流式更流畅。temperature给 0.6 是推理模型的稳妥取值。这条命令能通客户端里基本就能通命令报 401 是密钥问题报 404 是地址或模型名问题分得很清楚。4.3 官方网页与手机端最省事那条路的正确姿势绕了一圈回到最推荐的方案。官方网页版地址是 https://chat.deepseek.com/ 支持手机和电脑多终端首次登录用手机号、微信或邮箱注册进去点「开始对话」就是对话界面。国内用户有个天然优势一个 86 手机号就能完成注册不用折腾其他东西。模型切换在页面上有明确选项V3 和 R1 之间按提示切就行。我的习惯是把它当默认入口日常问题直接在网页版问完只有需要固定工作流或者要离线跑的时候才动本地和 API 那两套。手机端有两种装法。一种是在官网找到「获取手机 APP」区域扫描弹出的二维码下载另一种更省事直接在手机应用商店搜 DeepSeek 安装。两种装法装出来的东西一样体验和网页版基本一致需要推理能力的时候在界面上激活 R1 就行。5. 避坑与排查五条装坏之后的现场记录这一章是我自己踩过、也帮别人收拾过的五类问题按「现象、原因、解决」记遇到对得上的直接照着走。5.1 安装阶段的三次翻车第一条命令行提示找不到 ollama。现象是装完安装包照着文档敲ollama run deepseek-r1:1.5b终端回一句「不是内部或外部命令」。原因是安装程序写环境变量那一刻已经打开的终端窗口读的还是旧值PATH 里没有新目录少数情况是安装时改了默认路径装到了一个不在 PATH 里的位置。解决办法是先关掉当前终端重开一个再试还有问题就用绝对路径跑一次ollama -v确认程序在不在在的话把所在目录手动加进 PATH不在就卸载重装到默认路径。这类问题没有任何技术含量但第一次遇到能耗掉半小时。第二条模型拉到一半卡住或者直接断了。现象是进度条长时间不动或者报连接中断重新执行命令又从零开始。原因是模型文件体积不小1.5B 就有一点多 GB网络抖动加上服务端限速都可能触发中断另一种原因是磁盘空间不足下载到一半写不进去。解决顺序是先看磁盘余量再重跑同一条ollama run命令——它会重新拉取不会接着上次的进度。网络不稳的时段建议换个时间做1.5B 正常几分钟能完成超过二十分钟还没动静基本就是卡住了CtrlC 中断重来比干等划算。第三条跑起来风扇狂转、内存吃满、回答慢到没法用。现象是模型能加载但每次回答要等很久系统监视器里内存占用顶到红线。原因基本是两个一是拉的规格超出了机器能力8GB 内存上 14B 就是典型错配二是上下文窗口开得太大num_ctx从默认值调到 8192 甚至更高之后内存占用会明显上涨。解决办法是把规格退回deepseek-r1:1.5b同时把num_ctx降到 2048 或 4096先用ollama ps确认当前加载的是哪个模型很多时候你以为在跑 1.5B实际加载的还是上次那个 14B。5.2 配置阶段最容易翻的两次车第四条客户端连不上报 401 或鉴权失败。现象是客户端里填完密钥点测试返回未授权。原因有三个层次密钥复制时带了首尾空格这是最高频的密钥只复制了前半段尤其是从网页上手动选中的时候密钥被删除或重新生成过旧的自然失效。解决办法是从平台控制台重新复制一次粘贴到一个纯文本框里检查首尾有没有多余字符再贴进客户端。如果客户端支持环境变量引用优先用环境变量减少手抖的机会。密钥一旦泄露就立刻删掉重建不要抱着侥幸心理继续用。第五条报 model not found模型名对不上。现象是密钥验证通过了但一发消息就报模型不存在。原因是模型名手打错了平台上的模型 ID 通常带命名空间前缀和分隔符大小写也有讲究另一种情况是选了一个平台没上架或者已经下线的模型。解决办法是回到客户端设置把模型那一栏清空用「获取模型列表」拉出可用清单从下拉里选不要手敲。如果列表拉不出来说明 Base URL 或者密钥还有问题先用 4.2 节那条 curl 命令在终端里定位到底是哪一项。6. 装完怎么验三条路线各跑一遍同一组题环境装完最忌讳的就是「看着能用」就收工。我的做法是给自己定一组固定的回归题三条路线各跑一遍输出对得上才算收工。题目不用复杂一道需要两步推导的数学题比如「一个水池两根管子进水排水问多久注满」这类加一段要求改写的代码就够了——推理模型和通用模型在这两道题上的差异一眼能看出来。本地这条路线先确认服务活着再确认模型在# 探活能返回模型清单说明 daemon 正常 curl -s http://127.0.0.1:11434/api/tags | head -c 300 # 确认当前加载的模型就是你以为的那个 ollama ps第一行返回 JSON 就是服务正常返回连接拒绝说明后台进程没起来先跑ollama serve看日志。第二行是很多人漏掉的一步模型名、规格、占用内存都会打出来能直接排掉「以为在跑 1.5B 其实加载了 14B」这种问题。三条路线的验收动作整理成一张表照着走一遍路线验收动作通过标准官方网页 / 手机端登录后切到 R1问一道数学题能看到推理过程并给出正确答案Ollama 本地ollama run deepseek-r1:1.5b跑同一道题有输出、不卡死、ollama ps显示 1.5BAPI 加客户端客户端里发一条消息再用 curl 打一次接口两边都能返回内容结构一致第三行那个「两边都跑」是我后来加的习惯。客户端报错信息往往被包装得很模糊而 curl 返回的原始 JSON 里错误码清清楚楚先用终端定位问题在哪一层再回客户端改配置能省掉大量反复试的时间。还有一个容易被忽略的收尾动作把改过的环境变量写进配置文件。OLLAMA_MODELS、DEEPSEEK_API_KEY这些用export设的只在当前会话有效重启终端就没了第二天开工发现模型「不见了」、密钥「失效了」多半就是这个原因。Windows 用setxmacOS 追加到~/.zshrc再source一次做完这一步才算真正装完。从那以后我每次装这类本地模型环境都会在最后强制走一遍这套回归题宁可多花十分钟也不想在一周后某个赶工的下午对着一个不知道哪里出了问题的客户端干瞪眼。希望帮到你。本文还有配套的精品资源点击获取