用 Docker 一键搭建本地 DeepSeek：Ollama + Open WebUI 完整配置示例

发布人：慈云数据-客服中心发布时间：6小时前阅读量：1

DeepSeek Docker部署教程｜附配置文件

随着大模型应用的普及，越来越多开发者希望在本地或私有服务器上部署 DeepSeek 系列模型，用于代码生成、知识问答、文档处理、企业内部助手等场景。相比直接调用公网 API，本地化部署具有数据可控、隐私安全、可离线运行、便于二次开发等优势。

本文将以 Docker / Docker Compose 的方式，介绍如何快速部署 DeepSeek 模型，并提供可直接使用的配置文件。为了降低部署难度，本文采用目前较为常见的方案：

Ollama + DeepSeek 模型 + Open WebUI

其中：

Ollama：负责本地大模型的下载、加载与推理服务；
DeepSeek 模型：本文以 deepseek-r1 为例；
Open WebUI：提供类似 ChatGPT 的网页聊天界面；
Docker Compose：统一管理服务，方便启动、停止和迁移。

一、部署方案说明

DeepSeek 模型本身并不是一个传统意义上的 Web 服务，它通常需要通过模型运行框架来加载。常见的运行方式包括：

Ollama
vLLM
llama.cpp
Text Generation Inference
LM Studio
API 云服务调用

如果你的目标是 快速在本地服务器上跑起来，并提供 Web 聊天页面，那么 Ollama 是非常适合入门和轻量级使用的方案。

本文部署完成后，你将获得：

一个本地 DeepSeek 推理服务；
一个可视化 Web 聊天页面；
可通过浏览器访问；
可使用 Docker Compose 一键启动；
配置文件可迁移到其他服务器。

二、服务器环境要求

1. 基础环境

建议服务器满足以下条件：

项目	建议配置
操作系统	Ubuntu 20.04 / 22.04 / Debian / CentOS
CPU	4 核及以上
内存	8GB 起步，推荐 16GB 以上
磁盘	至少 20GB 可用空间
Docker	20.10+
Docker Compose	v2 版本
GPU	可选，NVIDIA GPU 效果更好

如果只是体验小参数量模型，CPU 也可以运行，但推理速度会比较慢。如果用于日常问答或多人使用，推荐使用 NVIDIA GPU。

三、安装 Docker 和 Docker Compose

如果你的服务器还没有安装 Docker，可以使用以下命令安装。

1. Ubuntu / Debian 安装 Docker

curl -fsSL https://get.docker.com | bash

安装完成后，启动 Docker：

systemctl enable docker
systemctl start docker

查看 Docker 版本：

docker version

查看 Docker Compose 版本：

docker compose version

如果能正常显示版本号，说明安装成功。

四、创建项目目录

建议将 DeepSeek 相关配置统一放在一个目录下，例如：

mkdir -p /opt/deepseek-docker
cd /opt/deepseek-docker

后续的 docker-compose.yml、数据目录、模型数据都会放在这里，方便管理和备份。

五、Docker Compose 配置文件

下面是一个完整的 Docker Compose 配置文件，包含：

Ollama 服务；
Open WebUI 服务；
数据持久化目录；
容器自动重启；
Web 页面端口映射。

在 /opt/deepseek-docker 目录下创建文件：

vim docker-compose.yml

写入以下内容：

services:
  ollama:
    image: ollama/ollama:latest
    container_name: deepseek-ollama
    restart: unless-stopped
    ports:
      - "11434:11434"
    volumes:
      - ./ollama:/root/.ollama
    environment:
      - OLLAMA_HOST=0.0.0.0
    networks:
      - deepseek-net

  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: deepseek-webui
    restart: unless-stopped
    ports:
      - "3000:8080"
    volumes:
      - ./open-webui:/app/backend/data
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
      - WEBUI_NAME=DeepSeek Local Chat
    depends_on:
      - ollama
    networks:
      - deepseek-net

networks:
  deepseek-net:
    driver: bridge

保存后退出。

六、启动 DeepSeek 服务

在项目目录下执行：

docker compose up -d

查看容器状态：

docker ps

正常情况下，你会看到两个容器：

deepseek-ollama
deepseek-webui

也可以查看日志：

docker logs -f deepseek-ollama

docker logs -f deepseek-webui

如果没有明显报错，说明基础服务已经启动成功。

七、下载 DeepSeek 模型

Ollama 启动后，还需要拉取 DeepSeek 模型。可以进入 Ollama 容器执行：

docker exec -it deepseek-ollama bash

然后拉取模型：

ollama pull deepseek-r1:7b

如果服务器配置较低，可以使用更小的模型，例如：

ollama pull deepseek-r1:1.5b

如果服务器资源较好，也可以尝试更大的模型：

ollama pull deepseek-r1:8b

或者根据 Ollama 官方模型库支持情况选择其他标签。

查看已下载模型：

ollama list

测试模型是否可用：

ollama run deepseek-r1:7b

输入一个问题，例如：

请用中文介绍一下 Docker 的作用。

如果模型正常回复，说明 DeepSeek 已经成功部署。

退出容器：

exit

八、访问 Open WebUI 页面

在浏览器中访问：

http://服务器IP:3000

首次访问时，Open WebUI 会要求创建管理员账号。按照页面提示填写用户名、邮箱和密码即可。

登录后，进入聊天页面，在模型列表中选择：

deepseek-r1:7b

然后即可开始对话。

如果模型列表中没有显示，可以检查：

Ollama 模型是否下载成功；
Open WebUI 是否能访问 Ollama；
OLLAMA_BASE_URL 是否配置正确；
容器是否在同一个 Docker 网络中。

九、支持 NVIDIA GPU 的配置方式

如果你的服务器有 NVIDIA 显卡，并且希望 Ollama 使用 GPU 加速，需要先安装 NVIDIA Container Toolkit。

1. 检查显卡驱动

nvidia-smi

如果能看到显卡信息，说明驱动正常。

2. 安装 NVIDIA Container Toolkit

Ubuntu 可参考以下命令：

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey \
  | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg

curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list \
  | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' \
  | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

sudo apt update
sudo apt install -y nvidia-container-toolkit

配置 Docker：

sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

3. GPU 版 docker-compose.yml

如果需要 GPU 支持，可以将 Ollama 服务修改为以下形式：

services:
  ollama:
    image: ollama/ollama:latest
    container_name: deepseek-ollama
    restart: unless-stopped
    ports:
      - "11434:11434"
    volumes:
      - ./ollama:/root/.ollama
    environment:
      - OLLAMA_HOST=0.0.0.0
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    networks:
      - deepseek-net

  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: deepseek-webui
    restart: unless-stopped
    ports:
      - "3000:8080"
    volumes:
      - ./open-webui:/app/backend/data
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
      - WEBUI_NAME=DeepSeek Local Chat
    depends_on:
      - ollama
    networks:
      - deepseek-net

networks:
  deepseek-net:
    driver: bridge

修改完成后重新启动：

docker compose down
docker compose up -d

查看 Ollama 日志：

docker logs -f deepseek-ollama

如果 GPU 配置正常，推理时通常会明显比 CPU 更快。

十、配置反向代理和域名访问

如果你希望通过域名访问 Open WebUI，例如：

https://deepseek.example.com

可以使用 Nginx 做反向代理。

1. Nginx 配置示例

创建配置文件：

vim /etc/nginx/conf.d/deepseek.conf

写入：

server {
    listen 80;
    server_name deepseek.example.com;

    client_max_body_size 100M;

    location / {
        proxy_pass http://127.0.0.1:3000;
        proxy_http_version 1.1;

        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;

        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";

        proxy_read_timeout 3600;
        proxy_send_timeout 3600;
    }
}

检查配置：

nginx -t

重载 Nginx：

systemctl reload nginx

如果需要 HTTPS，可以使用 Certbot 申请证书：

apt install -y certbot python3-certbot-nginx
certbot --nginx -d deepseek.example.com

十一、常用管理命令

1. 启动服务

docker compose up -d

2. 停止服务

docker compose down

3. 重启服务

docker compose restart

4. 查看日志

docker compose logs -f

查看指定容器日志：

docker logs -f deepseek-ollama
docker logs -f deepseek-webui

5. 查看模型列表

docker exec -it deepseek-ollama ollama list

6. 删除模型

例如删除 deepseek-r1:7b：

docker exec -it deepseek-ollama ollama rm deepseek-r1:7b

7. 更新镜像

docker compose pull
docker compose up -d

十二、目录结构说明

部署完成后，项目目录大致如下：

/opt/deepseek-docker
├── docker-compose.yml
├── ollama
│   └── models
└── open-webui
    └── ...

其中：

目录	说明
`docker-compose.yml`	服务编排配置文件
`ollama`	Ollama 数据目录，包含模型文件
`open-webui`	Open WebUI 数据目录，包含用户、配置、聊天记录等

如果需要迁移服务器，可以停止服务后打包该目录：

cd /opt
tar -czvf deepseek-docker.tar.gz deepseek-docker

迁移到新服务器后解压，再执行：

docker compose up -d

十三、安全建议

如果部署在公网服务器上，建议做好安全配置。

1. 不建议直接暴露 Ollama 端口

Ollama 默认端口是 11434。如果不需要外部程序直接调用 Ollama API，建议不要暴露到公网。

可以将 Compose 中的：

ports:
  - "11434:11434"

改为：

ports:
  - "127.0.0.1:11434:11434"

或者直接不映射端口，仅供 Docker 内部网络访问。

2. Open WebUI 设置强密码

Open WebUI 首次注册的用户通常会成为管理员。请务必使用复杂密码，避免被爆破。

3. 配置防火墙

例如只开放 80、443、22 端口：

ufw allow 22
ufw allow 80
ufw allow 443
ufw enable

如果直接通过 3000 端口访问，也需要开放：

ufw allow 3000

但生产环境更推荐通过 Nginx + HTTPS 访问。

十四、常见问题排查

1. 页面能打开，但没有模型

检查模型是否已下载：

docker exec -it deepseek-ollama ollama list

如果没有模型，需要执行：

docker exec -it deepseek-ollama ollama pull deepseek-r1:7b

2. Open WebUI 连接 Ollama 失败

检查 Compose 配置中的环境变量：

OLLAMA_BASE_URL=http://ollama:11434

这里的 ollama 是 Docker Compose 中的服务名，不是容器名，也不是服务器 IP。

然后查看网络：

docker network ls
docker inspect deepseek-ollama
docker inspect deepseek-webui

确认两个容器在同一个网络中。

3. 模型回复很慢

可能原因包括：

使用 CPU 推理；
模型参数量过大；
服务器内存不足；
磁盘性能较差；
并发请求过多。

解决方案：

使用更小模型，例如 deepseek-r1:1.5b；
启用 NVIDIA GPU；
增加内存；
使用 SSD；
减少上下文长度和并发数。

4. 拉取模型失败

可能是网络问题。可以尝试：

docker exec -it deepseek-ollama ollama pull deepseek-r1:7b

如果长时间无响应，可以检查服务器是否能访问 Ollama 模型仓库，或者配置代理。

5. Docker Compose 启动失败

查看详细日志：

docker compose logs -f

常见原因包括：

端口被占用；
Docker 未启动；
配置文件缩进错误；
镜像下载失败；
磁盘空间不足。

检查端口占用：

ss -tunlp | grep 3000
ss -tunlp | grep 11434

十五、推荐的生产环境配置

如果用于个人学习，上面的配置已经足够。如果用于团队或企业内部，建议增加以下配置：

使用 HTTPS；
配置访问控制；
关闭 Ollama 公网端口；
定期备份 Open WebUI 数据；
控制模型大小和并发；
配置日志轮转；
使用独立数据盘存储模型；
对服务器进行基础安全加固。

可以为 Docker 配置日志大小限制，避免日志撑满磁盘：

logging:
  driver: json-file
  options:
    max-size: "100m"
    max-file: "3"

例如添加到服务中：

services:
  ollama:
    image: ollama/ollama:latest
    container_name: deepseek-ollama
    restart: unless-stopped
    logging:
      driver: json-file
      options:
        max-size: "100m"
        max-file: "3"

十六、完整推荐版 docker-compose.yml

下面给出一个更适合长期使用的完整配置文件：

services:
  ollama:
    image: ollama/ollama:latest
    container_name: deepseek-ollama
    restart: unless-stopped
    ports:
      - "127.0.0.1:11434:11434"
    volumes:
      - ./ollama:/root/.ollama
    environment:
      - OLLAMA_HOST=0.0.0.0
      - TZ=Asia/Shanghai
    logging:
      driver: json-file
      options:
        max-size: "100m"
        max-file: "3"
    networks:
      - deepseek-net

  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: deepseek-webui
    restart: unless-stopped
    ports:
      - "3000:8080"
    volumes:
      - ./open-webui:/app/backend/data
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
      - WEBUI_NAME=DeepSeek Local Chat
      - TZ=Asia/Shanghai
    depends_on:
      - ollama
    logging:
      driver: json-file
      options:
        max-size: "100m"
        max-file: "3"
    networks:
      - deepseek-net

networks:
  deepseek-net:
    driver: bridge

如果服务器支持 NVIDIA GPU，可以在 ollama 服务中额外加入：

deploy:
  resources:
    reservations:
      devices:
        - driver: nvidia
          count: all
          capabilities: [gpu]

十七、总结

通过本文的步骤，我们完成了基于 Docker 的 DeepSeek 本地化部署。整体流程可以概括为：

安装 Docker 和 Docker Compose；
创建项目目录；
编写 docker-compose.yml；
启动 Ollama 和 Open WebUI；
拉取 DeepSeek 模型；
通过浏览器访问 WebUI；
根据需要配置 GPU、域名、HTTPS 和安全策略。

对于个人用户而言，Ollama + DeepSeek + Open WebUI 是非常友好的本地大模型部署方案，安装简单、维护方便、界面直观。对于企业或团队用户，则建议在此基础上进一步加强权限控制、访问安全、日志管理和资源监控。

只要服务器资源足够，使用 Docker 部署 DeepSeek 可以快速搭建一个私有 AI 助手，为代码开发、文档问答、知识库检索和自动化办公提供基础能力。

文章标签： DeepSeek Docker Ollama OpenWebUI

上一篇：用 Docker 跑 DeepSeek：从安装到 WebUI 的完整部署命令包

下一篇：DeepSeek爆火背后：能力、成本和一键部署都踩中了痛点

更多栏目

新闻动态

文档中心

下载中心

目录结构

全文

产品与服务

新闻帮助

生态合作

了解我们