DeepSeek 本地部署实战：从一键安装到 WebUI 使用全流程

发布人：慈云数据-客服中心发布时间：24小时前阅读量：1

DeepSeek 部署完整教程｜一键部署

随着大模型应用的快速普及，越来越多的开发者、企业和个人用户开始尝试在本地或服务器上部署大语言模型。DeepSeek 作为近年来关注度较高的开源大模型系列，凭借较强的推理能力、代码能力以及较高的性价比，成为很多人搭建本地 AI 助手、企业知识库、代码助手和私有化智能应用的首选模型之一。

本文将围绕 DeepSeek 一键部署 展开，详细介绍 DeepSeek 的部署方式、环境准备、常见部署方案、Docker 一键部署、本地部署、WebUI 可视化界面接入、API 调用方式以及常见问题排查。无论你是刚接触大模型的新手，还是希望快速搭建私有 AI 服务的开发者，都可以按照本文完成 DeepSeek 的部署。

一、DeepSeek 是什么？

DeepSeek 是由深度求索推出的大语言模型系列，包含通用对话模型、代码模型、推理模型等多个方向。常见的模型包括：

DeepSeek-V3：通用对话能力较强，适合聊天、写作、总结、翻译、知识问答等场景。
DeepSeek-R1：推理能力突出，适合数学推理、复杂问题分析、逻辑推导等任务。
DeepSeek-Coder：面向代码生成、代码补全、代码解释和程序开发场景。
DeepSeek-R1-Distill 系列：基于 DeepSeek-R1 蒸馏得到的小参数模型，更适合本地部署。

对于个人电脑、本地服务器或者中小型企业来说，通常不会直接部署超大参数版本，而是选择蒸馏版或量化版模型。例如：

DeepSeek-R1-Distill-Qwen-7B
DeepSeek-R1-Distill-Qwen-14B
DeepSeek-R1-Distill-Llama-8B
DeepSeek-Coder-6.7B
DeepSeek-Coder-33B
DeepSeek-R1 的 GGUF 量化版本

这些模型可以通过 Ollama、LM Studio、vLLM、Text Generation WebUI、Docker、Open WebUI 等方式快速运行。

二、部署 DeepSeek 前需要准备什么？

在正式部署之前，需要先确认自己的硬件和软件环境。不同规模的模型对硬件要求不同，如果配置不足，可以选择更小的模型或者量化版本。

1. 硬件要求

如果只是个人体验，建议配置如下：

模型规模	推荐显存	适合场景
1.5B / 3B	4GB 以上	简单问答、轻量测试
7B / 8B	8GB 以上	本地聊天、写作、代码辅助
14B	16GB 以上	更高质量问答和推理
32B / 33B	24GB 以上	专业代码、复杂推理
70B 以上	48GB 以上或多卡	企业级服务、复杂应用

如果没有独立显卡，也可以使用 CPU 运行量化模型，但速度会明显变慢。对于普通用户来说，使用 Ollama + 量化模型 是最简单的方式。

2. 软件环境

推荐环境如下：

操作系统：Ubuntu 20.04 / 22.04、Debian、CentOS、macOS、Windows 10/11
Docker：建议安装 Docker 和 Docker Compose
GPU 驱动：如果使用 NVIDIA 显卡，需要安装 NVIDIA Driver
CUDA：根据模型推理框架选择安装
Python：建议 3.10 以上
网络：首次下载模型需要稳定网络

如果你只是想“一键部署”，本文推荐优先使用以下组合：

Ollama + Open WebUI + Docker Compose

这个方案的优点是：

部署简单
支持本地运行
支持 Web 页面聊天
支持多模型管理
可通过 API 调用
适合个人和小团队使用

三、方案一：使用 Ollama 一键部署 DeepSeek

Ollama 是目前非常流行的本地大模型运行工具，它可以让用户像安装软件一样拉取和运行模型。对于新手来说，这是部署 DeepSeek 最简单的方式。

四、在 Linux 服务器上安装 Ollama

如果你使用的是 Ubuntu 或其他 Linux 发行版，可以使用下面的命令安装 Ollama：

curl -fsSL https://ollama.com/install.sh | sh

安装完成后，查看版本：

ollama --version

启动 Ollama 服务：

ollama serve

如果系统已经自动启动服务，则无需重复执行。

查看 Ollama 服务状态：

systemctl status ollama

如果没有启动，可以执行：

sudo systemctl start ollama

设置开机自启：

sudo systemctl enable ollama

五、在 macOS 上安装 Ollama

macOS 用户可以直接访问 Ollama 官网下载安装包：

https://ollama.com

下载安装后，打开 Ollama 应用即可。安装完成后，在终端执行：

ollama --version

如果能正常显示版本号，说明安装成功。

六、在 Windows 上安装 Ollama

Windows 用户同样可以前往 Ollama 官网下载安装包：

https://ollama.com/download

安装完成后，打开 PowerShell 或 CMD，执行：

ollama --version

确认安装成功后，即可拉取 DeepSeek 模型。

七、拉取并运行 DeepSeek 模型

Ollama 支持直接拉取 DeepSeek 相关模型。以 DeepSeek-R1 为例：

ollama run deepseek-r1

如果你希望运行较小版本，可以选择：

ollama run deepseek-r1:1.5b

或者运行 7B 版本：

ollama run deepseek-r1:7b

运行 14B 版本：

ollama run deepseek-r1:14b

如果你想运行代码模型，可以使用：

ollama run deepseek-coder

当命令执行后，Ollama 会自动下载模型文件。下载完成后，会进入交互式对话界面，你可以直接输入问题，例如：

请用 Python 写一个快速排序算法，并解释代码逻辑。

如果模型能够正常回答，就说明 DeepSeek 已经部署成功。

八、查看本地模型列表

可以通过以下命令查看已经下载的模型：

ollama list

示例输出：

NAME                 ID              SIZE      MODIFIED
deepseek-r1:7b        xxxxxxxx        4.7GB     2 hours ago
deepseek-coder        xxxxxxxx        3.8GB     1 day ago

如果想删除不需要的模型，可以执行：

ollama rm deepseek-r1:7b

九、通过 API 调用 DeepSeek

Ollama 默认会在本地启动 API 服务，地址通常是：

http://localhost:11434

可以使用 curl 测试：

curl http://localhost:11434/api/generate -d '{
  "model": "deepseek-r1:7b",
  "prompt": "请介绍一下 DeepSeek 的特点",
  "stream": false
}'

如果返回模型回答内容，说明 API 调用正常。

也可以使用 Python 调用：

import requests

url = "http://localhost:11434/api/generate"

data = {
    "model": "deepseek-r1:7b",
    "prompt": "请用通俗语言解释什么是大语言模型。",
    "stream": False
}

response = requests.post(url, json=data)
print(response.json()["response"])

如果你希望将 DeepSeek 接入自己的业务系统，例如智能客服、知识库问答、代码助手等，就可以基于这个 API 进行二次开发。

十、方案二：Docker Compose 一键部署 DeepSeek + Open WebUI

虽然 Ollama 命令行已经很方便，但很多用户更希望拥有一个类似 ChatGPT 的网页界面。此时可以使用 Open WebUI。

Open WebUI 是一个开源的大模型 Web 管理界面，支持连接 Ollama，并提供聊天界面、用户管理、模型管理、提示词管理等功能。

下面介绍一套更接近“一键部署”的方案：使用 Docker Compose 同时部署 Ollama 和 Open WebUI。

十一、安装 Docker 和 Docker Compose

如果你使用 Ubuntu，可以执行：

sudo apt update
sudo apt install -y docker.io docker-compose

启动 Docker：

sudo systemctl start docker
sudo systemctl enable docker

查看 Docker 版本：

docker --version

查看 Docker Compose 版本：

docker-compose --version

如果你的系统使用新版 Docker Compose，也可以使用：

docker compose version

十二、编写 docker-compose.yml

创建一个目录：

mkdir deepseek-deploy
cd deepseek-deploy

创建 docker-compose.yml 文件：

vim docker-compose.yml

写入以下内容：

version: "3.8"

services:
  ollama:
    image: ollama/ollama:latest
    container_name: ollama
    restart: always
    ports:
      - "11434:11434"
    volumes:
      - ./ollama:/root/.ollama

  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui
    restart: always
    ports:
      - "3000:8080"
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
    volumes:
      - ./open-webui:/app/backend/data
    depends_on:
      - ollama

如果你的服务器有 NVIDIA GPU，并且已经安装好 NVIDIA Container Toolkit，可以使用 GPU 版本配置：

version: "3.8"

services:
  ollama:
    image: ollama/ollama:latest
    container_name: ollama
    restart: always
    ports:
      - "11434:11434"
    volumes:
      - ./ollama:/root/.ollama
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui
    restart: always
    ports:
      - "3000:8080"
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
    volumes:
      - ./open-webui:/app/backend/data
    depends_on:
      - ollama

十三、一键启动服务

在 docker-compose.yml 所在目录执行：

docker-compose up -d

如果是新版 Docker Compose，可以执行：

docker compose up -d

查看容器状态：

docker ps

正常情况下会看到两个容器：

ollama
open-webui

接下来进入 Ollama 容器拉取模型：

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

如果你想拉取更轻量版本：

docker exec -it ollama ollama pull deepseek-r1:1.5b

如果你显存足够，可以拉取更大版本：

docker exec -it ollama ollama pull deepseek-r1:14b

拉取完成后，访问浏览器：

http://服务器IP:3000

首次访问 Open WebUI 会要求创建管理员账号。注册后进入系统，即可选择 DeepSeek 模型开始聊天。

到这里，一个完整的 DeepSeek Web 聊天系统就部署完成了。

十四、开放外网访问注意事项

如果你是在云服务器上部署，需要确保安全组或防火墙开放端口：

3000：Open WebUI 页面访问端口
11434：Ollama API 端口，通常不建议直接暴露到公网

开放防火墙端口：

sudo ufw allow 3000

如果你希望通过域名访问，可以使用 Nginx 反向代理，例如：

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

    location / {
        proxy_pass http://127.0.0.1:3000;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
}

配置完成后重启 Nginx：

sudo systemctl restart nginx

生产环境中建议启用 HTTPS，可以使用 Certbot 申请免费 SSL 证书。

十五、方案三：使用 vLLM 部署 DeepSeek API 服务

如果你希望部署高性能 API 服务，特别是面向多用户并发调用，Ollama 可能不是最佳选择。此时可以考虑使用 vLLM。

vLLM 是一个高性能大模型推理框架，支持连续批处理、PagedAttention、OpenAI API 兼容接口，非常适合企业级服务部署。

1. 安装 vLLM

建议使用 Python 虚拟环境：

conda create -n deepseek python=3.10 -y
conda activate deepseek

安装 vLLM：

pip install vllm

2. 启动 OpenAI 兼容 API

以 Hugging Face 上的 DeepSeek 模型为例：

python -m vllm.entrypoints.openai.api_server \
  --model deepseek-ai/DeepSeek-R1-Distill-Qwen-7B \
  --host 0.0.0.0 \
  --port 8000

启动成功后，可以使用 OpenAI 格式调用：

curl http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-ai/DeepSeek-R1-Distill-Qwen-7B",
    "messages": [
      {"role": "user", "content": "请解释什么是 Transformer。"}
    ],
    "temperature": 0.7
  }'

Python 调用示例：

from openai import OpenAI

client = OpenAI(
    api_key="EMPTY",
    base_url="http://localhost:8000/v1"
)

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-R1-Distill-Qwen-7B",
    messages=[
        {"role": "user", "content": "请写一个 DeepSeek 部署方案。"}
    ],
    temperature=0.7
)

print(response.choices[0].message.content)

vLLM 更适合开发者和企业使用，但对显卡、CUDA 环境和模型格式要求更高。如果你只是个人体验，建议优先选择 Ollama。

十六、如何选择模型版本？

部署 DeepSeek 时，模型选择非常关键。如果模型太大，硬件跑不动；如果模型太小，回答质量可能不够理想。

个人电脑推荐

如果你的电脑显存为 8GB，可以选择：

ollama run deepseek-r1:7b

如果显存较小，可以选择：

ollama run deepseek-r1:1.5b

普通服务器推荐

如果服务器显存为 16GB 或 24GB，可以选择：

ollama run deepseek-r1:14b

或者使用 vLLM 部署 7B / 14B 模型。

企业内网推荐

如果需要多人使用，建议：

使用 vLLM 或 TGI 部署推理服务
使用 Open WebUI 提供前端界面
使用 Nginx 做反向代理
使用 HTTPS 加密访问
增加用户认证和访问控制
对模型调用做日志记录和限流

十七、常见问题与解决方案

1. 模型下载很慢怎么办？

可以尝试：

更换网络环境
使用代理
使用国内镜像源
手动下载模型文件
选择较小模型测试

如果只是验证部署流程，建议先拉取 1.5b 或 7b 版本，成功后再下载更大的模型。

2. Ollama 服务无法访问怎么办？

先检查服务是否启动：

systemctl status ollama

检查端口：

netstat -tunlp | grep 11434

或者：

ss -tunlp | grep 11434

如果端口没有监听，可以重启：

sudo systemctl restart ollama

Docker 部署时，可以查看日志：

docker logs ollama

3. Open WebUI 访问不了怎么办？

检查容器状态：

docker ps

查看日志：

docker logs open-webui

确认端口映射是否正确：

docker port open-webui

如果是云服务器，还需要检查安全组是否开放 3000 端口。

4. 显存不足怎么办？

显存不足是本地部署大模型最常见的问题。可以尝试：

换用更小的模型
使用量化模型
降低上下文长度
关闭其他占用显存的程序
使用 CPU 推理，但速度会变慢
使用云服务器 GPU

5. 回答速度慢怎么办？

可能原因包括：

模型参数过大
显卡性能不足
使用 CPU 推理
并发请求过多
上下文内容太长

优化方式：

使用更小的模型
使用 GPU 推理
减少 prompt 长度
使用 vLLM 提升并发能力
对常见问题增加缓存

十八、生产环境部署建议

如果你打算将 DeepSeek 用于正式业务，不建议只用简单命令裸跑。生产环境建议从以下几个方面完善：

1. 使用 Docker 部署

Docker 能够隔离环境，便于迁移和升级。推荐使用 Docker Compose 管理多个服务。

2. 配置反向代理

使用 Nginx 或 Caddy 做统一入口，方便配置域名、HTTPS、访问日志和限流。

3. 增加身份认证

如果 Open WebUI 或 API 暴露到公网，一定要配置登录认证，不要将模型接口无保护地开放出去。

4. 做好权限控制

企业内部使用时，可以根据用户角色限制可访问的模型、知识库和功能。

5. 监控资源占用

建议监控：

GPU 使用率
显存占用
CPU 使用率
内存使用
请求耗时
并发数量

可以使用 nvidia-smi 查看显卡状态：

watch -n 1 nvidia-smi

6. 定期备份数据

如果你使用 Open WebUI，需要备份用户数据、聊天记录和配置文件。Docker Compose 部署时，本文已经将数据挂载到本地目录：

./open-webui
./ollama

定期备份这两个目录即可。

十九、完整一键部署脚本示例

如果你希望进一步简化流程，可以编写一个一键部署脚本。

创建脚本：

vim install-deepseek.sh

写入内容：

#!/bin/bash

set -e

echo "开始安装 Docker..."
if ! command -v docker >/dev/null 2>&1; then
  sudo apt update
  sudo apt install -y docker.io docker-compose
  sudo systemctl start docker
  sudo systemctl enable docker
else
  echo "Docker 已安装，跳过。"
fi

echo "创建部署目录..."
mkdir -p deepseek-deploy
cd deepseek-deploy

echo "生成 docker-compose.yml..."
cat > docker-compose.yml <


赋予执行权限：
chmod +x install-deepseek.sh
运行脚本：
./install-deepseek.sh
等待脚本执行完成后，访问：
http://服务器IP:3000
即可使用 DeepSeek。

二十、总结
本文从零开始介绍了 DeepSeek 的完整部署流程，包括本地部署、Ollama 快速运行、Docker Compose 一键部署、Open WebUI 可视化界面、API 调用、vLLM 高性能部署以及常见问题排查。
如果你是个人用户，推荐使用：
Ollama + DeepSeek-R1:7B
如果你希望拥有网页聊天界面，推荐使用：
Ollama + Open WebUI
如果你是企业用户，希望提供高并发 API 服务，推荐使用：
vLLM + DeepSeek Distill 模型 + Nginx + HTTPS + 权限控制
整体来看，DeepSeek 的私有化部署门槛已经大幅降低。通过 Ollama 和 Docker Compose，用户可以在几分钟内完成模型部署，并快速搭建自己的本地 AI 助手。对于重视数据安全、希望降低 API 成本、需要内网智能化能力的团队来说，DeepSeek 私有化部署是一条非常值得尝试的技术路线。


                                
                                                                        
                                        文章标签：
                                                                                DeepSeek部署
                                                                                Ollama
                                                                                DockerCompose
                                                                                OpenWebUI
                                                                            
                                                                        
                                        上一篇：零基础搭建 DeepSeek：从本地运行到企业内网部署方案
                                    
                                                                        
                                        下一篇：DeepSeek 私有化部署实战：从服务器配置到生产级 API 上线

产品与服务

新闻帮助

生态合作

了解我们