20分钟在Windows操作系统部署DeepSeek-R1大模型

| 原创作者/编辑：凯哥Java | 分类：人工智能学习系列教程

GitHub上deepseek-r1截图

PS:本文是本地化部署DeepSeek系列教程第三篇。本系列共计5篇文章，最终，我们讲实操在Windows操作系统和Mac操作系统实现本地部署DeepSeek-R1大模型。

本系列教程其他文章，还在文章末尾添加。欢迎系统学习

点击下方“凯哥Java”

一起用AI进化、赚钱...

让成长不再孤独！

本文使用到以下几个软件：Ollama、DeepSeek、和 ollama-webui-lite-main

DeepSeekDeepSeek 是一个强大的开源AI模型系列，由深度求索（DeepSeek）开发，专为多领域应用设计。它提供了多个版本的模型：

• DeepSeek-Coder：专注于代码开发的AI助手，擅长理解和生成多种编程语言的代码

• DeepSeek-Chat：通用对话模型，支持中英双语，能够处理从日常对话到专业领域的广泛问题

• DeepSeek-MoE：基于专家混合的大规模语言模型，能够根据需求调动多个专家模型进行高效计算特点：开源、性能强大，特别在代码理解、生成和多领域应用中表现优异，适合开发者和研究人员使用。

OllamaOllama 是一个轻量级的本地AI模型运行框架，旨在简化开源大语言模型的部署和使用：

• 支持多种主流AI模型，如 Llama、Mistral 等，可轻松进行本地部署

• 部署过程简单，通过一行命令即可启动，无需复杂配置

• 完全本地运行，确保用户数据隐私和安全

• 提供灵活的自定义模型和参数调整选项，适合开发者进行个性化实验特点：轻量、简便，适合个人开发者或小型团队在本地运行AI模型，注重简化使用流程。

ollama-webui-lite-mainollama-webui-lite-main 是基于 Ollama 框架的 Web 用户界面，旨在提供更简便的本地AI模型交互体验：

• 简洁直观的Web界面，用户可通过浏览器与本地运行的AI模型进行交互

• 无需复杂配置，快速部署，适合个人或小型团队使用

• 支持多种开源AI模型，便于模型切换与调试

• 提供简单的参数调整界面，帮助用户根据需求优化模型表现特点：基于 Ollama 框架的Web界面，简化了AI模型的本地操作体验，适合开发者或小型团队进行高效管理与实验。

三款软件的总结：

• DeepSeek：高质量开源AI模型，专注于多领域和代码开发，适合需要强大模型支持的用户

• Ollama：轻量本地AI部署框架，适合简化本地模型部署和数据隐私保护的用户

• ollama-webui-lite-main：Web界面化工具，简化了Ollama框架的操作，适合需要快速与本地模型交互的开发者

根据需求，用户可以：

• 需要高性能开源模型时选择 DeepSeek

• 想要快速部署并保护数据隐私时选择 Ollama

• 需要简单便捷的Web界面与本地AI模型交互时选择 ollama-webui-lite-main

一、初识 Ollama

介绍：

Ollama 是一个轻量级的本地AI模型运行框架，旨在简化开源大语言模型的部署和使用。它支持多种主流的开源大语言模型（如 Llama、Mistral 等），并提供简洁、易用的命令行工具，使开发者能够在本地计算机上方便地部署和运行这些模型。Ollama 强调数据隐私，确保所有计算过程都在本地进行，避免了将敏感数据发送到云端的风险。

优势：

1. 简便易用：Ollama 通过简单的一行命令即可启动和部署AI模型，大大降低了模型部署的复杂度，适合开发者和个人用户使用。

2. 本地部署，数据安全：所有数据和计算都发生在本地，不会上传至云端，极大保证了用户的数据隐私和安全。

3. 支持多种模型：支持如 Llama、Mistral 等多种开源大语言模型，可以根据需求自由选择和替换模型。

4. 灵活的自定义：Ollama 提供了灵活的自定义选项，开发者可以根据自己的需求调整模型和参数，以达到最佳的性能。

5. 资源占用低：作为轻量级框架，Ollama 对计算资源的需求相对较低，适合在普通硬件上运行，减少了云计算的依赖。

使用场景：

1. 个人开发和实验：对于个人开发者来说，Ollama 提供了一个便捷的方式来本地部署和测试各种大语言模型，适合进行快速原型设计和小型项目开发。

2. 小型团队和研究机构：小型开发团队或研究人员可以利用 Ollama 在本地部署 AI 模型，无需依赖外部服务，这样不仅能节省成本，还能避免数据外泄的风险。

3. 数据隐私保护：对于有严格数据隐私需求的用户，如医疗、金融等行业，Ollama 提供本地运行的解决方案，确保敏感数据不会泄露。

4. 本地大语言模型服务：在不依赖云端的情况下，Ollama 可以帮助用户搭建本地的大语言模型服务，适用于需要快速响应的场景，如本地聊天机器人、智能客服等。

5. 自定义 AI 模型调试与优化：Ollama 的自定义选项使得开发者可以根据需要调整和优化模型，对于AI开发者而言，测试不同配置并找到最佳设置是非常有价值的。

二、下载

访问官网：https://ollama.com/

在官网首页可以直接看到下载按钮，点击下载按钮，根据自己的电脑操作系统选择对应的安装包。

因为凯哥电脑是Windows操作系统的，所以，直接点击Windows图标后下载即可。如上图所示。

需要注意：因为Ollama是国外的，所以下载可能会有点慢，凯哥将下载好的文件已经放网盘了，有需要的朋友可以直接回复后获取。

(链接：https://pan.quark.cn/s/d3d39615b800 提取码：MRL3)

三、安装

3.1 配置环境变量

从凯哥提供网盘下载安装包之后，我们可以看到是EXE文件。一般来说，我们会直接双击，然后进行安装，在这里，先别着急这双击安装。先设置下环境变量。

可能有些朋友会问，为什么配置环境变量呢？因为Ollama以及我们需要下载的模型都是默认安装在C盘的，一般情况下，我们会给C盘分配的磁盘不是很大。所以，如果使用的久或者是我们下载多个模型之后，C盘会爆满。所以，需要把下载的模型存放在非系统盘中就可以。具体配置如下：

搜索环境变量，找到环境变量：

双击编辑系统环境。如下图：

输入如下内容：

变量名称

变量值

说明

OLLAMA_MODELS

G:\ollama\models

变量值根据自己实际情况修改。别放在C盘就可以

具体操作步骤如下图：

3.2 安装Ollama

配置好环境变量之后，就可以双击Ollama即可，然后一直点击下一步就可以看装成功了

3.3 验证是否安装成功

等待安装完成之后，打开CMD命令窗口

(如果不知道怎么打开，直接按键盘上的win+R，在弹窗框输入cmd)

输入ollama 或者 ollama -v 。如果看到如下图，说明安装成功了。

3.4 配置软链接

为什么要配置软链接呢？

原因同3.1。在3.1步骤咱们只是配置了模型存放路径。ollama主程序和日志文件还在C盘。这一步就是为了将这些还在C盘的配置到其他盘符。

看到了吗？Ollama占用了4.56GB的磁盘空间呢。所以，咱们很有必要把主程序和日志文件存放到其他盘符去。

需要注意：

1.在配置软链接之前请先退出已经在运行的ollama。怎么退出？桌面右下角，可以看到ollama图标，然后鼠标右键就可以看到退出按钮了。点击退出即可

2.cmd必须使用管理员权限运行。具体操作如下：

PS：如果第一步忘了。那么在执行创建软链接命令前，需要多执行一步。就是将原来的路径奔赴。之后才能配置软链接。创建完成之后，记得把备份文件夹中的内容拷贝回去，再次验证是否可以用。

安装后在C盘\用户文件夹下可以看到如下几个目录

路径

说明

C:\Users\kaizi\.ollama

存放模型的

C:\Users\kaizi\AppData\Local\Ollama

存放Ollama日志相关

C:\Users\kaizi\AppDatalLocal\Programs\Ollama

存放Ollama主程序的

说明：请将kaizi换成你自己电脑的用户名

Windows操作系统创建软链接命令：

Plain Textmklink /D 需要创建软连的原始目录 创建软连的目标目录

根据上面公式可以得到：

比如凯哥要创建存放模型的软链接到D盘ollama文件夹下。执行命令如下：

Plain Textmklink /D C:\Users\kaizi\.ollama D:\ollama\.ollama

三个软链接执行命令如下：

mklink /D C:\Users\kaizi\.ollama D:\ollama\.ollama

mklink /D C:\Users\kaizi\AppData\Local\Ollama D:\ollama\logs

mklink /D C:\Users\kaizi\AppDatalLocal\Programs\Ollama D:\ollama\app

说明：

1.把kaizi换成你自己的

2.把软链接目标文件夹修改成你自己的

错误问题解决

1.提示已经存在了：

把之前的备份下。备份命令：

Plain Textmove C:\Users\kaizi\.ollama C:\Users\kaizi\.ollama_backup

先执行move之后，在执行创建软链接命令就可以了。如下图所示：

2.在移动文件夹的时候，如果提示拒绝访问

如果提示拒绝访问，说明文件夹正在被使用中，没有把右下角ollama关闭。

四、下载模型

在官网，点击左上角的Models，可以看到deepseek-r1。如下图：

点击deepseek-r1就可以看到模型了

①：选择需要的模型大小

②：模型模型安装命令

五、安装模型

这里，凯哥就使用大多数电脑可以运行的模型：ollama run deepseek-r1 。大家复制即可。

复制命令后，直接在cmd命令窗口下执行即可。

因为大小是4.7GB，下载需要会时间。耐心等着。下载完成后，见到如上图所属，说明已经下载完了

六、命令窗口下测试模型

等模型安装完成之后，咱们就可以直接和模型进行对话了。

比如，直接输入，你是谁，然后就可以看到如下回答

在命令行测试，可以发现效果还可以，速度不慢。推理能力确实很强!朋友们，赶紧试试吧

七、安装WebUI前环境准备

PS：如果不想使用凯哥提供的这个，也可以使用ChatBox这类的。chatBox怎么使用，凯哥在之前文章中也讲解过了。

虽然直接在命令行中运行模型很方便，但为了获得更好的用户体验，您可以将Qwen2模型集成到Web界面中。

1. 安装Node.js：

首先，需要在Windows上安装Node.js。访问Node.js官网，下载并安装最新版本的Node.js。

凯哥使用的是版本号是18.6

image.png

凯哥本地node版本

2. 下载ollama-webui：

从GitHub或其他源下载ollama-webui的代码。

JSONhttps://github.com/ollama-webui/ollama-webui-lite

3. 设置并启动Web界面：

按照ollama-webui的文档说明，设置Node.js环境，安装依赖，并启动Web服务器。然后，在浏览器中打开Web页面，选择您的模型即可开始对话。

3.1镜像提速：

入ollama-webui文件夹，设置国内镜像源提速：

JSONnpm config set registry http://mirrors.cloud.tencent.com/npm/

3.2 安装依赖

JSONnpm install

错误解决办法：

如果报错说要audit，则依次进行即可：

JSONnpm auditnpm audit fix

启动

3.3 启动Web界面：

命令执行完成就可以用看到如下图的访问地址：

image.png

启动成功输出访问地址

打开Web页面，选择你的模型即可开始对话：

image.png

访问页面

八、启动webUI界面并测试模型

凯哥这里选择8b模型进行测试。

通过页面访问，也是响应也是挺快的。