DeepSeek-R1 本地部署：Ollama+ChatBox 安装与避坑

简介：面向希望摆脱在线服务波动、重视隐私与响应速度的DeepSeek使用者，这份课程资源以一份文档形式梳理本地部署的整体方案，适合对大型预训练模型应用感兴趣、具备基础电脑操作经验的自学者与专业人士。压缩包共1个docx文件，大小约1.28MB，内容系统讲解Ollama环境准备、按硬件配置选择1.5B、7B或32B等不同规格模型、ChatBox图形化交互界面接入与配置，并附常见问题说明以及工具和模型获取路径，方便读者按自身设备条件理解本地AI系统的组成与运行方式。已有3698人学习，文档兼顾入门认知与进阶配置，可帮助读者在在线平台不稳定时维持研究和工作连续性，也可作为熟悉本地模型部署流程的参考。需要说明的是，当前内容暂未涵盖联网检索功能。

1. 排队等模型的夜晚，我决定把 DeepSeek 搬回自己机器

去年冬天做一个文本整理的活，白天页面一直转圈，凌晨两点才勉强出了一段结果。那晚我把 DeepSeek 本地部署这套流程从头走了一遍：Ollama 负责把模型跑在本机，ChatBox 负责给一个能正常看对话的窗口，两个安装包加一条命令，前后不到四十分钟。中间当然也翻过车——16GB 内存的机器上直接ollama run deepseek-r1:32b，进度条走完，第一次提问整机假死，风扇狂转十分钟，最后长按电源。换成 7B 之后，同样的机器，回答速度从分钟级掉回秒级。这篇笔记就按「装什么版本、怎么装、装坏了怎么救」的顺序写，适合手上有一台 8GB 内存以上机器、想先把本地推理跑通再谈调优的开发者。

2. 装前先确认配置：deepseek-r1 三档硬件对照与 Ollama 安装包选型

很多人装这套环境失败，并不是命令敲错，而是版本和硬件没有对应上，流程本身并没有问题。模型能不能跑、跑起来是「能用」还是「能用但想砸键盘」，取决于内存、显存和磁盘这三个数字。这一章先把配置算清楚，再动手下载，后面每一步都会轻松很多。

2.1 1.5B、7B、32B 三档配置到底怎么选

模型库页面上一排标签，看着都叫 deepseek-r1，实际差别在参数量。参数量直接决定权重文件多大、加载要吃掉多少内存。下面这张表是我按实际装机经验整理的，内存那一列写的是「加载后还能留出余量」的建议值，不是最低启动门槛：

关键在「以上」两个字。低于建议内存不是启动不了，而是模型加载后系统开始频繁读写硬盘做交换，表现就是回答一个字一个字往外蹦，任务管理器里内存占用接近 100%。我在 8GB 内存的机器上试过 7B，能出结果，但一问一答要等一分多钟，实际不可用。所以选型的判断标准应该是「留 2GB 给系统、剩下的够不够装下模型」，而不该只看「能不能启动」。

原文推荐 7B，理由是大部分电脑配置都能跑起来，这个判断我认同。1.5B 适合先验证链路通不通，回答质量明显偏弱；32B 对普通机器来说更像是「证明我能装」，日常用不上。第一次装，直接上 7B。

2.2 磁盘和目录：模型文件到底落在哪

Ollama 在 Windows 上默认把模型放在用户目录下：

C:\Users\<你的用户名>\.ollama\models

7B 这个标签落盘大概 5GB 上下，1.5B 一两个 GB，32B 直接二十 GB 起步。如果 C 盘只剩十几个 GB，装到一半提示磁盘空间不足，是很常见的翻车点。而且 Ollama 不会自动清理旧标签，你今天试 1.5B、明天试 7B、后天又想试 14B，这些文件会一直叠在同一个目录里。

我一般的做法是：装 Ollama 之前先在 D 盘建好目录，比如D:\ollama\models，装完第一件事就是改环境变量把模型目录指过去，再开始拉模型。顺序很重要——先改目录再下载，比下载完再搬家省事得多。搬家本身也能做，但必须先停掉 Ollama 服务再移动文件，否则文件被占用，移动会失败或者只移了一半，这个坑后面第 5 章会细说。

2.3 安装包和网络准备

需要的东西只有两个安装包：Ollama 的 Windows 安装程序和 ChatBox 的 Windows 安装程序。Ollama 官网首页有 Download 按钮，选 Windows 版本下载；ChatBox 在它的安装页面上选 Windows 版本。两个都不需要注册账号，也不需要登录，装完即用。

真正需要预留时间的是模型下载。7B 有 5GB 左右，家用宽带跑满也要十几分钟，网络抖动一下进度条就卡住。原文里提到如果下载慢或者下载不了，可以直接用资源包里的网盘备份，这是很实际的做法——镜像包里既有两个安装程序，也有现成的模型文件，网络不稳的时候能省掉一半折腾。拉模型之前顺手确认一下磁盘剩余空间，比中途失败再重来舒服。

3. 安装 Ollama 并拉取 deepseek-r1:7b：Windows 下的完整安装步骤

这一步是整个本地部署的基础。Ollama 装好之后是一个常驻后台的服务，模型由它管理，命令行和 ChatBox 都只是连接它。基础没有打牢，后面 ChatBox 怎么配都连不上，所以这一章我会把安装、验证、拉模型、迁移目录四件事按顺序写完。

3.1 安装 Ollama：安装向导里需要注意的两个选项

从官网下载到的安装程序双击运行，向导很简单，一路下一步即可。有两个地方建议留意一下：

第一是安装位置。新版安装向导允许自定义目录，默认装在当前用户目录下（类似C:\Users\<用户名>\AppData\Local\Programs\Ollama）。装在用户目录的好处是不需要管理员权限，卸载也干净；如果你习惯把工具统一放在 D 盘，这里改路径也没问题，但别放在带中文或空格的路径下，少数情况下会影响服务启动。

第二是安装完成后会自动启动。安装程序结束时会拉起一个后台进程，任务栏右下角出现一个羊驼样式的托盘图标，就说明服务已经在跑了。这个图标不是装饰，右键能看到退出和日志入口，后面排查问题全靠它。

装完之后必须重新打开一个命令行窗口。安装程序把 Ollama 加进了 PATH，但已经开着的终端读的是旧环境变量，直接在老窗口里敲ollama会提示「不是内部或外部命令」，这不是装失败，只是没刷新。

3.2 验证安装：三条命令确认服务状态

按Win + R，输入cmd回车，依次执行：

# 1. 确认命令可用、看版本号 ollama -v # 2. 确认后台服务在监听，能列出模型（此时应为空表） ollama list # 3. 看当前已加载到内存的模型（刚装完也是空） ollama ps

三条命令的含义不一样。ollama -v验证的是客户端有没有装好、PATH 有没有生效；ollama list验证的是客户端能不能连上本地服务，它本质上是在请求http://127.0.0.1:11434/api/tags；ollama ps看的是运行态，模型加载后会出现在这里，还带内存占用，是排查性能问题最直接的一条命令。

如果-v有版本号但list报连接失败，问题在服务没起，去托盘图标那里看一眼，或者从开始菜单重新启动 Ollama。这个区分很关键：报错信息长得差不多，但一个是安装问题，一个是服务问题，处理方式完全不同。

3.3 拉取并运行 7B 模型：pull 和 run 的区别

模型库页面上，deepseek-r1 的地址在 Ollama 官方模型库里，页面会列出所有可用标签。命令行里直接跑：

# 拉取并进入交互模式，第一次执行会先下载约 5GB 的权重 ollama run deepseek-r1:7b # 如果只想先下好、不马上对话，用 pull ollama pull deepseek-r1:7b

ollama run是个复合动作：本地没有这个标签就先下载，下载完立刻加载进内存并进入交互界面；ollama pull只负责下载。如果是晚上挂着下载、第二天再试，用pull更合适，不会占着终端。

进入交互界面后，光标变成>>>，直接输入问题回车即可。几个内置指令记一下：/bye退出，/clear清空当前上下文重新开始，/?看帮助。窗口里输出的内容是按 token 逐字冒出来的，这就是本地推理的真实速度，觉得慢不是程序卡了，是硬件到顶了。

想确认模型元信息，用：

# 查看模型的参数量、量化方式、上下文长度等 ollama show deepseek-r1:7b

这条命令输出里的参数规模、量化格式，能帮你判断当前跑的到底是不是你以为的那个版本。标签写错一位，拉下来的可能就是完全不同的东西。

3.4 把模型目录迁出 C 盘：OLLAMA_MODELS 环境变量

如果按 2.2 的建议先建好了目录，这里就是落地动作。先停掉 Ollama 服务（托盘图标右键退出），再执行：

# 设置模型存储目录，setx 会写入用户级环境变量，永久生效 setx OLLAMA_MODELS "D:\ollama\models"

setx写入的是用户环境变量，不是当前会话，所以执行完必须关掉命令行重开，再启动 Ollama 服务。设置生效后新拉的模型都会落到 D 盘。

如果模型已经下在 C 盘了，顺序是：退出 Ollama → 把C:\Users\<用户名>\.ollama\models整个目录剪切到D:\ollama\models→ 设置环境变量 → 重开终端 →ollama list确认模型还在。一定要先退出服务再移动，服务运行时模型文件被占用，剪切会失败或者留下半截文件。这个顺序错了，ollama list里会看到一个损坏的标签，只能ollama rm删掉重拉。

4. 安装 ChatBox 并接入本地模型：自定义提供方参数怎么填

命令行能用，但那个黑底白字的窗口不适合长对话——不能回看历史、不能复制整段、换个话题还得手动清上下文。ChatBox 的作用就是给本地模型套一个正常的聊天界面，它本身不跑模型，只是通过接口去调 Ollama。这一步做对了，日常使用体验能提升一大截。

4.1 下载安装 ChatBox

从 ChatBox 的安装页面选 Windows 版本下载，安装过程没有特殊选项，一路下一步。它支持好几种使用方式，有云端账号模式，也有自带 Key 和本地模型模式。我们这条路线选后者，全程不需要注册。

第一次打开会弹一个引导窗口，里面有几个选项，找「使用自己的 API Key 或本地模型」这一项点进去。如果手快把窗口关了也不用重装，主界面左下角进「设置」，在模型提供方那一栏点「添加自定义提供方」，能回到同一个配置页面。

4.2 添加自定义提供方：三个字段决定连不连得上

配置页要填的核心就三项，其余保持默认即可：

填完点「保存」，然后新建一个对话，在对话框上方或设置里把当前模型切换成刚添加的这个。切好之后随便问一句，比如「你是谁」，能正常返回就说明链路通了。

模型名这一栏最容易出错。它不是一个自由填写的显示名，而是真正发给 Ollama 的标签，多一个空格、少一个冒号都会返回模型不存在的错误。最稳的做法是把ollama list输出里那一列原样复制过去。API 域名同理，11434 是 Ollama 默认端口，路径部分什么都不用加，加了反而连不上。

4.3 会话参数：温度和上下文怎么调

配置里还有几项会话参数，默认值能用，但调一下更合适。DeepSeek-R1 这类带推理链的模型，输出前面会有一段思考过程，温度设太高容易跑偏，我一般压到 0.6 以下，答案更稳。上下文条数（有界面叫「携带的历史消息数」）建议先设小一点，比如 5 到 10 条，因为每一轮对话都要把历史一起塞进模型，条数越多占用内存越大，7B 在 8GB 机器上开太多历史会明显变慢。

第一次测试对话，建议问一个需要两三步推理的问题，而不是只问「你是谁」。因为后者几乎不消耗上下文，测不出真实性能。问一个稍复杂的问题，观察三件事：首字出现要等多久、出字速度稳不稳、回答完内存有没有回落。这三项都正常，才算真的跑通。

提示：这一步装完的版本不具备联网能力，它只能基于训练时学到的知识回答，问实时新闻、今天天气之类的问题会答不上来或者编造。联网检索是另一套配置，不在这次安装范围内。

5. 避坑与排查：Ollama 与 ChatBox 联调的五条血泪经验

这套环境装起来不复杂，但报错信息普遍很含糊，同一个「连接失败」背后可能是五个不同原因。下面五条是我自己遇到过、也帮别人处理过的典型问题，按「现象 → 原因 → 解决」记下来，遇到时直接对号入座。

5.1 现象：拉模型卡在某个百分比不动，或者报 manifest 不存在

原因：两种可能。一是标签写错，比如把deepseek-r1:7b写成deepseek-r1-7b或者漏掉r1，Ollama 会去请求一个不存在的清单；二是网络中断后留下了半截下载记录，重试时校验对不上。

解决：先用ollama list看本地有没有残留的同名标签，有的话ollama rm deepseek-r1:7b删干净再重来。标签一定从模型库页面复制，不要手打。如果是网络问题，用ollama pull单独下，断了重跑会续传，别反复用run触发加载。网络实在不稳，就用资源包里的模型文件，拷到OLLAMA_MODELS目录下再ollama list确认。

5.2 现象：ChatBox 里发消息一直转圈，最后报连接错误或 400

原因：九成是 API 域名填错。常见错误有三种：写成https://localhost:11434、结尾多加了/v1、端口写成 1143 或 11434 之外的数字。少数情况是 Ollama 服务根本没启动。

解决：先在浏览器里访问http://localhost:11434/api/tags，能返回一段 JSON 就说明服务正常，问题在 ChatBox 的配置；打不开就用netstat -ano | findstr :11434看端口有没有在监听。/api/tags是 Ollama 列模型的接口，拿它当连通性探针最直接，比反复重启 ChatBox 有效得多。

5.3 现象：回答能出，但几秒一个字，风扇狂转

原因：模型超出了可用显存或内存，部分层被卸载到 CPU 上跑，或者系统已经开始用硬盘做交换。任务管理器里看内存占用接近满格、磁盘占用长期 100%，基本就是这个情况。

解决：优先降档，从 7B 退回 1.5B 验证是不是硬件不够；能降档就说明配置卡在边界上。同时关掉浏览器多标签、其他占显存的程序。用ollama ps看当前加载的模型占用多少内存，这个数字比猜更靠谱。确实需要 7B 又只有 8GB 内存，就把 ChatBox 的历史消息条数调到 5 条以内，能省一部分上下文开销。

5.4 现象：重装 Ollama 之后，之前下的模型全没了

原因：卸载时勾了清除数据的选项，或者改过OLLAMA_MODELS但重装后环境变量丢了，服务又回到默认的 C 盘目录，看起来就像模型消失。

解决：重装前先把 models 目录整个复制一份到别处，这是最省事的备份。已经丢了的话，先去默认目录确认是不是「换了位置」而不是真删了。另外提醒一句，setx设置完不重开终端是不生效的，很多人以为设了其实没设，模型又下回了 C 盘。

5.5 现象：Ollama 托盘图标在，但命令行连不上，提示端口被占用

原因：上一次的进程没有正常退出，或者别的程序占用了 11434。重复双击安装包启动第二次实例也会这样。

解决：netstat -ano | findstr :11434拿到占用进程的 PID，taskkill /PID <PID> /F结束掉，再从开始菜单重启 Ollama。如果确实需要换端口，设setx OLLAMA_HOST "127.0.0.1:11435"，重启服务后 ChatBox 的 API 域名也要同步改成新端口，两边必须一致。

6. 装完怎么验证：三条验证线，缺一条都不算跑通

装完之后很多人只做一个动作——在 ChatBox 里问一句「你好」，看到有回复就认为完事了。这个验证太弱，它只能证明界面能连上，证明不了服务稳定、接口正确、性能达标。我一般走三条线，从底层往上层逐个确认。

第一条线：命令行验证模型本体。打开新终端执行：

# 确认模型已落盘，输出里有 deepseek-r1:7b 这一行 ollama list # 加载并提一个短问题，观察首字延迟和出字速度 ollama run deepseek-r1:7b "用三句话说明什么是本地推理"

这一步绕开了所有界面，直接测模型本身。如果这里就慢得离谱，问题在硬件或模型档位，跟 ChatBox 无关，别在界面上浪费时间。

第二条线：接口验证。用浏览器或命令行访问接口，确认服务对外提供的能力是完整的：

# 列出模型，返回 JSON 里能看到 model 字段 curl http://localhost:11434/api/tags # 直接调生成接口，stream 设为 false 一次性返回完整结果 curl http://localhost:11434/api/generate -d "{\"model\":\"deepseek-r1:7b\",\"prompt\":\"你好\",\"stream\":false}"

第二条命令在 Windows 的 cmd 里引号转义比较麻烦，用 PowerShell 的Invoke-RestMethod更顺手。这一步通过，说明 ChatBox 能拿到的东西，你手动也能拿到，后面界面出问题就可以确定是配置而不是服务。

第三条线：界面验证。在 ChatBox 里连问三轮，看历史能不能正常带上下文、切换会话后模型有没有掉、关掉软件重开还能不能直接对话。三条线都过，这套环境才算真正可用：

最后说个习惯。那次 32B 把机器拖死之后，我每次装完这套环境，都会先在命令行跑一遍短问题、记下首字延迟，再去配界面。有了这个基线，后面觉得「今天怎么变慢了」，一比就知道是模型换了、内存被别的程序吃了，还是纯粹心理作用。装环境这件事，能复现比能跑通更重要。希望帮到你。

本文还有配套的精品资源，点击获取