简介DeepSeek的相关资料很多但不少用户仍不清楚如何下载、选用模型或做本地部署。这份PDF上手即为零基础用户扫清障碍从DeepSeek V3与R1两款模型讲起既比较了各自的适用任务与成本差异也直接给出了一套“按需选模型”的判断路径普通用户读完后能快速确定自己该用官方入口、本地部署还是API方式。资料集中梳理了三种主流使用方式——官方网页与手机App适合追求完整效果的普通用户Ollama本地蒸馏部署适合重视隐私的技术型用户ChatBox客户端结合API密钥则适合有一定基础、希望在第三方平台灵活接入的开发者。全文实用细节占比较高版本切换、安装命令、密钥配置等都写得很具体还点出了R1模型成本高于V3这类容易被忽略的选型提醒。资源包封装为1个PDF约311KB内容紧凑、目录层级明显适合快速翻查目前已有365人学习对有明确上手需求的AI初学者与开发者都有参考价值。1. DeepSeek使用方法不只网页聊天三套方案先分清 V3 和 R1 再动手DeepSeek 使用方法看着简单真上手还是有不少人卡住——下载入口在哪、V3 和 R1 到底该选哪个、本地部署的命令去哪找。最近帮两拨人搭环境同一个问题反复出现大家默认 DeepSeek 只有网页对话却不知道它同时开放了官方在线、Ollama 本地部署、API 加客户端三条路。这三条路从零门槛到偏开发者安装成本和效果差别不小选错路轻则白折腾半天重则把 34B 模型拉下来直接撑爆内存。这篇按我实际装过的方式把每条路从选型到验证写清楚照着走 10 分钟内至少能跑通一种。先别急着搜教程把 V3 和 R1 的分工搞明白后面每一步都会顺很多。2. 官方网页与手机 APP注册、登录、模型切换一次到位2.1 为什么先推荐官方通道官方在线版本是最省事的一条路模型是完整满血版不需要自己下载几十 GB 文件也不占本地内存效果在所有方案里最接近官方宣传水平。如果你只是日常问答、写点文案、偶尔让模型解释一段代码官方网页版完全够用而且目前免费不需要绑卡也不用预充值。但这条路也有明确的边界所有对话都会经过官方服务器内容是否敏感要自己掂量。对数据安全有顾虑、或者要在内网环境离线使用的后面第 3 章的本地部署才是你的菜。人群上也分得清楚——网页版适合先体验、不想折腾的用户本地部署适合开发者或隐私敏感用户API 接入则适合要把模型集成到现有工具和业务系统里的人。三套方案不冲突我自己的习惯是日常问答用网页测试推理能力的时候切到本地或 API 环境。2.2 网页版注册与首次对话网页版入口是 DeepSeek 官网对话页并没有单独的安装包这个概念浏览器打开即用。首次登录需要用手机号、微信或邮箱注册一个账号国内用户用 86 手机号最方便验证码几秒就到。注册完进入对话主页界面相当简洁中间是输入框下方有模型选择的入口。模型选择这里有一个容易被忽略的点页面会明确区分 DeepSeek V3 和 DeepSeek R1默认停在 V3。日常任务保持 V3 就好它的综合能力覆盖绝大多数场景响应也快遇到逻辑推理题、代码调试、数学证明这类硬任务再手动切到 R1。R1 在回答之前会先显示一段思考过程回复明显更慢这是它的工作方式——用更多计算换推理深度。不要因为慢就怀疑它卡住了那是 R1 在“内部推理”的正常表现。2.3 手机 APP 与多端同步手机端有两种拿法一种是在官网页面里找到“获取手机 APP”入口扫二维码下载另一种是直接在手机应用商店搜索 DeepSeek 下载。两种渠道拿到的客户端功能一致不存在商店版阉割的问题。装完后用同一个账号登录网页端的历史会话在手机上也能看到多端同步不用额外配置。手机端和网页版的体验基本一致模型切换的位置也相同。有一点容易踩手机上输入法有时会吞掉换行粘贴比较长的代码片段时格式会乱。我一般会把代码先粘到备忘录再复制过来或者在输入框里手动补一下换行。另外手机端适合应对碎片化提问真要写长代码、做复杂推理建议还是回到网页端屏幕大一眼能看完整个思考链路。3. Ollama 本地部署从 1.5B 到 34B 的模型选型与安装3.1 本地部署适合谁为什么选 Ollama本地部署的核心价值是数据和推理都在自己的机器上完成对话内容不出电脑不依赖外部服务。适合三类人一是对隐私敏感的公司代码片段、业务数据不敢往外发二是网络环境受限的内网机器访问不了外网服务三是就想离线玩模型的不想让对话记录留在别人服务器上。选 Ollama 而不是直接去 Hugging Face 手动下载模型原因很简单Ollama 把模型管理、下载、运行、API 暴露这几个环节打包成了一两条命令跨平台支持 Windows、macOS 和 Linux还自带一个本地 API 端口后面想接客户端也方便。需要明确的是个人电脑跑不起 671B 的完整版Ollama 上提供的是蒸馏版模型规格从 1.5B 到 70B 不等资源占用低但效果和完整版有差距。这个差距在简单任务上不明显压在复杂推理上就体现出来了。3.2 安装 Ollama 本体Ollama 的安装入口在官网主页的 Download 按钮它会自动识别你的操作系统给出对应的安装包。Windows 端是一个 exe 安装程序双击后一路下一步装完屏幕右下角会出现一个羊驼图标代表 Ollama 服务已经在后台运行。这里有一个高频坑装完后如果直接打开原来的命令行窗口输ollama大概率提示“不是内部或外部命令”必须重新打开一个新的终端窗口让系统重新读取 PATH 环境变量。macOS 端同样从官网下载把应用拖进 Applications 目录就行。Linux 服务器上更简单Ollama 官方提供了一键安装脚本SSH 进去执行即可。无论哪个平台装完后先在终端执行一次版本检查确认命令真的可用再往下走。ollama --version这条命令用来验证 Ollama 是否安装成功。能正常输出版本号说明命令路径没问题如果提示找不到命令先重开终端不行再手动检查环境变量。3.3 选型DeepSeek R1 各规格的内存估算Ollama 上 DeepSeek R1 提供了 1.5B、7B、8B、14B、34B、70B 等多个规格初次尝试强烈建议从最小的 1.5B 起步它的体积约 1.1GB绝大多数电脑都能跑哪怕只有 8GB 内存的老机器也带得动。先把流程跑通再根据机器配置逐级升级比一上来就拉 34B 然后把机器拖到卡死要明智得多。模型规格磁盘占用约推理内存建议适合的机器1.5B1.1GB4GB 以上老电脑、核显本7B4.7GB8GB 以上主流办公机14B9GB16GB 以上16GB 内存主机34B20GB32GB 以上高性能工作站上表是量化版模型的实际占用参考值不同量化位宽会有浮动。内存建议按“模型占用加系统余量”估算不要卡着下限买机器。我自己犯过的错误是在一台 8GB 内存的笔记本上直接拉 14B结果模型加载到一半进程就被系统杀掉了日志里全是 OOM 报错。从那以后我选规格都很保守先小后大跑不动再降。3.4 拉取模型并进入对话选好规格后在 Ollama 模型库里打开 deepseek-r1 对应的页面选定 1.5B 版本页面会自动生成一条 pull 命令复制到终端执行。也可以用下面的命令手动拉取。ollama pull deepseek-r1:1.5bdeepseek-r1是模型名1.5b是版本标签两者用冒号拼接。这条命令会把模型文件下载到本地下载速度取决于网络情况1.5B 通常在 5 分钟内能完成。磁盘空间建议预留模型体积的两倍因为下载和解压过程中会有临时文件。拉取完成后运行模型直接进入交互对话模式ollama run deepseek-r1:1.5b回车后终端会变成对话提示符直接输入中文问题即可。输入/bye退出对话。这个交互模式适合快速验证模型能不能跑但不适合长会话终端里翻历史消息很痛苦。3.5 升级到更大规格与清理旧模型跑通 1.5B 之后如果电脑配置允许下一步一般是升到 14B。操作方式完全一样只是把标签换成更大的规格ollama pull deepseek-r1:14b ollama run deepseek-r1:14b这里有个细节14B 和 1.5B 是两个独立的模型文件同时存在会各占一份磁盘空间。如果确认不再需要小版本用ollama rm删掉释放空间。ollama rm deepseek-r1:1.5b还有一个实用命令是ollama list列出本地已下载的所有模型ollama ps则显示当前已加载到内存的模型排查内存占用时非常有用。每次切模型之前我都会先看一眼ollama list确认要跑的版本确实已经下载完整。3.6 修改模型默认存储位置Windows 系统下 Ollama 默认把模型存在C:\Users\你的用户名\.ollamaC 盘空间紧张的话这是个隐患。解决办法是在安装之前就设置环境变量OLLAMA_MODELS指向其他磁盘setx OLLAMA_MODELS D:\ollama_models设置完环境变量需要重开终端之后再执行 pull模型就会下载到 D 盘指定目录。注意已经下载过的模型文件不会自动迁移要先删除旧文件重新拉取或者手动把.ollama里的 models 目录整个搬过去再改环境变量。最稳的顺序是先设置环境变量、再拉模型从源头避开迁移问题。4. API 客户端接入密钥管理与多客户端调用配置4.1 API 方式的价值与前提API 方式最大的好处是不用在自己电脑上跑模型也不需要强大的硬件只要程序或客户端带上密钥发起请求云端就把推理结果返回给你。它适合两类场景一是要把 DeepSeek 集成到自己的业务系统、聊天机器人、内部工具里二是本地电脑性能太弱跑不动大规格蒸馏版但又想要接近完整版的推理效果。这个方案的前提是有一定计算机基础至少要能分清 API 密钥和登录密码的区别知道密钥泄露意味着什么。原文里提到市面有 ChatBox、Cherry Studio、OneAPI、LobeChat、NextChat 等多种客户端可选我这边用得比较顺的是 ChatBox它的配置界面直观手机上也能装。注意 API 调用是付费服务R1 的单价明显高于 V3后面专门说怎么控成本。4.2 获取 API 密钥以原文提到的国内平台硅基流动为例注册账号后进入控制台找到 API 密钥管理页面创建一个新密钥。创建成功后密钥会完整显示一次务必复制到本地保存刷新页面后密钥原文不再可见丢了只能重新生成。密钥的保存有一个安全习惯不要直接写在代码里更不要提交到 Git 仓库。我见过不止一次有人在项目里硬编码密钥结果代码一传到仓库就被人扒走余额被刷光才后知后觉。正确做法是放进环境变量或单独的配置文件里并加入.gitignore忽略。另外硅基流动和 DeepSeek 官方是两套独立的密钥体系别把第三方平台的密钥拿去 DeepSeek 官网的接口用认证大概率过不了。4.3 ChatBox 客户端配置步骤ChatBox 的安装在应用商店或官网都能完成手机端和桌面端配置逻辑一致。装完后打开设置在模型提供商一栏选择对应的服务商例如硅基流动然后把刚才复制的 API 密钥粘贴进去保存即可。如果用的服务商不在预设列表里也可以选 OpenAI 兼容格式手动填接口地址和模型名。配置完成后在对话界面顶部的模型下拉框里选择 DeepSeek R1 或 V3。这一步要特别注意模型名必须和服务商平台上的标识一致不同平台对 DeepSeek 模型的命名不完全相同有的叫deepseek-chat有的叫deepseek-ai/DeepSeek-R1。最稳的做法是在下拉列表里点选而不是手动输入。手动手滑填错一个字符接口立刻报错而且报错信息不一定友好。配置完先发一句“你好”做连通性测试能正常回复说明密钥和接口都通了。接着再发一个有明确标准答案的数学题确认模型真的在工作。这里有一个判断技巧如果回复内容带有明显的思考过程、逐步推导说明命中的是 R1如果直接给结论大概率还是 V3 在处理。4.4 用 curl 直接验证 API 连通性客户端配置失败的时候先用命令行直接打 API 接口能快速定位问题在客户端还是在密钥。以 DeepSeek 官方 API 为例curl 验证方式如下curl https://api.deepseek.com/chat/completions \ -H Authorization: Bearer sk-你的密钥 \ -H Content-Type: application/json \ -d {model:deepseek-chat,messages:[{role:user,content:你好}],stream:false}参数说明Authorization头里的sk-你的密钥换成实际密钥model字段deepseek-chat对应 V3deepseek-reasoner对应 R1messages是对话消息数组stream设为false表示不要流式输出方便看完整返回 JSON。如果返回内容里有choices字段说明接口通了问题确实出在客户端配置如果返回401就是密钥问题返回404或400多半是模型名或接口地址填错了。4.5 成本监控与模型选择API 是按时长和 token 计费的R1 因为推理消耗大单价高于 V3。控制成本的要点就两条默认模型用 V3只有明确需要强推理的任务才临时切 R1定期检查账户用量和余额。硅基流动这类平台通常提供用量明细和余额提醒建议把阈值设低一点比如余额低于 10 元时短信提醒。另外注意客户端里的历史会话会反复携带上下文长会话消耗的 token 远超你想象。我一般超过 20 轮对话就新开一个会话避免上下文越滚越大、费用失控。这个习惯对 V3 和 R1 都适用R1 尤其明显。5. 避坑与排查本地部署和 API 调用最常见的五个坑5.1 ollama 命令提示“不是内部或外部命令”现象Windows 上装完 Ollama打开命令行输入ollama系统提示不是内部或外部命令。原因安装程序没有把 Ollama 的安装路径写进系统 PATH 环境变量或者终端窗口是在安装之前打开的没有重新加载环境变量。解决先关掉所有命令行窗口重新打开多数情况下这一步就解决了。还不行就手动把路径加进去Windows 默认安装目录在C:\Users\你的用户名\AppData\Local\Programs\Ollama在系统环境变量的 PATH 中添加这个路径保存后重开终端。验证方式是执行ollama --version能输出版本号。5.2 拉取模型长时间卡住或失败现象ollama pull执行后进度条长时间不动或者下载到一半报连接错误。原因网络波动、与官方模型源之间的链路不稳定也可能是磁盘空间不足导致写入失败。解决先看本机网络是否正常确定能访问外网再重试一次。错峰到凌晨下载通常成功率更高。磁盘方面预留模型体积两倍的空间我遇到过 14B 模型下载到 90% 因磁盘写满中断清理空间后重新 pull 才解决。5.3 运行大模型直接闪退或 OOM现象执行ollama run deepseek-r1:14b后进程很快退出或者系统弹窗提示内存不足。原因物理内存撑不住模型加载。14B 模型推理需要约 9GB 内存加上系统自身占用16GB 内存的机器已经很紧张。解决先关掉浏览器、IDE 等大内存应用再试还是不行就换 7B 或 1.5B 规格。如果坚持要跑大模型只能加物理内存或考虑用 API 方案。判断内存压力的命令是ollama ps它能显示当前加载的模型。5.4 API 报 401 认证错误现象ChatBox 里配置完密钥发消息报错提示 unauthorized 或 401。原因密钥复制时多带了空格、密钥已被删除或禁用、或者填成了另一个平台的密钥。解决回控制台重新复制密钥粘贴时留意首尾空格确认密钥状态是启用如果同时注册了多个平台核对一下当前客户端选的是哪个服务商。我自己的排查顺序是先用 curl 直接打接口排除客户端因素后再检查密钥本身。5.5 以为切了 R1实际还在用 V3现象客户端里选了 R1但回答复杂逻辑题直接给结论、没有思考过程结果明显不对。原因模型下拉框里选的不是真正的 R1或者服务商平台上模型标识变了旧的模型名已经失效。解决到模型下拉列表重新确认当前选中的项不要相信之前记住的名字。验证方法是用一道需要多步推导的数学题测试R1 的回复里会出现完整的推理分析和逐步计算过程V3 倾向于直接给答案。这个测试最直观比看文档靠谱。6. 装完怎么验证三路并行的跑通检查官方网页版验证最直接注册登录后连问三道题一道事实题、一道带推理的数学题、一道简单的代码题。事实题看回复是否准确数学题看 R1 的思考过程是否完整出现代码题看模型生成的代码能否直接看懂。把同一个逻辑题分别丢给 V3 和 R1如果 R1 的推理过程和最终答案明显优于 V3说明模型切换生效了。Ollama 本地部署的验证按三步走先ollama list确认模型在本地再ollama ps看模型是否成功加载到内存最后直接在ollama run对话里问一道逻辑题。比如问“鸡和兔共 35 个头、94 只脚各有多少只”1.5B 版本可能算得不够稳但能跑通并给出合理分析就说明环境没问题。重点是通过ollama ps确认内存占用正常避免模型没加载就误判。API 方式的验证分两层先 curl 看接口是否返回正常 JSON再回到客户端发一条消息看是否走通。两层都过了说明密钥、模型名、接口地址三者都匹配。验证用的提示词别太简单“你好”只能证明通了证明不了模型在正确工作。我用的是“请计算 23 乘以 47并把计算步骤写出来”——这类指令能逼出模型的推理过程也最容易暴露模型选错的问题。从那以后我每次装完大模型都强制按“模型列表、内存占用、一轮推理对话”三步走一遍确认模型真的在干活而不是白占资源。这个习惯帮我挡掉了至少三次装完才发现版本不对的尴尬。希望这篇能帮你少走点弯路。本文还有配套的精品资源点击获取
简介DeepSeek的相关资料很多但不少用户仍不清楚如何下载、选用模型或做本地部署。这份PDF上手即为零基础用户扫清障碍从DeepSeek V3与R1两款模型讲起既比较了各自的适用任务与成本差异也直接给出了一套“按需选模型”的判断路径普通用户读完后能快速确定自己该用官方入口、本地部署还是API方式。资料集中梳理了三种主流使用方式——官方网页与手机App适合追求完整效果的普通用户Ollama本地蒸馏部署适合重视隐私的技术型用户ChatBox客户端结合API密钥则适合有一定基础、希望在第三方平台灵活接入的开发者。全文实用细节占比较高版本切换、安装命令、密钥配置等都写得很具体还点出了R1模型成本高于V3这类容易被忽略的选型提醒。资源包封装为1个PDF约311KB内容紧凑、目录层级明显适合快速翻查目前已有365人学习对有明确上手需求的AI初学者与开发者都有参考价值。1. DeepSeek使用方法不只网页聊天三套方案先分清 V3 和 R1 再动手DeepSeek 使用方法看着简单真上手还是有不少人卡住——下载入口在哪、V3 和 R1 到底该选哪个、本地部署的命令去哪找。最近帮两拨人搭环境同一个问题反复出现大家默认 DeepSeek 只有网页对话却不知道它同时开放了官方在线、Ollama 本地部署、API 加客户端三条路。这三条路从零门槛到偏开发者安装成本和效果差别不小选错路轻则白折腾半天重则把 34B 模型拉下来直接撑爆内存。这篇按我实际装过的方式把每条路从选型到验证写清楚照着走 10 分钟内至少能跑通一种。先别急着搜教程把 V3 和 R1 的分工搞明白后面每一步都会顺很多。2. 官方网页与手机 APP注册、登录、模型切换一次到位2.1 为什么先推荐官方通道官方在线版本是最省事的一条路模型是完整满血版不需要自己下载几十 GB 文件也不占本地内存效果在所有方案里最接近官方宣传水平。如果你只是日常问答、写点文案、偶尔让模型解释一段代码官方网页版完全够用而且目前免费不需要绑卡也不用预充值。但这条路也有明确的边界所有对话都会经过官方服务器内容是否敏感要自己掂量。对数据安全有顾虑、或者要在内网环境离线使用的后面第 3 章的本地部署才是你的菜。人群上也分得清楚——网页版适合先体验、不想折腾的用户本地部署适合开发者或隐私敏感用户API 接入则适合要把模型集成到现有工具和业务系统里的人。三套方案不冲突我自己的习惯是日常问答用网页测试推理能力的时候切到本地或 API 环境。2.2 网页版注册与首次对话网页版入口是 DeepSeek 官网对话页并没有单独的安装包这个概念浏览器打开即用。首次登录需要用手机号、微信或邮箱注册一个账号国内用户用 86 手机号最方便验证码几秒就到。注册完进入对话主页界面相当简洁中间是输入框下方有模型选择的入口。模型选择这里有一个容易被忽略的点页面会明确区分 DeepSeek V3 和 DeepSeek R1默认停在 V3。日常任务保持 V3 就好它的综合能力覆盖绝大多数场景响应也快遇到逻辑推理题、代码调试、数学证明这类硬任务再手动切到 R1。R1 在回答之前会先显示一段思考过程回复明显更慢这是它的工作方式——用更多计算换推理深度。不要因为慢就怀疑它卡住了那是 R1 在“内部推理”的正常表现。2.3 手机 APP 与多端同步手机端有两种拿法一种是在官网页面里找到“获取手机 APP”入口扫二维码下载另一种是直接在手机应用商店搜索 DeepSeek 下载。两种渠道拿到的客户端功能一致不存在商店版阉割的问题。装完后用同一个账号登录网页端的历史会话在手机上也能看到多端同步不用额外配置。手机端和网页版的体验基本一致模型切换的位置也相同。有一点容易踩手机上输入法有时会吞掉换行粘贴比较长的代码片段时格式会乱。我一般会把代码先粘到备忘录再复制过来或者在输入框里手动补一下换行。另外手机端适合应对碎片化提问真要写长代码、做复杂推理建议还是回到网页端屏幕大一眼能看完整个思考链路。3. Ollama 本地部署从 1.5B 到 34B 的模型选型与安装3.1 本地部署适合谁为什么选 Ollama本地部署的核心价值是数据和推理都在自己的机器上完成对话内容不出电脑不依赖外部服务。适合三类人一是对隐私敏感的公司代码片段、业务数据不敢往外发二是网络环境受限的内网机器访问不了外网服务三是就想离线玩模型的不想让对话记录留在别人服务器上。选 Ollama 而不是直接去 Hugging Face 手动下载模型原因很简单Ollama 把模型管理、下载、运行、API 暴露这几个环节打包成了一两条命令跨平台支持 Windows、macOS 和 Linux还自带一个本地 API 端口后面想接客户端也方便。需要明确的是个人电脑跑不起 671B 的完整版Ollama 上提供的是蒸馏版模型规格从 1.5B 到 70B 不等资源占用低但效果和完整版有差距。这个差距在简单任务上不明显压在复杂推理上就体现出来了。3.2 安装 Ollama 本体Ollama 的安装入口在官网主页的 Download 按钮它会自动识别你的操作系统给出对应的安装包。Windows 端是一个 exe 安装程序双击后一路下一步装完屏幕右下角会出现一个羊驼图标代表 Ollama 服务已经在后台运行。这里有一个高频坑装完后如果直接打开原来的命令行窗口输ollama大概率提示“不是内部或外部命令”必须重新打开一个新的终端窗口让系统重新读取 PATH 环境变量。macOS 端同样从官网下载把应用拖进 Applications 目录就行。Linux 服务器上更简单Ollama 官方提供了一键安装脚本SSH 进去执行即可。无论哪个平台装完后先在终端执行一次版本检查确认命令真的可用再往下走。ollama --version这条命令用来验证 Ollama 是否安装成功。能正常输出版本号说明命令路径没问题如果提示找不到命令先重开终端不行再手动检查环境变量。3.3 选型DeepSeek R1 各规格的内存估算Ollama 上 DeepSeek R1 提供了 1.5B、7B、8B、14B、34B、70B 等多个规格初次尝试强烈建议从最小的 1.5B 起步它的体积约 1.1GB绝大多数电脑都能跑哪怕只有 8GB 内存的老机器也带得动。先把流程跑通再根据机器配置逐级升级比一上来就拉 34B 然后把机器拖到卡死要明智得多。模型规格磁盘占用约推理内存建议适合的机器1.5B1.1GB4GB 以上老电脑、核显本7B4.7GB8GB 以上主流办公机14B9GB16GB 以上16GB 内存主机34B20GB32GB 以上高性能工作站上表是量化版模型的实际占用参考值不同量化位宽会有浮动。内存建议按“模型占用加系统余量”估算不要卡着下限买机器。我自己犯过的错误是在一台 8GB 内存的笔记本上直接拉 14B结果模型加载到一半进程就被系统杀掉了日志里全是 OOM 报错。从那以后我选规格都很保守先小后大跑不动再降。3.4 拉取模型并进入对话选好规格后在 Ollama 模型库里打开 deepseek-r1 对应的页面选定 1.5B 版本页面会自动生成一条 pull 命令复制到终端执行。也可以用下面的命令手动拉取。ollama pull deepseek-r1:1.5bdeepseek-r1是模型名1.5b是版本标签两者用冒号拼接。这条命令会把模型文件下载到本地下载速度取决于网络情况1.5B 通常在 5 分钟内能完成。磁盘空间建议预留模型体积的两倍因为下载和解压过程中会有临时文件。拉取完成后运行模型直接进入交互对话模式ollama run deepseek-r1:1.5b回车后终端会变成对话提示符直接输入中文问题即可。输入/bye退出对话。这个交互模式适合快速验证模型能不能跑但不适合长会话终端里翻历史消息很痛苦。3.5 升级到更大规格与清理旧模型跑通 1.5B 之后如果电脑配置允许下一步一般是升到 14B。操作方式完全一样只是把标签换成更大的规格ollama pull deepseek-r1:14b ollama run deepseek-r1:14b这里有个细节14B 和 1.5B 是两个独立的模型文件同时存在会各占一份磁盘空间。如果确认不再需要小版本用ollama rm删掉释放空间。ollama rm deepseek-r1:1.5b还有一个实用命令是ollama list列出本地已下载的所有模型ollama ps则显示当前已加载到内存的模型排查内存占用时非常有用。每次切模型之前我都会先看一眼ollama list确认要跑的版本确实已经下载完整。3.6 修改模型默认存储位置Windows 系统下 Ollama 默认把模型存在C:\Users\你的用户名\.ollamaC 盘空间紧张的话这是个隐患。解决办法是在安装之前就设置环境变量OLLAMA_MODELS指向其他磁盘setx OLLAMA_MODELS D:\ollama_models设置完环境变量需要重开终端之后再执行 pull模型就会下载到 D 盘指定目录。注意已经下载过的模型文件不会自动迁移要先删除旧文件重新拉取或者手动把.ollama里的 models 目录整个搬过去再改环境变量。最稳的顺序是先设置环境变量、再拉模型从源头避开迁移问题。4. API 客户端接入密钥管理与多客户端调用配置4.1 API 方式的价值与前提API 方式最大的好处是不用在自己电脑上跑模型也不需要强大的硬件只要程序或客户端带上密钥发起请求云端就把推理结果返回给你。它适合两类场景一是要把 DeepSeek 集成到自己的业务系统、聊天机器人、内部工具里二是本地电脑性能太弱跑不动大规格蒸馏版但又想要接近完整版的推理效果。这个方案的前提是有一定计算机基础至少要能分清 API 密钥和登录密码的区别知道密钥泄露意味着什么。原文里提到市面有 ChatBox、Cherry Studio、OneAPI、LobeChat、NextChat 等多种客户端可选我这边用得比较顺的是 ChatBox它的配置界面直观手机上也能装。注意 API 调用是付费服务R1 的单价明显高于 V3后面专门说怎么控成本。4.2 获取 API 密钥以原文提到的国内平台硅基流动为例注册账号后进入控制台找到 API 密钥管理页面创建一个新密钥。创建成功后密钥会完整显示一次务必复制到本地保存刷新页面后密钥原文不再可见丢了只能重新生成。密钥的保存有一个安全习惯不要直接写在代码里更不要提交到 Git 仓库。我见过不止一次有人在项目里硬编码密钥结果代码一传到仓库就被人扒走余额被刷光才后知后觉。正确做法是放进环境变量或单独的配置文件里并加入.gitignore忽略。另外硅基流动和 DeepSeek 官方是两套独立的密钥体系别把第三方平台的密钥拿去 DeepSeek 官网的接口用认证大概率过不了。4.3 ChatBox 客户端配置步骤ChatBox 的安装在应用商店或官网都能完成手机端和桌面端配置逻辑一致。装完后打开设置在模型提供商一栏选择对应的服务商例如硅基流动然后把刚才复制的 API 密钥粘贴进去保存即可。如果用的服务商不在预设列表里也可以选 OpenAI 兼容格式手动填接口地址和模型名。配置完成后在对话界面顶部的模型下拉框里选择 DeepSeek R1 或 V3。这一步要特别注意模型名必须和服务商平台上的标识一致不同平台对 DeepSeek 模型的命名不完全相同有的叫deepseek-chat有的叫deepseek-ai/DeepSeek-R1。最稳的做法是在下拉列表里点选而不是手动输入。手动手滑填错一个字符接口立刻报错而且报错信息不一定友好。配置完先发一句“你好”做连通性测试能正常回复说明密钥和接口都通了。接着再发一个有明确标准答案的数学题确认模型真的在工作。这里有一个判断技巧如果回复内容带有明显的思考过程、逐步推导说明命中的是 R1如果直接给结论大概率还是 V3 在处理。4.4 用 curl 直接验证 API 连通性客户端配置失败的时候先用命令行直接打 API 接口能快速定位问题在客户端还是在密钥。以 DeepSeek 官方 API 为例curl 验证方式如下curl https://api.deepseek.com/chat/completions \ -H Authorization: Bearer sk-你的密钥 \ -H Content-Type: application/json \ -d {model:deepseek-chat,messages:[{role:user,content:你好}],stream:false}参数说明Authorization头里的sk-你的密钥换成实际密钥model字段deepseek-chat对应 V3deepseek-reasoner对应 R1messages是对话消息数组stream设为false表示不要流式输出方便看完整返回 JSON。如果返回内容里有choices字段说明接口通了问题确实出在客户端配置如果返回401就是密钥问题返回404或400多半是模型名或接口地址填错了。4.5 成本监控与模型选择API 是按时长和 token 计费的R1 因为推理消耗大单价高于 V3。控制成本的要点就两条默认模型用 V3只有明确需要强推理的任务才临时切 R1定期检查账户用量和余额。硅基流动这类平台通常提供用量明细和余额提醒建议把阈值设低一点比如余额低于 10 元时短信提醒。另外注意客户端里的历史会话会反复携带上下文长会话消耗的 token 远超你想象。我一般超过 20 轮对话就新开一个会话避免上下文越滚越大、费用失控。这个习惯对 V3 和 R1 都适用R1 尤其明显。5. 避坑与排查本地部署和 API 调用最常见的五个坑5.1 ollama 命令提示“不是内部或外部命令”现象Windows 上装完 Ollama打开命令行输入ollama系统提示不是内部或外部命令。原因安装程序没有把 Ollama 的安装路径写进系统 PATH 环境变量或者终端窗口是在安装之前打开的没有重新加载环境变量。解决先关掉所有命令行窗口重新打开多数情况下这一步就解决了。还不行就手动把路径加进去Windows 默认安装目录在C:\Users\你的用户名\AppData\Local\Programs\Ollama在系统环境变量的 PATH 中添加这个路径保存后重开终端。验证方式是执行ollama --version能输出版本号。5.2 拉取模型长时间卡住或失败现象ollama pull执行后进度条长时间不动或者下载到一半报连接错误。原因网络波动、与官方模型源之间的链路不稳定也可能是磁盘空间不足导致写入失败。解决先看本机网络是否正常确定能访问外网再重试一次。错峰到凌晨下载通常成功率更高。磁盘方面预留模型体积两倍的空间我遇到过 14B 模型下载到 90% 因磁盘写满中断清理空间后重新 pull 才解决。5.3 运行大模型直接闪退或 OOM现象执行ollama run deepseek-r1:14b后进程很快退出或者系统弹窗提示内存不足。原因物理内存撑不住模型加载。14B 模型推理需要约 9GB 内存加上系统自身占用16GB 内存的机器已经很紧张。解决先关掉浏览器、IDE 等大内存应用再试还是不行就换 7B 或 1.5B 规格。如果坚持要跑大模型只能加物理内存或考虑用 API 方案。判断内存压力的命令是ollama ps它能显示当前加载的模型。5.4 API 报 401 认证错误现象ChatBox 里配置完密钥发消息报错提示 unauthorized 或 401。原因密钥复制时多带了空格、密钥已被删除或禁用、或者填成了另一个平台的密钥。解决回控制台重新复制密钥粘贴时留意首尾空格确认密钥状态是启用如果同时注册了多个平台核对一下当前客户端选的是哪个服务商。我自己的排查顺序是先用 curl 直接打接口排除客户端因素后再检查密钥本身。5.5 以为切了 R1实际还在用 V3现象客户端里选了 R1但回答复杂逻辑题直接给结论、没有思考过程结果明显不对。原因模型下拉框里选的不是真正的 R1或者服务商平台上模型标识变了旧的模型名已经失效。解决到模型下拉列表重新确认当前选中的项不要相信之前记住的名字。验证方法是用一道需要多步推导的数学题测试R1 的回复里会出现完整的推理分析和逐步计算过程V3 倾向于直接给答案。这个测试最直观比看文档靠谱。6. 装完怎么验证三路并行的跑通检查官方网页版验证最直接注册登录后连问三道题一道事实题、一道带推理的数学题、一道简单的代码题。事实题看回复是否准确数学题看 R1 的思考过程是否完整出现代码题看模型生成的代码能否直接看懂。把同一个逻辑题分别丢给 V3 和 R1如果 R1 的推理过程和最终答案明显优于 V3说明模型切换生效了。Ollama 本地部署的验证按三步走先ollama list确认模型在本地再ollama ps看模型是否成功加载到内存最后直接在ollama run对话里问一道逻辑题。比如问“鸡和兔共 35 个头、94 只脚各有多少只”1.5B 版本可能算得不够稳但能跑通并给出合理分析就说明环境没问题。重点是通过ollama ps确认内存占用正常避免模型没加载就误判。API 方式的验证分两层先 curl 看接口是否返回正常 JSON再回到客户端发一条消息看是否走通。两层都过了说明密钥、模型名、接口地址三者都匹配。验证用的提示词别太简单“你好”只能证明通了证明不了模型在正确工作。我用的是“请计算 23 乘以 47并把计算步骤写出来”——这类指令能逼出模型的推理过程也最容易暴露模型选错的问题。从那以后我每次装完大模型都强制按“模型列表、内存占用、一轮推理对话”三步走一遍确认模型真的在干活而不是白占资源。这个习惯帮我挡掉了至少三次装完才发现版本不对的尴尬。希望这篇能帮你少走点弯路。本文还有配套的精品资源点击获取
