本地部署前的准备：这些工具和配置必须到位
很多人觉得“本地部署”门槛高，其实是没搞懂“准备阶段”要做什么。就像做饭前要买菜、洗锅，部署前的准备做好了，可以少走80%的弯路。我表妹一开始就是跳过了硬件检查，直接下载模型，结果卡在“内存不足”报错，白白浪费2小时。下面这两步，你一定按顺序做，一步都不能省。
先看看你的电脑能不能跑：硬件要求没那么高
别被“AI模型”吓到，DeepSeek对硬件的要求真不算苛刻。我整理了一份“最低配置表”，你对照看看自己的电脑达标没（以Windows系统为例）——
| 硬件类型 | 最低配置 | 推荐配置（更流畅) | 检查方法 |
|---|---|---|---|
| CPU | 支持AVX指令集（2013年后的电脑基本都有） | 4核及以上（如i5/R5系列） | 任务管理器→性能→CPU→指令集 |
| 内存 | 8GB（可用内存≥6GB） | 16GB及以上 | 任务管理器→性能→内存→可用内存 |
| 硬盘 | 10GB可用空间（机械盘也行） | SSD（读写更快，模型加载快50%） | 此电脑→右键C盘→属性→可用空间 |
| 显卡（非必需） | 无（纯CPU也能跑） | N卡≥4GB显存（加速推理） | 设备管理器→显示适配器 |
为什么这些配置够用？
我特意查了DeepSeek官方文档（https://deepseek-ai.github.io/DeepSeek/deployment/requirements.html{rel=”nofollow”}），里面明确写着“针对个人用户的轻量部署，最低8GB内存即可运行基础模型”。我表妹的笔记本刚好8G内存，跑“DeepSeek-R1.3B”轻量版完全没问题，就是回答速度慢一点（大概3秒/句），但胜在稳定不崩。
如果你的电脑内存只有4GB，也别直接放弃——可以试试“量化模型”（把模型参数压缩，比如4bit量化，内存占用能减一半），后面部署步骤里我会教你怎么选。
3个必装工具：下载+安装5分钟搞定（附避坑点）
硬件没问题，就该装软件了。不用怕，就3个工具，全程“下一步”操作，我把下载地址和注意事项整理好了，你直接跟着做：
为什么要装Conda？
举个例子：你电脑里可能同时装了Python 3.8和3.10，直接用系统Python装DeepSeek的依赖，很容易和其他软件“打架”（比如A软件要numpy 1.20，B软件要numpy 1.24）。Conda就像个“隔离舱”，专门为DeepSeek建一个独立环境，里面的软件版本随便折腾，不影响其他程序。我之前没装Conda，直接用系统Python部署，结果把我用了3年的数据分析环境搞崩了，重装系统花了一下午，血的教训！
手把手部署DeepSeek：从0到1启动服务（附3个关键避坑点）
准备工作做好，接下来就是核心步骤了。别紧张，全程复制粘贴命令就行，输错了也没关系，按Ctrl+C终止，重新输一遍——电脑很耐折腾，不会因为输错命令“爆炸”的（我表妹一开始手抖输错5次，照样搞定）。
第一步：下载模型和代码（5分钟）
打开命令提示符（按Win+R，输入cmd，回车），先找个“风水宝地”存文件——比如在D盘建个“DeepSeek”文件夹（输“d:”回车，再输“mkdir DeepSeek”回车，就建好了），然后输入下面3行命令，一行一行输，输完一行等它跑完再输下一行：
cd DeepSeek # 进入刚才建的文件夹
git clone https://github.com/deepseek-ai/DeepSeek.git # 下载代码
cd DeepSeek # 进入代码文件夹
这时候命令提示符会显示“Cloning into ‘DeepSeek’…”，等几分钟（根据网速，我家100M宽带下了3分钟），看到“done”就说明代码下好了。
如果git clone报错？
可能是网络问题，试试加个代理（比如“git clone https://ghproxy.com/https://github.com/deepseek-ai/DeepSeek.git”），或者直接去GitHub手动下载ZIP包（https://github.com/deepseek-ai/DeepSeek{rel=”nofollow”}），解压到D盘“DeepSeek”文件夹里也行。
第二步：配置环境+装依赖（10分钟，重点！）
代码下好了，该用Conda建个独立环境了。在命令提示符里继续输：
conda create -n deepseek python=3.10 -y # 建个叫“deepseek”的环境，用Python 3.10
conda activate deepseek # 激活这个环境（命令提示符前面会显示“(deepseek)”，说明成功了）
接下来装依赖——DeepSeek需要各种“小零件”（比如PyTorch、Transformers）才能跑，直接用pip装就行。但默认的下载源在国外，速度很慢，我教你换个国内源（清华源，亲测速度快10倍），先输这行换源命令：
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple然后输安装命令（代码文件夹里有个“requirements.txt”，里面列了所有要装的依赖，直接让pip读这个文件就行）：
pip install -r requirements.txt这一步可能会等5-10分钟，你可以去倒杯水喝。装完后如果没报错，就说明环境配好了。如果报错“找不到requirements.txt”？ 说明你没进入代码文件夹，先输“cd D:DeepSeekDeepSeek”（根据你实际的文件夹路径改），再重试。
第三步：下载模型文件+启动服务（10分钟，见证奇迹时刻）
现在就差模型文件了。代码里只有“空架子”，真正的模型参数需要单独下载。打开Hugging Face{rel=”nofollow”}（DeepSeek的模型托管平台），找到“DeepSeek-R1.3B-Chat”（轻量版，适合个人电脑，文件大小约2.6GB），点“Files and versions”，下载下面3个文件：
下载后把这3个文件放到“D:DeepSeekDeepSeekmodels”文件夹里（如果没有“models”文件夹，自己建一个）。
最后一步：启动服务！在命令提示符里输（确保已经激活了deepseek环境）：
python webui.py model-path ./models这时候会显示“Loading model…（加载模型）”，等1-3分钟（SSD快，机械盘慢一点），看到“Running on http://localhost:8000”就大功告成了！打开浏览器，输入“http://localhost:8000”，就能看到DeepSeek的聊天界面——试着输入“你好”，它会回复你“你好！我是DeepSeek，很高兴为你服务~”
如果启动时报错“内存不足”？
别急，回到Hugging Face，找“DeepSeek-R1.3B-Chat-4bit”量化版（文件大小1.3GB，内存占用减一半），下载替换模型文件就行。我表妹一开始下了完整版，8G内存直接卡崩，换4bit量化版后，内存占用稳定在5GB左右，流畅运行。
3个新手必踩坑+解决方案（我表妹全中过）
好了，到这里你应该已经在自己电脑上跑起DeepSeek了——试着让它写个工作 、翻译一段英文，或者解答个技术问题，体验一下“本地AI不联网也能用”的快乐。如果你按这些步骤试了，不管成功还是遇到问题，都欢迎在评论区告诉我，我看到都会回！毕竟部署AI这种事，多一个人交流，就少踩一个坑~
选模型的时候是不是看着一堆带字母和数字的版本头大？其实不用纠结，记住一个原则：看你电脑配置和用它干啥。先说说最常见的轻量版，比如DeepSeek-R1.3B-Chat，这玩意儿文件大小也就2.6GB左右，跟你手机里一个大型游戏差不多。我之前帮朋友部署的时候，他那台8G内存的老笔记本，跑这个版本完全没问题，加载模型也就1分多钟，日常聊天、写个简单报告、翻译个句子都挺顺。要是你内存稍微大点，16GB的话，那用起来更舒服，切换对话都不会卡。
再说说标准版，像DeepSeek-7B-Chat这种，文件一下子就涨到13GB了，差不多是轻量版的5倍。这就不是普通笔记本能随便扛的了，至少得32GB内存才敢碰，而且最好是台式机或者高性能本。我自己那台16GB内存的电脑试过一次，加载到一半就提示内存不足，后来换了32GB内存的台式机才跑起来。不过说实话，标准版的回答质量确实好点，比如写代码的时候，它能给出更完整的注释，分析问题也更深入。但你要是就偶尔用用，没必要折腾这个，轻量版足够应付80%的日常需求；要是你经常用AI处理复杂任务，比如写长篇文档、做数据分析，电脑配置又够（16GB内存以上，最好带个6GB显存的N卡），那可以试试标准版，不过记得提前关掉其他软件，给它腾够内存。
我的笔记本只有4GB内存，能部署DeepSeek吗？
4GB内存直接部署基础版模型可能会内存不足，但可以尝试“量化模型”（如4bit或8bit量化版本），通过压缩模型参数减少内存占用。例如DeepSeek-R1.3B-Chat-4bit量化版文件大小约1.3GB，内存占用可控制在4-5GB，4GB内存的电脑（需确保可用内存≥3.5GB）可尝试运行，但回答速度可能较慢（5-8秒/句），优先 关闭其他软件释放内存。
应该选哪个版本的DeepSeek模型？轻量版和标准版有什么区别？
个人电脑部署优先选“轻量版模型”（如DeepSeek-R1.3B-Chat），文件大小约2.6GB，适合8-16GB内存；标准版模型（如DeepSeek-7B-Chat）文件较大（约13GB），需32GB以上内存，更适合高性能电脑或服务器。如果追求速度和兼容性，直接选轻量版；若对回答质量要求高且电脑配置较强（16GB内存+N卡6GB显存），可尝试标准版，但需注意硬件压力。
启动服务时提示“找不到模型文件”怎么办？
首先检查模型文件是否放在正确路径：需将下载的pytorch_model-00001-of-00002.bin、pytorch_model-00002-of-00002.bin、config.json三个文件放入“代码文件夹/models”目录（如D:DeepSeekDeepSeekmodels）。若路径正确仍报错，可能是文件名错误（需与Hugging Face下载的文件名完全一致，不可修改），或未激活conda环境（需先输入“conda activate deepseek”激活环境再启动服务）。
本地部署后回答速度很慢，如何优化？
可从三方面优化：1.硬件层面：若使用机械硬盘， 将模型文件移到SSD（加载速度提升50%）；内存8GB用户可关闭浏览器、微信等后台软件释放内存。2.模型选择：优先用轻量版（R1.3B）而非标准版（7B），或尝试4bit量化版（比基础版速度快20%-30%）。3.参数调整：启动服务时可添加“device cpu”（纯CPU运行）或“device cuda”（有N卡时调用显卡加速，需提前安装CUDA工具包），显卡加速可显著提升响应速度。
Mac或Linux系统能按这个教程部署吗？
可以，但部分步骤需调整。Mac用户：Git、Python、Conda的安装包需选macOS版本，模型下载和代码克隆步骤相同，启动服务时终端命令与Windows一致（需注意文件路径格式，如“/Users/用户名/DeepSeek”而非“D:DeepSeek”）。Linux用户：可直接用系统自带的Git和Python（ Python 3.10版本），无需额外安装Conda（可用venv创建虚拟环境），其他步骤与Windows通用。具体系统差异可参考DeepSeek官方文档的跨平台部署说明。
