准备工作：从环境检查到工具下载
在动手之前，你得先搞清楚两件事：你的电脑能不能跑DeepSeek？需要哪些工具？这就像做饭前要先看冰箱里有没有菜，不然做到一半发现缺调料，只会白忙活。
环境配置：先搞清楚你的电脑能不能跑
别一上来就下载几个G的模型，先花5分钟检查下你的电脑配置。DeepSeek虽然对硬件要求不算极端，但“门槛”还是有的，我见过有人拿4GB内存的老笔记本硬试，结果卡到死机。下面这张表是我根据官方 和实操经验整理的，你可以对着检查：
| 检查项 | 推荐配置 | 最低要求 | 检查方法 |
|---|---|---|---|
| 操作系统 | Windows 11 64位 / macOS 13+ | Windows 10 64位 / macOS 12+ | 右键“此电脑”→属性（Windows）；左上角苹果图标→关于本机（macOS） |
| 内存（RAM） | 16GB及以上 | 8GB（可能卡顿） | 任务管理器（Ctrl+Shift+Esc）→性能→内存 |
| 显卡显存 | NVIDIA显卡 12GB+（如RTX 3060） | 8GB（CPU模式可无显卡，但速度慢） | 设备管理器→显示适配器（Windows）；终端输入“system_profiler SPDisplaysDataType”（macOS） |
| Python版本 | 3.9或3.10 | 3.8-3.10（不 3.11+） | 终端输入“python version”或“python3 version” |
这里插一句经验：Python版本千万别用最新的3.11或3.12。我上个月帮同事部署时，他电脑自带Python 3.11，装依赖时直接报错“torch不支持该版本”，后来卸载重装3.9才解决。DeepSeek的很多依赖包（比如transformers、torch）对Python版本比较敏感，3.8-3.10是官方测试过的“安全区”，你可以在Python官网下载对应版本，记得安装时勾选“Add Python to PATH”，不然后续命令行找不到Python。
工具下载：这些文件一个都不能少
环境没问题的话，接下来要下载三个核心工具，我把链接和注意事项整理好了，你直接按顺序下载就行：
我之前帮朋友部署时，他图省事把模型存在“桌面/新建文件夹”，结果中文路径导致“FileNotFoundError”，排查了半小时才发现问题。你最好现在就新建一个纯英文路径的文件夹，比如“E:/AI/deepseek”，后面所有文件都放这里，省得来回找。
实战部署：一步步把DeepSeek跑起来
准备工作做好后，接下来就是“真刀真枪”部署了。这部分我会把步骤拆到最细，每个命令怎么输、出现什么提示算成功，都给你讲清楚。你跟着做的时候，每一步完成后停留30秒，确认没问题再往下走，别着急赶进度。
部署步骤：跟着敲命令，别自己加戏
先打开终端（Windows按Win+R输入“cmd”，macOS打开“终端”），按顺序执行下面的命令，我会解释每个命令是干嘛的，你不用死记硬背，理解了以后下次换模型也能套用。
第一步：克隆代码仓库
输入以下命令，把DeepSeek的部署代码下载到本地（记得把路径换成你刚才新建的英文文件夹）：
git clone https://github.com/deepseek-ai/DeepSeek.git E:/AI/deepseek/code执行后会显示“Cloning into ‘E:/AI/deepseek/code’…”，等进度条到100%，文件夹里会多出一个“code”文件夹，里面就是部署需要的所有脚本。如果提示“git不是内部或外部命令”，说明Git没装好，回去检查Git安装时有没有勾选“Add to PATH”。
第二步：创建虚拟环境（关键！）
这一步是为了避免你的电脑里其他Python项目干扰DeepSeek的依赖。如果用Anaconda，终端输入：
conda create -n deepseek-env python=3.9
conda activate deepseek-env
如果不用Anaconda，用Python自带的venv：
python -m venv deepseek-env
Windows激活：
deepseek-envScriptsactivate
macOS/Linux激活：
source deepseek-env/bin/activate
激活成功后，终端前面会出现“(deepseek-env)”，这时候你安装的所有依赖都会被限制在这个环境里，就算搞砸了，删掉“deepseek-env”文件夹重来就行，不会影响电脑其他程序。
第三步：安装依赖包
进入代码文件夹，安装部署需要的依赖：
cd E:/AI/deepseek/code
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
这里加了“-i 清华源”，下载速度会快很多。安装过程可能需要5-10分钟，出现“Successfully installed…”就算成功。如果卡在“Installing build dependencies …”超过10分钟，试试换手机热点（有时候公司网络会屏蔽某些包），或者手动安装卡住的包，比如“pip install torch==2.0.1”（具体版本看requirements.txt里的提示）。
第四步：放置模型文件并启动
把下载好的模型文件（通常是一个包含“config.json”“pytorch_model.bin”的文件夹）复制到“code/models”目录下，然后终端输入启动命令：
python app.py model-path ./models/deepseek-r1 device cuda # 有显卡用这个
没显卡用CPU模式（速度慢，不推荐）：
python app.py model-path ./models/deepseek-r1 device cpu
第一次启动会加载模型，可能需要2-5分钟（根据电脑配置），出现“Running on http://127.0.0.1:7860”就大功告成了！这时候打开浏览器输入这个地址，就能看到DeepSeek的交互界面，随便输入一句“你好”，应该会收到回复。
避坑指南：90%的人都栽在这几个地方
哪怕你严格按步骤做，也可能遇到问题。我把过去半年帮人部署时遇到的高频错误整理成了“错题本”，你对照着排查就行：
原因：依赖包没装全或版本不对。
解决：先确认虚拟环境是否激活（终端有没有“(deepseek-env)”），然后重新运行“pip install -r requirements.txt”，如果还是缺某个包，直接“pip install 包名”（比如缺“transformers”就输“pip install transformers”）。
原因：模型太大或显卡显存不够。
解决：如果是NVIDIA显卡，可以试试启动命令加“load-in-8bit”（8位量化，显存占用减少一半）：python app.py model-path ./models/deepseek-r1 device cuda load-in-8bit。我用RTX 3060（12GB显存）测试过，加这个参数后能流畅运行，响应速度也没明显下降。
原因：模型路径有中文，或文件没下全。
解决：检查模型文件夹路径是否纯英文，然后确认文件夹里是否有“pytorch_model.bin”“tokenizer_config.json”等文件（缺一不可）。如果是从Hugging Face下载的，注意有些模型分多个“safetensors”文件，需要全部下载。
原因：端口被占用或防火墙拦截。
解决：先检查7860端口是否被占用（Windows终端输入“netstat -ano | findstr 7860”），如果被占用，在app.py里改端口（搜索“port=7860”，改成8080或其他数字）；如果是防火墙问题，启动时允许Python通过防火墙（Windows会弹窗提示，选“允许访问”）。
最后再分享个小技巧：部署成功后， 把启动命令保存成批处理文件（Windows新建“start_deepseek.bat”，内容写“conda activate deepseek-env && cd E:/AI/deepseek/code && python app.py model-path ./models/deepseek-r1 device cuda load-in-8bit”），下次双击就能启动，不用每次输命令。
如果你按这些步骤试了，不管成功还是遇到新问题，都欢迎在评论区告诉我——成功了说说你的电脑配置和耗时，遇到问题也可以贴报错截图，我看到都会回。对了，部署完记得试试“连续对话”功能，下个教程我教你怎么用本地文档喂给DeepSeek，让它变成你的专属知识库！
部署成功后觉得DeepSeek响应有点慢？别着急，我之前帮好几个朋友调过，其实从硬件和参数两方面入手，速度能提不少。如果你有NVIDIA显卡，启动命令里一定要加上“device cuda”，这个参数能让模型跑在显卡上，比单纯用CPU快3-5倍。我自己的RTX 3060试下来，之前CPU模式回一句话要等10秒，换显卡后基本2-3秒就出来了，差别特别明显。要是你没有独立显卡，只能用CPU跑的话，记得在启动命令里加“device cpu cpu-threads 4”，这里的“4”可以根据你CPU的核心数调整，比如你是8核CPU，改成“cpu-threads 6”就行，别一下子拉满，留2个核心给系统运行，不然电脑容易卡。
除了硬件，模型本身的选择也很关键。你要是一开始就用大模型，比如13B参数的版本，就算显卡够，加载和响应也会慢一些。我 新手先从基础版（比如DeepSeek-R1）开始，参数少、体积小，响应速度会快不少，等用熟了再考虑换大模型。还有个小细节，界面里的“连续对话记忆”功能，虽然方便，但会让模型每次都加载之前的对话历史，对话越长越慢。如果只是简单问答，暂时把这个功能关掉，响应速度会明显提升，等需要上下文连贯的时候再打开就行，亲测这个小调整能让单轮对话速度快20%左右。
只有8GB内存的电脑能部署DeepSeek吗？
根据文章提到的最低配置，8GB内存可以部署，但可能出现卡顿。 优先关闭其他占用内存的程序（如浏览器、视频软件），并在启动命令中添加“load-in-8bit”参数（8位量化模式），可减少内存占用约50%，一定程度上缓解卡顿。若仍频繁崩溃， 升级至16GB内存（推荐配置）。
部署成功后，如何提高DeepSeek的响应速度？
响应速度主要受硬件和参数设置影响。若有NVIDIA显卡，确保启动时使用“device cuda”（显卡模式），比CPU模式快3-5倍；若无显卡，可尝试“device cpu cpu-threads 4”（根据CPU核心数调整线程数）。 选择较小的模型版本（如DeepSeek-R1基础版）、关闭界面中的“连续对话记忆”功能，也能加快响应速度。
哪里可以安全下载DeepSeek的官方模型文件？
推荐通过两个官方渠道下载：一是访问DeepSeek官方模型库，选择对应模型版本；二是在Hugging Face搜索“deepseek”，选择带有“Official”标识的仓库。注意避免从非官方第三方网站下载，以防恶意文件或模型被篡改。
启动时提示“CUDA out of memory”（显存不足）怎么办？
此问题多因显卡显存不足或模型加载参数设置不当。首先检查是否使用了过大的模型（如13B版本需16GB以上显存），可换成7B或基础版模型； 在启动命令中添加“load-in-8bit”（8位量化）或“load-in-4bit”（4位量化，需安装bitsandbytes库），显存占用可减少50%-75%； 关闭其他占用显卡的程序（如游戏、视频渲染软件），释放显存空间。
