人工智慧繼續改變我們的世界，使用高階語言模型的選擇正在突飛猛進。然而，並不是每個人都需要連接到雲端服務或依賴第三方來探索這些技術。一個有趣且易於使用的替代方案是 DeepSeek-R1，一種人工智慧模型，允許用戶在普通電腦上本地運行它。在本文中，我將解釋如何安裝 DeepSeek 並充分利用其功能。
DeepSeek-R1 是 開源人工智慧模型 它以其效率和先進的推理能力而脫穎而出。透過在本地運行，您不僅可以節省經常性成本，還可以保護您的隱私並獲得將其整合到自訂專案中的靈活性。儘管某些型號需要強大的硬件，但 DeepSeek-R1 提供了針對不同資源（從基本電腦到高級工作站）進行調整的版本。
什麼是 DeepSeek 以及為什麼在本地使用它？
DeepSeek-R1 是 專為邏輯推理等複雜任務而設計的高階語言模型，解決數學問題並產生程式碼。它的主要優點是它是開源的，這意味著您可以在自己的電腦上安裝並運行它，而不需要依賴外部伺服器。
它的一些顯著特徵包括：
- 靈活性： 您可以根據您的需求調整模型，從輕型版本到進階配置。
- 隱私： 所有處理均在本地完成，避免了敏感資料外洩的擔憂。這也許是最重要的一點，因為許多人關心公司可以利用我們的數據做什麼。
- 節省： 您無需在訂閱或雲端服務上花錢，這使其成為開發人員和企業負擔得起的選擇。
安裝要求
在開始安裝之前，請確保遵守以下要求 要求:
- 具有 Linux、macOS 或 Windows 作業系統的電腦（在後一種情況下支援 WSL2）。
- 最少 8 GB的RAM，雖然建議至少 GB 16 以獲得最佳性能。
- 最初訪問互聯網下載模型。
- 終端機或命令列的基本知識。
另外， 你需要安裝一個名為 奧拉馬，它在本地管理和運行 DeepSeek 模型。
奧拉馬安裝
奧拉馬 是一個簡單的解決方案，可讓您下載並執行語言模型，例如 DeepSeek-R1。要安裝它，請按照下列步驟操作：
- 在 Linux 或 macOS 上，打開終端機並執行以下命令來安裝 Ollama - 軟體包 捲曲 顯然這是必要的──：
捲曲-fsSL https://ollama.com/install.sh |噓
- 在 Windows 系統上，請確保預先啟用 WSL2，然後在 Ubuntu 終端機中依照在 WSL 中設定的相同步驟進行操作。
- 透過運行驗證 Ollama 是否已正確安裝
ollama --version。如果該命令返回版本號，則您已準備好繼續前進。
DeepSeek-R1 下載
安裝並運行 Ollama (ollama serve 如果我們稍後解釋的下載失敗，請在終端中下載），現在您可以下載最適合您的需求和硬體的 DeepSeek 模型：
- 1.5B參數： 非常適合基本計算機。該模型約佔 GB 1.1.
- 7B參數： 推薦用於具有 圖形處理器 中高。這大約佔據 GB 4.7.
- 70B參數： 對於設備上的複雜任務 大容量 記憶體和強大的 GPU。
若要下載標準 7B 模型，請在終端機中執行以下命令：
Olama Run Deepseek-R1
下載時間將取決於您的網路速度，並且僅在我們第一次運行聊天機器人時才需要。完成後，該模型就可以透過命令列或圖形介面使用。
透過圖形介面使用 DeepSeek
儘管您可以直接從終端與 DeepSeek 交互，但許多用戶為了方便起見更喜歡圖形介面。在這種情況下，您可以安裝 聊天盒子AI，一個免費的應用程序，可讓您利用 DeepSeek 視覺形式.
- 下載並安裝 聊天盒子AI 從 它的官方頁面.
- 設定要使用的應用程式 奧拉馬 作為模範供應商：
在 ChatBoxAI 設定中，選擇“使用我自己的 API”，然後選擇您先前下載的 DeepSeek 模型。如果一切配置正確，您將能夠直接從圖形介面執行查詢和任務。
DeepSeek 整合到專案中
如果您是開發人員，您可以使用 DeepSeek 將其整合到您的專案中 API 相容於 OpenAI。這是一個簡單的例子，使用 蟒蛇:
導入openai 用戶端= openai.Client(base_url="http://localhost:11434/v1", api_key="ollama") 回應= client.chat.completions.create(model="deepseek-r1", messages=[ { "role": "user", "content": "在Python中產生計算斐波那契的程式碼"}])
該腳本將向本機 DeepSeek 模型發送查詢，並在您的終端或應用程式中傳回結果。
DeepSeek-R1 AI 模型對於那些尋求幫助的人來說是一個絕佳的選擇 先進且經濟的解決方案。憑藉 Ollama 提供的易用性、模型的靈活性以及整合到自訂專案的能力，DeepSeek 為開發人員、學生和 AI 專家開闢了新的可能性。由於其對隱私和性能的關注，它是一個值得徹底探索的工具。