一、核心技术解析
1.1 模型核心：DeepSeek-R1-Distill-Qwen-1.5B 优势解析
DQ-1.5B 是 DeepSeek 团队基于 Qwen-1.5B 底座，通过知识蒸馏技术优化而来的轻量级大模型，核心优势聚焦'轻量化 + 高性能'，完美适配小算力场景：
- 参数与性能平衡：仅 15 亿参数（1.5B），通过 80 万条 DeepSeek-R1 推理链数据精细化蒸馏，在 MATH 数据集得分超 80，HumanEval 代码生成通过率超 50%，性能接近 7B 级模型，远超同参数规模常规模型。
- 显存优化极致：原生 FP16 精度下仅需 3GB 显存，经 GGUF Q4_K_M 量化后，模型体积压缩至 0.8GB，显存峰值占用可控制在 2.2GB 以内，适配 4GB 及以上显存的消费级 GPU、边缘设备，甚至可在轻量化硬件上稳定运行。
- 兼容性极强：支持 Hugging Face 生态，适配 vLLM、llama.cpp 等主流推理框架，支持多精度量化（FP16、INT8、INT4），可灵活适配不同算力场景，无需额外修改模型结构。
1.2 推理引擎：vLLM 为什么能实现'低显存高速度'？
vLLM 是当前最主流的高效推理框架，核心优势是'显存利用率最大化'，完美解决小算力场景下的推理瓶颈。核心原理聚焦两点：
- PagedAttention 分页机制：借鉴操作系统分页管理思想，将模型 KV 缓存分页存储，仅加载当前计算所需的缓存页，避免传统注意力机制中 KV 缓存全量驻留显存的浪费，显存利用率提升 3 倍以上，可大幅降低显存占用。
- 高效推理优化：支持连续批处理、预编译内核优化，批量推理吞吐量比 Hugging Face Transformers 高 3-5 倍，即便在量化模型上，性能损失也可控制在 8% 以内，兼顾低显存与高速度，适配 DQ-1.5B 的轻量化需求。
1.3 交互界面：Open WebUI 优势（可视化、易操作）
Open WebUI（原 Ollama WebUI）是一款开源可视化交互界面，核心价值是'降低部署门槛'，无需命令行操作，非技术人员也可轻松使用：
- 类 ChatGPT 交互体验：界面简洁直观，支持会话历史保存、对话导出、深色模式，可自定义对话参数（温度、最大生成长度等），贴合日常使用习惯。
- 无缝适配 vLLM：支持 OpenAI 兼容 API，可直接对接 vLLM 推理服务，无需额外开发接口，部署完成后即可通过浏览器访问，支持多用户协同、函数调用、Agent 插件扩展，灵活适配个人与小型团队场景。
- 轻量化易部署：支持 Docker 容器化部署，体积小、启动快，可与 vLLM 联动部署，无需复杂配置，适配本地 PC、边缘设备等多种部署环境，大幅降低运维成本。
1.4 整体部署架构
核心逻辑：本地/边缘设备 → 模型量化（GGUF Q4_K_M） → vLLM 部署推理服务（提供 API） → Open WebUI 对接 API → 浏览器可视化交互，整体架构轻量化、可复现，无需复杂组件，部署链路清晰：
用户浏览器 ↔ Open WebUI（可视化界面） ↔ vLLM API Server（推理引擎） ↔ DeepSeek-R1-Distill-Qwen-1.5B（量化模型）
二、部署前置准备
本节聚焦'实测可用'，所有配置均经过最新硬件/软件环境验证，明确最低配置与推荐配置，避免开发者因环境不兼容踩坑。
2.1 硬件配置（核心看显存）
以下配置均可稳定运行，重点区分'最低配置'与'推荐配置'，覆盖个人 PC、边缘设备场景：
| 配置级别 | GPU | 显存 | CPU | 内存 | 适用场景 |
|---|---|---|---|---|---|
| 最低配置（实测可用） | NVIDIA MX450 / AMD Radeon 5500M（支持 CUDA/ROCm） |
