介绍如何在本地环境使用 Ollama 和 Chatbox 部署 Deepseek-r1 大语言模型。涵盖硬件要求、Ollama 安装、模型拉取、图形界面配置、参数优化及常见问题处理。通过命令行与 GUI 结合的方式，实现在离线状态下进行 AI 对话与推理，保障数据隐私并降低使用成本。
随着大语言模型（LLM）技术的快速发展，Deepseek-r1 作为国产优秀的推理模型，其能力已对标国际主流水平。将模型部署到本地环境，不仅能保障数据隐私，还能实现完全离线的 AI 交互体验。本文详细介绍如何使用 Ollama 和 Chatbox 在本地完成 Deepseek-r1 的部署、配置及日常使用。
本地运行大模型对硬件有一定要求，尤其是显存（VRAM）。
Ollama 是运行本地模型的核心后端服务。
访问 Ollama 官网下载对应操作系统的安装包。安装过程中无需复杂配置，默认会自动启动后台服务。
打开命令行终端（Windows PowerShell / CMD, macOS Terminal, Linux Bash），输入以下命令检查版本：
ollama --version
若显示版本号，说明安装成功。此时后台服务应已在运行。
Deepseek-r1 提供多种参数量级，根据硬件资源选择：
本教程以 7B 版本为例，平衡性能与兼容性。
在命令行中执行以下指令拉取模型：
ollama run deepseek-r1:7b
首次运行会自动从网络下载模型权重文件。若下载中断，可再次执行相同命令继续下载。
模型加载完成后，即可直接在终端进行对话。例如：
>>> 你好
你好！很高兴见到你，有什么我可以帮忙的吗？
>>> 普通人在 AGI 到来之前，需要如何保持自己在社会中的竞争力以及如何制定学习计划。
面对人工智能技术尤其是通用人工智能（AGI）的到来，普通人需要从技术能力、软技能、职业规划等多个方面入手...（此处省略详细回答内容）...
虽然命令行可用，但图形界面更适合日常交互。Chatbox 支持连接本地 Ollama 服务。
搜索 "Chatbox" 获取官方客户端，根据系统架构下载安装包。安装后启动程序。
http://localhost:11434。deepseek-r1:7b。若遇到显存不足（OOM）错误，可尝试以下方法：
Ollama 服务通常随系统启动。如需手动控制：
ollama serveollama stopps -ef | grep ollama (Linux/macOS)本地部署的最大优势在于数据不出本地。所有对话记录仅保存在用户设备中，不会上传至云端服务器。建议定期清理本地缓存，避免敏感信息残留。
通过上述步骤，我们成功在本地环境中部署了 Deepseek-r1 模型，并利用 Chatbox 实现了便捷的图形化交互。这种方式不仅降低了使用门槛，还确保了数据的安全性与隐私性。对于开发者、研究人员以及注重隐私的个人用户而言，本地部署大模型是迈向 AI 自由的重要一步。未来，随着硬件算力的提升和模型压缩技术的发展，本地运行更大规模模型将成为常态。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML转Markdown在线工具，online