Windows/Mac用Ollama一键本地部署DeepSeek教程

每次看到网上那些需要配置Python环境、安装CUDA驱动、还要手动下载几十GB权重文件的AI部署教程，是不是头都大了？其实对于只想在本地跑个DeepSeek聊聊天、写写代码的用户来说，完全不需要这么折腾。

现在最省心的方案就是Ollama。它就像是一个AI模型的“应用商店”，把复杂的底层依赖都打包好了。你只需要点几下鼠标或敲一行命令，就能让DeepSeek在你的电脑里跑起来，而且完全离线，隐私安全更有保障。

1. 下载安装Ollama客户端

不管你是Windows还是Mac用户，第一步都是去Ollama官网下载对应的安装包。这是整个过程中唯一需要打开浏览器的步骤。

对于Mac用户，直接下载pkg安装包，双击运行后按照提示点击“继续”即可。Ollama对Apple Silicon芯片（M1/M2/M3）优化得很好，安装过程非常丝滑。

Ollama官网提供Windows、macOS和Linux版本的安装包下载

Windows用户同样下载exe安装包。安装时注意看一眼安装路径，默认通常在C盘，如果你的系统盘空间紧张，可以在安装初期留意是否有更改路径的选项，或者确保C盘至少有10GB以上的剩余空间用于后续缓存模型。

安装完成后，Windows用户会在任务栏右下角看到一个羊驼图标，Mac用户则在菜单栏顶部能看到它。这意味着Ollama后台服务已经启动，随时待命。

2. 一键拉取DeepSeek模型

接下来是核心步骤：获取DeepSeek模型。Ollama支持多种尺寸的DeepSeek模型，对于大多数个人电脑，推荐从7B或8B版本开始尝试，它们在性能和速度之间取得了很好的平衡。

打开你的终端工具。Mac用户直接搜索并打开“终端”（Terminal），Windows用户推荐使用PowerShell或者CMD，当然如果你安装了Git Bash也可以。

在命令行中输入以下指令并回车：

ollama run deepseek-r1:7b

在终端输入命令后，系统自动开始下载模型文件

如果是第一次运行，系统会自动检查本地是否有该模型。如果没有，它会开始从服务器下载。这时候你会看到进度条在走，速度取决于你的网络状况。7B版本的模型大小通常在4GB-5GB左右，宽带环境下几分钟就能搞定。

这里有个小细节：deepseek-r1是DeepSeek的最新推理系列模型，逻辑能力更强。如果你想要更轻量的体验，也可以尝试deepseek-coder:6.7b，专门针对代码生成优化。

3. 调整显存与性能设置

模型下载完成后，Ollama会自动加载并进入对话界面。但有时候你会发现回复速度有点慢，或者风扇狂转。这通常是因为模型占用了过多的系统资源。

Ollama默认会根据你的硬件自动分配显存（GPU）或内存（CPU）。如果你使用的是配备独立显卡的Windows电脑，确保NVIDIA驱动已更新，Ollama通常能自动识别并调用GPU加速。

使用ollama list命令查看本地已安装的模型

对于Mac用户，统一内存架构让一切变得简单，但如果同时开着Chrome几十个标签页，可能会感到卡顿。此时可以在命令行中按Ctrl+C退出当前对话，然后通过设置环境变量来限制并发数，或者干脆关闭一些后台应用释放内存。

如果想查看当前正在运行的模型状态，可以新开一个终端窗口，输入：

ollama list

这会列出你本地已下载的所有模型及其大小，方便你管理存储空间。

4. 基础对话与测试

现在，你可以直接在终端里和DeepSeek聊天了。界面虽然朴素，只有黑白文字，但响应速度非常快。

试着问它一个具体问题，比如：“请用Python写一个冒泡排序算法，并添加注释。” 或者 “帮我润色这段邮件，语气要专业且客气。”

在原生终端界面中直接向DeepSeek提问并获得回复

你会看到文字逐个蹦出，这就是典型的流式输出。如果中途想停止生成，直接按Ctrl+C即可。如果想结束当前会话并返回命令行，输入/bye或者直接关闭终端窗口。

需要注意的是，终端界面的交互功能比较基础，不支持图片上传或多轮上下文的可视化管理。如果你希望有更友好的聊天界面，可以考虑搭配Open WebUI等前端工具，但那属于进阶玩法，对于初次体验本地部署来说，原生的终端交互已经足够验证模型能力。

5. 常见问题与清理

使用过程中，你可能会遇到下载中断的情况。别担心，Ollama支持断点续传。只要网络恢复，重新运行同样的ollama run命令，它会接着上次的位置继续下载，不会从头开始。

如果你想删除某个模型以释放空间，可以使用以下命令：

ollama rm deepseek-r1:7b

通过简单命令即可移除不再需要的模型以释放空间

最后提醒一点，本地部署虽然隐私性好，但模型的能力受限于其参数量和本地硬件。7B或8B模型在处理极其复杂的逻辑推理或长文本时，可能不如云端超大模型那样完美，但在日常辅助写作、代码补全和简单问答上，表现已经相当惊艳。

现在，你的电脑里已经住进了一个随叫随到的AI助手，没有月费，没有联网焦虑，随时随地都能开工。