如何在本地運行 DeepSeek：AI 愛好者必備的完整設定指南

人工智慧（AI）正在迅速發展，像 DeepSeek 這樣的模型已廣泛應用於文本生成、程式編寫輔助及研究。本機運行 DeepSeek 具有多種優勢，包括隱私保護、更低延遲以及對 AI 模型的完全控制。

然而，在本機安裝和運行 DeepSeek AI 需要一定的技術設置。本指南提供逐步方法，指導您如何使用 Ollama 這款專為本機硬體高效運行 AI 模型而設計的工具，在您的電腦上安裝 DeepSeek。

第一部分：本機運行 DeepSeek 的系統需求

在安裝 DeepSeek 之前，請確保您的系統符合最低的硬體與軟體要求。

最低硬體需求：

CPU： 多核心處理器（Intel i5/Ryzen 5 或更高）。

RAM：

• 8GB+ 適用於 5B 模型。
• 16GB+ 適用於 8B 模型。
• 32GB+ 適用於 14B+ 模型。

儲存空間： 至少 20GB 可用磁碟空間（具體取決於模型大小）。

GPU（可選但推薦）： NVIDIA RTX 3060 或更高規格以運行大型模型。

支援的作業系統：

✅ Windows 10/11（建議使用 WSL 以獲得更佳效能）。

✅ macOS（M1/M2/M3 或 Intel）。

✅ Linux（建議使用 Ubuntu 20.04 或更新版本）。

第二部分：安裝 Ollama 以運行 DeepSeek

Ollama 是一款輕量級工具，可簡化本機運行 AI 模型的過程。以下是不同作業系統的安裝方法。

在 macOS 上安裝 Ollama

• 打開 終端機（Terminal）。
• 執行以下指令： brew install ollama
• 驗證安裝是否成功： ollama --version

在 Windows 上安裝 Ollama

• 從官方網站下載 Ollama。
• 運行安裝程式，並按照螢幕指示操作。
• 打開 命令提示字元（cmd），輸入： ollama --version
• 若顯示版本號，則表示 Ollama 安裝成功。

在 Linux（Ubuntu/Debian 系列）上安裝 Ollama

• 打開 終端機（Terminal）。
• 執行以下指令： curl -fsSL https://ollama.com/install.sh | sh
• 確認安裝成功： ollama --version

第三部分：下載並設置 DeepSeek R1

安裝好 Ollama 後，下一步就是下載並設置 DeepSeek R1。

選擇合適的 DeepSeek 模型

DeepSeek 提供多種版本，可根據系統性能選擇：

使用 Ollama 下載 DeepSeek 模型

要在本機安裝 DeepSeek，請打開 終端機（macOS/Linux） 或 命令提示字元（Windows），然後執行：

ollama pull deepseek-r1:8b

將 8b 替換為您需要的模型版本，例如 1.5b 或 14b。下載大小因模型不同而異，請確保磁碟空間充足。

第四部分：在本地運行 DeepSeek

下載模型後，您可以使用以下命令啟動 DeepSeek： ollama run deepseek-r1:8b

測試 DeepSeek 基本提示

嘗試運行此命令來驗證模型： echo "What is the capital of France?"| ollama run deepseek-r1:8b

如果 DeepSeek 正確回應，則設置成功！

第五部分：優化 DeepSeek 以提高性能

如果 DeepSeek 運行 緩慢 或 延遲，請嘗試以下優化措施：

✅ 增加 CPU 執行緒

默認情況下，Ollama 分配了有限的 CPU 執行緒。為了提高性能，請運行： ollama run deepseek-r1:8b --num-threads=4

將 4 替換為可用的 CPU 核心數量。

✅ 使用 GPU 加速（如果可用）

對於 NVIDIA GPU，啟用 CUDA 支援： ollama run deepseek-r1:8b --use-gpu

這將顯著提高大型模型的性能。

✅ 減少回應延遲

使用 max-response-tokens 標誌來限制回應長度並加快輸出速度： ollama run deepseek-r1:8b --max-response-tokens=100

第六部分：故障排除常見問題

如果您遇到錯誤，請嘗試以下解決方案：

❌ 錯誤："Ollama 無法識別"（Windows）

✅ 安裝 Ollama 後重新啟動系統。

✅ 確保將 Ollama 添加到系統的 PATH 變量中。

❌ 錯誤："記憶體不足"

✅ 關閉不必要的應用程式以釋放記憶體。

✅ 使用較小的模型（例如，從 14B 切換到 8B）。

❌ 錯誤："找不到 CUDA 裝置"

✅ 確保您已安裝 NVIDIA CUDA 驅動程式。

✅ 在終端中運行 nvidia-smi 來檢查 GPU 狀態。