玩 AI 模型必看！用 Ollama 轻松驾驭 DeepSeek，图形界面 + API 调用全掌握，MacMini M4丐版部署Deepseek大模型

AI时代普通人逆袭之路开篇：部署DeekSeek大模型

玩 AI 模型必看！用 Ollama 轻松驾驭 DeepSeek，图形界面 + API 调用全掌握，MacMini M4丐版部署Deepseek大模型

宝子们，今天给大家带来一篇超实用的 AI 模型部署攻略！就算你用的是 MacMini M4 丐版，也能轻松驾驭 DeepSeek 大模型，实现图形化界面交互和 API 调用，赶紧来康康吧！

1. 安装 Ollama

首先，咱们得把 Ollama 安装上。这玩意儿可是让 AI 模型跑起来的关键一步。打开终端，输入以下命令：

curl -fsSL https://ollama.com/install.sh | sh

安装完成后，用 ollama --version 命令验证一下。如果能看到 Ollama 的版本号，那就说明安装成功啦！是不是超简单？

2. 下载 DeepSeek 模型

有了 Ollama，接下来就得把 DeepSeek 模型拉过来。在终端输入：

ollama pull deepseek-r1

如果你想要更小的模型版本，可以指定模型大小，比如：

ollama pull deepseek-r1:1.5b

或者用量化版本来节省内存：

ollama pull deepseek-r1:7b-q4_K_M

这样就能下载量化后的 7B 模型，内存占用减少 75% 哦！在 Ollama 上还能找到各种参数的 DeepSeek 大模型，任你挑选。

3. 启动 DeepSeek 模型

模型下载好了，咱们就可以启动它了。用以下命令：

ollama run deepseek-r1

启动后，你可以在终端输入提示词和模型互动。不过，这种黑窗口命令行的交互方式有点像回到微软 DOS 时代，不太方便。别急，接下来咱们就搞个图形化界面。

4. 通过 Open WebUI 与模型交互

4.1. 克隆 ollama-webui-lite 仓库

打开终端，输入以下命令克隆仓库并进入项目目录：

git clone https://github.com/ollama-webui/ollama-webui-lite.git
cd ollama-webui-lite

4.2. 安装依赖

在项目目录中，运行以下命令安装依赖：

npm ci

如果遇到网络问题导致安装失败，可以换成阿里云镜像：

npm config set registry https://registry.npm.taobao.org
npm ci

4.3. 启动 ollama-webui-lite

安装好依赖后，用以下命令启动服务：

npm run dev

默认情况下，ollama-webui-lite 会在本地的 3000 端口运行。打开浏览器，访问 http://localhost:3000，就能进入 ollama-webui-lite 的界面啦。在设置中，把 Ollama 的 API 地址配置为 http://localhost:11434。这个界面用起来就很顺手，和咱们平时用浏览器的习惯一样。如果你想从外网访问，还可以做内网穿透等服务哦。

5. 通过 API 调用模型

除了图形化界面，咱们还可以通过 API 调用模型。先启动 Ollama 的 API 服务：

ollama serve

默认情况下，API 服务运行在 http://localhost:11434。

然后，可以用 curl 发送请求：

curl -X POST http://localhost:11434/api/generate -d '{
    "model": "deepseek-r1",
    "prompt": "Hello, introduce yourself",
    "stream": false
}'

或者用 Python 脚本调用：

import requests

url = "http://localhost:11434/api/generate"
data = {
    "model": "deepseek-r1",
    "prompt": "Hello, introduce yourself",
    "stream": False
}

response = requests.post(url, json=data)
print(response.json())

6. 性能优化

如果模型运行速度有点慢，别担心，这里有几个优化方法：

• 启用 Metal Performance Shaders：

OLLAMA_METAL=1 ollama run deepseek-r1

• 使用量化模型（如 4-bit 或 8-bit）。
• 减小上下文长度，比如 --ctx-size 2048。

这样一来，模型的运行速度就能提升不少啦！

宝子们，按照以上步骤，你就能在 MacMini M4 丐版上轻松部署 DeepSeek 大模型，并实现图形化界面交互和 API 调用。是不是很简单？赶紧动手试试吧！如果在操作过程中遇到任何问题，欢迎在评论区留言，我们一起交流解决！