LM Studio本地安装部署deepseek模型，超简单

### 安装和部署DeepSeek模型的本地指南 #### 准备环境 为了在本地环境中成功安装并运行 DeepSeek 模型，需先确认已安装 Python 和 pip 工具。建议创建虚拟环境来管理项目依赖项[^1]。 ```bash python3 -m venv lmstudio-env source lmstudio-env/bin/activate # Linux 或 macOS 用户 lmstudio-env\Scripts\activate # Windows 用户 ``` #### 下载LM Studio工具包 访问官方仓库获取最新版本 LM Studio 的源码或二进制文件，并按照说明完成下载过程[^2]。 #### 配置开发环境 解压所获得的数据包至指定目录下；通过命令行进入该路径执行如下操作以确保所有必要的库都被正确加载： ```bash pip install --upgrade pip setuptools wheel pip install . ``` 上述指令会读取 `setup.py` 文件中的定义自动解析并安装缺失的部分[^3]。 #### 获取预训练好的DeepSeek模型权重 联系提供方或者前往公开资源页面寻找对应的checkpoint链接地址用于后续加载[^4]。 #### 编写配置脚本 编辑一个名为 `config.yaml` 的文档用来存储超参数设定以及数据集位置等重要信息: ```yaml model_name: "deepseek" data_dir: "./datasets/" output_dir: "./results/" ... ``` 此部分具体取决于实际应用场景和个人偏好设置[^5]。 #### 启动服务端口监听 当一切准备就绪之后，在终端输入以下内容启动HTTP API服务器以便于远程调用预测接口功能： ```bash lm_studio serve --host=0.0.0.0 --port=8080 ``` 此时应该可以在浏览器里打开 http://localhost:8080 来验证是否正常工作了[^6]。