liunx做网站跳转服务器海口关键词优化报价
文章目录
- 前言
- 一、环境准备
- 最低系统要求
- 必要软件
- 二、安装 Ollama
- 通过 Docker 部署
- 验证安装
- 三、部署 Open WebUI
- 快速启动
- 配置说明
- 四、加载 DeepSeek 模型
- 通过 Ollama 拉取模型
- 支持模型列表
- 五、使用 Web 界面交互
- 首次使用
- 功能特性
- 六、高级配置
- GPU 加速（NVIDIA）
- 多模型管理
- 七、常见问题
- 模型加载失败
- WebUI 无法连接 Ollama
- 八、安全建议
- 总结
前言
由于官网的deepseek经常问一个问题回答后经常处于繁忙状态，所以为了避免这种情况我们可以自己在本地部署个deepseek进行使用，我们可以本地使用Ollama和Open WebUI部署DeepSeek模型。deepseek模型有多个版本，相应对配置要求也不一样，要想获得最好的体验，这需要非常高的配置。
一、环境准备
最低系统要求
| 组件 | 要求 |
|---|---|
| 操作系统 | Windows 10/11, macOS 12+, Ubuntu 20.04+ |
| 处理器 | 支持 AVX2 的 x86_64 CPU（Intel/AMD） |
| 内存 | 16GB（7B 模型） / 32GB+（更大模型） |
| 存储 | 至少 50GB 可用空间 |
| GPU（可选） | NVIDIA GPU（需 CUDA 11+） |
必要软件
-
Docker Desktop
官方下载地址
安装后需启用 Linux 容器（Windows）并分配至少 8GB 内存 -
Git（可选）
用于克隆 Open WebUI 仓库：sudo apt install git # Ubuntu brew install git # macOS
二、安装 Ollama
通过 Docker 部署
# 创建持久化存储卷
docker volume create ollama_data# 启动 Ollama 容器
docker run -d \--name ollama \-p 11434:11434 \-v ollama_data:/root/.ollama \--restart unless-stopped \ollama/ollama
验证安装
docker logs ollama | grep "Listening"
# 应显示：Listening on [::]:11434
三、部署 Open WebUI
快速启动
docker run -d \--name open-webui \-p 3000:8080 \-e OLLAMA_API_BASE_URL=http://host.docker.internal:11434 \-v open-webui:/app/backend/data \--restart unless-stopped \ghcr.io/open-webui/open-webui:main
配置说明
OLLAMA_API_BASE_URL: Ollama 服务的地址-v open-webui:/app/backend/data: 持久化聊天记录和用户数据- 访问地址：
http://localhost:3000
四、加载 DeepSeek 模型
通过 Ollama 拉取模型
# 查看可用模型
curl http://localhost:11434/api/tags# 拉取 DeepSeek 模型（示例）
docker exec ollama ollama pull deepseek-ai/deepseek-math-7b-base
支持模型列表
| 模型名称 | 大小 | 推荐配置 |
|---|---|---|
deepseek-7b | 13GB | 16GB RAM |
deepseek-math-7b | 13GB | 16GB RAM |
deepseek-coder-7b | 13GB | 16GB RAM |
五、使用 Web 界面交互
首次使用
- 访问
http://localhost:3000 - 创建账户（首次会自动注册管理员账户）
- 在模型选择栏选择已加载的 DeepSeek 模型
功能特性
- 对话模式：支持多轮上下文对话
- 参数调整：
temperature: 0.7 # 控制随机性 (0-1) top_p: 0.9 # 输出多样性 max_tokens: 2048 # 最大生成长度 - 文件上传：支持 PDF/TXT 文件分析
- 提示词库：内置常用提示模板
六、高级配置
GPU 加速（NVIDIA）
# 先安装 NVIDIA 容器工具包
distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \&& curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \&& curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list# 重启容器时添加 GPU 支持
docker run --gpus all -d ... ollama/ollama
多模型管理
# 查看已下载模型
docker exec ollama ollama list# 删除模型
docker exec ollama ollama rm deepseek-7b
七、常见问题
模型加载失败
现象：Error: insufficient memory
解决：
- 调整 Docker 内存限制至 16GB+
- 使用量化模型（添加
-q4后缀）：ollama pull deepseek-7b-q4_0
WebUI 无法连接 Ollama
- 检查容器网络：
docker network inspect bridge - 测试 API 连通性：
curl http://host.docker.internal:11434/api/tags
八、安全建议
-
身份验证
在 Open WebUI 的启动命令中添加：-e WEBUI_SECRET_KEY=your_secure_key -
网络隔离
使用自定义 Docker 网络：docker network create ai-net docker run --network ai-net ... ollama/ollama docker run --network ai-net ... open-webui -
防火墙规则
仅允许本地访问：ufw allow from 127.0.0.1 to any port 3000
总结
通过本教程，您已经实现了：
- 基于 Docker 的 Ollama 服务部署
- Open WebUI 可视化界面搭建
- DeepSeek 系列模型的加载与测试
扩展建议：
- 结合 LangChain 构建复杂 AI 应用
- 使用 NGINX 添加 HTTPS 支持
- 配置定时模型更新任务（需修改 Ollama 容器）
如需更新 Open WebUI，运行：
docker compose pull open-webui && docker compose up -d
官方文档参考 | Ollama 模型库