Ollama + Open WebUI 本地部署DeepSeek

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