Ollama本地部署DeepSeek-R1实战：Mac笔记本离线运行7B模型推理

最近 DeepSeek-R1 的热度很高，不过由于要带娃，一直没空上手试试。恰好今天下午娃都睡了，赶紧抓住这个空档，研究一下这个新玩具怎么玩。

之前就知道能用 Ollama 在本地跑各种大模型，但一直停留在“知道”层面。去官网简单看了下，流程其实很清晰：先安装 Ollama，再从仓库拉取模型文件，最后启动运行。听起来和 Docker 的操作逻辑很像。

安装 Ollama

以我的 macOS 环境为例，安装过程非常简单，几步就能搞定：

1. 从官网点击下载按钮，获取程序安装包（一个 zip 压缩文件）；
2. 下载完成后，解压这个压缩包；
3. 将得到的应用程序拖拽到 macOS 的“应用程序”（Applications）文件夹中；
4. 首次打开 Ollama 应用时，会提示安装命令行工具，点击“确定”继续即可。

安装完成后，就可以在终端（Terminal）里直接使用 ollama 命令了。可以通过 which 命令查看它的安装位置：

$ which ollama
/usr/local/bin/ollama

直接输入 ollama 命令，它会输出详细的用法说明：

$ ollama
Usage:
  ollama [flags]
  ollama [command]

Available Commands:
  serve       Start ollama
  create      Create a model from a Modelfile
  show        Show information for a model
  run         Run a model
  stop        Stop a running model
  pull        Pull a model from a registry
  push        Push a model to a registry
  list        List models
  ps          List running models
  cp          Copy a model
  rm          Remove a model
  help        Help about any command

Flags:
  -h, --help      help for ollama
  -v, --version   Show version information

Use "ollama [command] --help" for more information about a command.

拉取 DeepSeek-R1 模型

从上面的帮助信息里，我们看到有一个 list 子命令，可以列出本地已有的所有模型。刚安装完时，列表当然是空的：

$ ollama list
NAME                  ID              SIZE      MODIFIED

接下来，我们执行 pull 命令，从模型仓库中拉取 deepseek-r1 这个模型试试：

$ ollama pull deepseek-r1
pulling manifest
pulling 96c415656d37... 100% ▕██████████████████████████████████████▏ 4.7 GB
pulling 369ca498f347... 100% ▕██████████████████████████████████████▏  387 B
pulling 6e4c38e1172f... 100% ▕██████████████████████████████████████▏ 1.1 KB
pulling f4d24e9138dd... 100% ▕██████████████████████████████████████▏  148 B
pulling 40fb844194b2... 100% ▕██████████████████████████████████████▏  487 B
verifying sha256 digest
writing manifest
success

是不是觉得这个命令用法很眼熟？没错，Ollama 管理模型的方式和 Docker 管理镜像非常相似。模型也是分层存储的，pull 时会逐层下载。从输出可以看到，这个模型体积接近 5 GB，如果你的网络状况一般，下载可能需要一些时间，耐心等待即可。

运行模型进行对话

模型下载完毕后，就可以使用 run 子命令来启动它并进行交互了：

$ ollama run deepseek-r1
>>> Send a message (/? for help)

启动后，终端会显示三个大于号 >>> 作为输入提示符，并提示你可以发送消息了。我简单测试了几个问题，它的表现确实让人有点惊喜：

>>> 你是谁？

您好！我是由中国的深度求索（DeepSeek）公司开发的智能助手DeepSeek-R1。如您有任何任何问题，我会尽我所能为您提供帮助。

>>> 你可以做什么？

作为DeepSeek-R1，我可以帮助回答多种问题，包括学术研究、技术探讨以及日常咨询等。很高兴为您提供服务！

>>> 那你知道有什么菜谱儿童比较喜欢，而且做法比较简单，比较健康的吗？

当然可以！以下是一些适合儿童的健康、易做且有趣的菜谱建议：

### 1. **外婆的番茄炒蛋**
   - **食材**：西红柿2个、鸡蛋2个、青椒1根、葱花适量、食盐适量
   - **做法**：
     1. 西红柿去皮切块，青椒切菱形。
     2. 热锅倒油，打入两个鸡蛋，炒成凝状块状。
     3. 放入西红柿翻炒，再加入青椒丁和葱花，适量盐调味即可。

### 2. **香辣味儿鸡胸肉**
   - **食材**：鸡胸肉150克、青红辣椒各3个、蒜瓣3-4颗
   - **做法**：
     1. 鸡胸肉切片，放入碗中加入生抽、料酒、适量盐。
     2. 按顺序抓匀后腌10分钟。
     3. 装盘备用。
     4. 锅里热油，先爆香蒜瓣和辣椒，再倒入鸡胸肉翻炒均匀。

### 3. **番茄汤圆**
   - **食材**：新鲜番茄5个、面粉适量
   - **做法**：
     1. 番茄洗净切块。
     2. 水煮沸后加入番茄块，大火烧开后转小火煮至水分收干。
     3. 将面糊倒入锅中勾芡。
     4. 调入食盐调味，装盘时撒上葱花即可。

### 5. **清蒸鱼**
   - **食材**：白鱼1条、姜片适量
   - **做法**：
     1. 白鱼洗净鳞片，姜切片备用。
     2. 锅中加水烧开后放入鱼，中火煮至鱼完全变色即可取出。
     3. 出锅后用纸巾擦干鱼肉，撒上盐和胡椒粉调味。

### 制作小贴士：
- 确保食材新鲜，可以使用新鲜的番茄、青椒等蔬菜。
- 鸡肉需要腌制10分钟以上，帮助锁住水分并提升口感。
- 汤圆的做法简单，适合用面糊勾芡，增加粘稠感。

这些菜谱既健康又有趣，有助于激发孩子的食欲和兴趣。如果需要更多菜谱或调整口味，请随时告诉我

从回答中可以看到，这个版本的模型展示了思维链（Chain-of-Thought）过程，在 <think> 标签内进行内部推理，然后再输出最终答案，这对于理解模型的“思考”路径很有帮助。

一个好消息是：我在自己的旧笔记本上成功运行了一个当下热门的大模型！但坏消息也随之而来：受限于硬件，我只能运行参数规模较小的版本，而且推理时 CPU 占用率几乎拉满，响应速度也谈不上流畅。

关于模型规模与标签

那么，我运行的 deepseek-r1 具体是哪个参数规模的呢？我回到 Ollama 的官方模型库查看了一下，发现 deepseek-r1 下有很多不同的标签（Tag），例如 1.5b、7b、8b 等，最大的甚至有 671b。和 Docker 镜像的规则一样，如果不指定标签，默认会拉取 latest 标签。而经过验证，deepseek-r1:latest 实际上指向的是 deepseek-r1:7b 这个版本。

我们可以通过指定标签来拉取特定的版本，并再次用 list 命令查看：

$ ollama pull deepseek-r1:7b
pulling manifest
pulling 96c415656d37... 100% ▕██████████████████████████████████████▏ 4.7 GB
pulling 369ca498f347... 100% ▕██████████████████████████████████████▏  387 B
pulling 6e4c38e1172f... 100% ▕██████████████████████████████████████▏ 1.1 KB
pulling f4d24e9138dd... 100% ▕██████████████████████████████████████▏  148 B
pulling 40fb844194b2... 100% ▕██████████████████████████████████████▏  487 B
verifying sha256 digest
writing manifest
success

$ ollama list
NAME                  ID              SIZE      MODIFIED
deepseek-r1:7b        0a8c26691023    4.7 GB    2 minutes ago
deepseek-r1:latest    0a8c26691023    4.7 GB    1 hours ago

从列表可以看到，latest 和 7b 标签的模型 ID 和大小完全一致，证实了它们是同一个文件。这意味着，如果你只是普通体验，直接 pull deepseek-r1 就已经是在下载 7B 参数的版本了。对于想在个人电脑上进行 大模型 本地化探索和轻量级应用的开发者来说，Ollama 提供了一种极其便捷的途径。

整个过程下来，感觉 Ollama 确实大大降低了本地运行大模型的门槛。虽然受限于笔记本算力，体验上无法与云端服务相比，但这种将前沿 AI 能力“握在手中”的感觉，对于学习和技术验证来说，价值是毋庸置疑的。如果你也在寻找一个简单易上手的本地大模型运行方案，不妨从这篇在 云栈社区 分享的实践开始尝试。