简介本资源是一份针对银河麒麟桌面与服务器操作系统的DeepSeek本地化部署指导文档配套PDF格式适合系统管理员、AI应用开发者及希望在国产Linux环境中落地大模型服务的初学者。内容涵盖网页版访问、客户端接入、本地部署、API集成及vscode辅助编程等多条使用路径并给出常见问题与排错建议能够帮助读者根据机器配置选择合适的模型规模并完成内网部署。资源包共1个文件类型为PDF大小1.98MB便于按章节查阅部署流程。该文档由麒麟软件生态技术团队编写实操性强步骤清晰既覆盖桌面环境也包含高级服务器环境部署示例并配有截图适合需要快速掌握国产操作系统上DeepSeek部署方法的用户。已有512人学习适合作为入门与排错参考。1. 银河麒麟上把 DeepSeek 跑起来这不是装个软件是选部署路线很多人在银河麒麟桌面系统里想用 DeepSeek第一反应是去网页上问或者找个第三方客户端填个 API Key。这没问题但如果你的机器在隔离的内网或者你一个做开发的想在本机把模型真正跑起来那网页版和客户端都只能是过渡方案。本地化部署的核心其实是两个东西一个叫 ollama一个叫 deepseek-r1 系列模型前者负责把模型拉下来并提供推理服务后者才是你真正对话的那个大脑。这篇文章按我实际拆过的场景来讲先分清联网使用和本地部署两条路线再完整走一遍从装 ollama 到用桌面客户端接入的流程最后把 ARM 架构下最容易翻车的 libstdc 依赖问题单独拎出来说。适合两类人一类是只要在麒麟上快速用起来的内网用户另一类是准备在服务器或桌面上把模型真正跑起来、还要接进 vscode 写代码的人。两种诉求的操作路径完全不同选错了后面全是坑。2. 先分清三种玩法网页、API 客户端与本地模型的边界2.1 网页版接入零配置但受网络限制文档里列的第一种使用场景是网页版直接在浏览器里访问 DeepSeek 官方网址就能用或者在麒麟软件商店搜索 DeepSeek 网页版 直接安装。这个本质上是把浏览器当成客户端所有请求都发到官方服务器本地不承担任何推理计算。这种方式的优点是无配置适合临时用一下。但它有个硬前提机器必须能访问外网。很多银河麒麟的部署环境是政务内网或企业内网外网访问被限制网页版就直接不可用。所以网页版只适合个人开发机或允许出网的办公场景不适合隔离网络。2.2 客户端接入官方 API体验接近原生但要管好 Key第二种是客户端方式。麒麟软件商店上架了几个 AI 客户端最多人用的是 Chatbox AI另外还有 NextChat、Cherry Studio。它们的作用是给你一个比网页版更好用的对话界面背后调的仍然是 DeepSeek 官方 API。配置路径是这样的# 先在 DeepSeek 开放平台注册并登录 # 地址platform.deepseek.com/api_keys # 点击“创建 API key”输入名称后生成 # 注意这个 key 只在创建时完整展示一次务必先复制保存拿到 Key 之后打开 Chatbox在设置界面里把模型提供方选成 OpenAIDeepSeek API 兼容 OpenAI 格式填入 API 域名和刚才保存的 Key模型名填 deepseek-chat 或 deepseek-reasoner 就能对话。这里最容易被坑的是 Key 管理。很多人把 Key 随手贴在配置文件里然后提交到 git或者截图发到群里。Key 泄露的后果是别人拿你的额度去跑推理账单全记在你头上。我一般会单独建一个环境变量文件存 Key并且只在内网传播不给公网仓库留任何机会。2.3 本地部署内网可用、数据不出域但吃硬件第三种是真正的本地部署。它的本质是通过 ollama 在银河麒麟系统里把 DeepSeek-R1 模型文件拉到本机然后由本机 CPU 或 GPU 完成推理计算。这样做的好处有两个一是断网可用数据完全不出机器适合涉密或敏感环境二是没有 API 调用费用长期使用成本可控。代价是硬件门槛。deepseek-r1 系列有 1.5b、7b、8b、14b、32b、70b 等不同参数规模的版本数字越大模型越聪明但显存和内存需求也成倍涨。文档明确建议要本地部署优先选银河麒麟高级服务器操作系统桌面版虽然也能跑但服务器版在内存管理、多核调度和长稳运行上更可靠。所以三种玩法的选型边界很清楚能出网且图省事就选网页版能出网但想要更好的交互体验就客户端 官方 API内网环境或数据敏感就本地部署 客户端接入本地服务。前两种我不过多展开后面重点把本地部署这条最容易被文档一句话带过的路线完整拆开。3. 本地部署 DeepSeek-R1从装 ollama 到客户端接入全流程这一章是整个部署的核心。我的经验是联网环境用官方一键脚本离线环境用 tar 包手动解压两条路径都要会因为很多生产机器根本不让你连外网。3.1 安装 ollama脚本安装与 tar 包安装两条路径联网环境下的安装方式最省事直接在命令行执行官方提供的安装脚本# 方式一官方脚本安装适合能访问外网的机器 curl -fsSL https://ollama.com/install.sh | sh这条命令会把 ollama 的二进制文件、systemd 服务文件一起装好省去手动配置开机自启的麻烦。但实际部署中我遇到大量内网机器curl 根本拉不到外网这时候就得走压缩包方式# 方式二tar 包手动安装适合离线环境 # 先在能联网的机器上下载 ollama-linux-amd64.tgz # 拷贝到目标机器后执行 tar -C /usr/local -zxvf ollama-linux-amd64.tgz注意这里的-C /usr/local参数意思是将压缩包内容解压到/usr/local目录下这样可执行文件会落在/usr/local/bin/ollama。如果你在别的机器上解压再拷过去二进制路径不同后续写 systemd 服务时路径也要相应改容易踩坑。如果目标机器是 ARM 架构aarch64下载时要选ollama-linux-arm64.tgz这个包选错架构后续会直接启动失败报 exec format error。3.2 启动服务与环境变量让客户端能远程接入ollama 装好之后默认只监听本地回环地址 127.0.0.1也就是说只有本机自己能访问 11434 端口。但我们的场景是服务器上部署 DeepSeek桌面操作系统的客户端通过局域网接入。这时候就必须让 ollama 监听所有网卡接口。在启动之前先配置环境变量# 允许 ollama 监听所有网络接口 export OLLAMA_HOST0.0.0.0 # 允许跨域访问桌面客户端用 HTTP 接入时需要 export OLLAMA_ORIGINS*OLLAMA_HOST0.0.0.0是关键配置含义是服务绑定到所有 IP 地址而不是只有本机回环。OLLAMA_ORIGINS*则是配置允许来源的域名星号代表不限制来源使用浏览器类客户端时请求不会被拦截。然后是启动服务# 前台启动 ollama 服务 ollama serve我一般不会直接把服务丢前台而是用 nohup 或 systemd 托管# 后台启动并写日志方便排查 nohup ollama serve /var/log/ollama.log 21 启动后可以在新终端窗口验证# 查看 ollama 版本能输出版本号说明二进制没问题 ollama --version再验证服务是否在监听端口# 查看 11434 端口监听状态 ss -tlnp | grep 11434如果看到 0.0.0.0:11434 的 LISTEN 状态说明服务已经能被局域网访问。3.3 拉取与运行 DeepSeek 模型配置与参数权衡模型是 ollama 自动从模型仓库拉取的。命令很简单# 拉取并运行 1.5b 参数的 deepseek-r1 模型 ollama run deepseek-r1:1.5b第一次执行这个命令ollama 会在后台下载模型文件1.5b 的量化版大概 1G 左右视网络情况可能要等几分钟。下载完成后会自动进入交互式对话界面直接在命令行里输入问题就能得到回复。这个步骤最需要动脑的地方是模型参数怎么选。deepseek-r1 有多个参数规模的版本我按实际使用经验整理了一个选型表模型版本参数量内存/显存建议适用场景deepseek-r1:1.5b1.5B2G 以上低配机器验证部署流程deepseek-r1:7b7B8G 以上基础问答、代码辅助deepseek-r1:8b8B8G 以上代码生成效果较好deepseek-r1:14b14B16G 以上逻辑推理要求较高的场景deepseek-r1:32b32B32G 以上复杂推理任务deepseek-r1:70b70B64G 以上最强性能仅适合服务器集群考虑到大多数人的机器配置1.5b 和 7b 是试水主力。命令里冒号后面的数字就是版本标签比如deepseek-r1:7b。如果显存不够想硬跑大模型也可以用ollama run deepseek-r1:7b --num-gpu 0强制纯 CPU 推理但速度会明显下降对话响应可能要等十几秒。验证部署是否成功直接在对话界面里输入一句测试问题即可。能正常返回内容说明模型推理链路已经通了。退出交互界面是/bye命令。3.4 桌面端接入本地模型Chatbox 指向服务器 IP模型跑起来只是第一步大部分使用者需要的还是一个图形化的对话界面。这一步在银河麒麟桌面操作系统上完成用的是软件商店里已经装好的 Chatbox。打开 Chatbox 设置关键配置三项模型提供方选择 OLLAMA而不是 OpenAI。因为我们要连的是本地 ollama 服务不是官方 API。API 域名填写部署了 DeepSeek 的服务器 IP比如http://192.168.1.100:11434。端口默认就是 11434不用改。模型Chatbox 会自动识别到服务器上的模型列表选中 deepseek-r1:1.5b 保存即可。保存之后直接在对话框里发消息如果正常回复这个拓扑就完整了DeepSeek 推理能力承担在服务器端桌面端只是一个展示和交互窗口数据在网络内传输不经过外部服务。这里有几个容易搞混的细节API 域名里必须带端口号并且写明 http 前缀不能只填 IP模型提供方选错会导致请求格式不兼容出现 404 或者连接失败如果 Chatbox 识别不到模型回到服务器端确认 ollama 还在运行ss -tlnp | grep 11434是最快的验证方式。4. 部署避坑ARM 架构依赖缺失、模型选型错误与端口问题4.1 现象ARM 服务器启动 ollama 报 GLIBCXX_3.4.25 缺失不少在银河麒麟高级服务器操作系统ARM 架构上部署的人会遇到这个报错启动 ollama 时提示/usr/lib64/libstdc.so.6: version GLIBCXX_3.4.25 not found。第一次遇到这个报错会以为 ollama 装坏了重装一遍还是同样问题。原因在于 ollama 的二进制文件是用较新版本的 GCC 编译的依赖的 libstdc 动态库版本比银河麒麟系统自带的要新。系统自带的 libstdc.so.6 没有导出 GLIBCXX_3.4.25 这个符号运行时链接失败。解决方法是替换系统的 libstdc 库。文档里给出的做法是从网盘下载libstdc.so.6.0.28这个新版本库文件拷贝到/usr/lib64目录然后把原文件备份后重建软链接# 第一步把下载的 libstdc.so.6.0.28 放到系统库目录 cp libstdc.so.6.0.28 /usr/lib64/ # 第二步进入目录备份原有软链接指向 cd /usr/lib64/ mv libstdc.so.6 libstdc.so.6.bak # 第三步创建新的软链接指向新版本库 ln -s libstdc.so.6.0.28 libstdc.so.6操作完重新执行ldconfig刷新链接缓存再启动 ollama 就不会报这个错了。这个坑我只在 ARM 架构上遇到过x86_64 的银河麒麟系统通常没有这个问题。但要注意替换系统 libstdc 是有一定风险的如果系统里其他软件依赖旧版本符号替换后理论上可能出问题。我的习惯是先备份再动出了问题可以随时mv回来。另外尽量用系统自带的包管理工具检查是否有 libstdc 更新可用那种方式更规范。4.2 现象模型拉取超时或速度极慢执行ollama run deepseek-r1:1.5b时卡在 downloading 不动或者进度条长时间不变化。这个问题在服务器版上很常见因为模型文件托管在海外仓库国内网络访问不稳定。解决方式分两步走。第一步检查是否有代理或镜像配置可以直接用。如果机器本身只能走本地网络就用第二种方式在能访问外网的机器上预先下载好模型文件通过 U 盘或内网传输工具拷到目标机器然后在目标机器上手动导入。ollama 支持手动导入 gguf 格式的模型文件命令是# 手动导入模型文件先写一个 Modelfile vim Modelfile # 内容就一行FROM ./deepseek-r1-1.5b.gguf# 用 ollama create 创建模型 ollama create deepseek-r1:1.5b -f Modelfile这个操作适合离线环境导入成功后运行方式跟在线拉取完全一样。4.3 现象客户端连接失败显示 Connection RefusedChatbox 配了服务器 IP 和端口但连接时报 Connection Refused 或者超时。排查路径很固定按顺序检查三处第一处是 ollama 服务是否还在运行。很多人用终端前台跑ollama serve终端一关服务就没了。解决方式是改用 nohup 后台运行或用 systemd 托管。第二处是监听地址是不是 0.0.0.0。如果当时没有配置OLLAMA_HOST0.0.0.0服务只监听 127.0.0.1局域网内其他机器自然连不上。第三处是防火墙。银河麒麟默认可能开了 firewalld需要放行 11434 端口# 放行 11434 端口 firewall-cmd --zonepublic --add-port11434/tcp --permanent firewall-cmd --reload这三处逐一确认最后一个坑是我遇到最多的情况脑子里记得设了环境变量但实际上是在错误终端窗口执行的服务启动时并没有继承那个变量。所以启动前先echo $OLLAMA_HOST确认一下。4.4 现象内网环境没有 API Key无法配置 Chatbox有人在内网部署好 ollama 后在 Chatbox 里按官方 API 的配置方式填 Key结果发现根本没有 Key。这个其实是场景理解偏差。接入本地 ollama 服务和接入官方 API 是两条完全不同的链路本地链路不需要 Key模型提供方选 OLLAMA官方链路才需要去平台创建 Key。如果你在内网根本没有外网去创建 Key那就只能走本地链路。这个搞混的后果是配置好后一直连接失败因为发起的是公网请求。5. 把 DeepSeek 接进 vscodecline 插件与辅助编程实测图形界面配置好后开发者群体还关心一个场景能不能在写代码的时候直接让 DeepSeek 帮忙生成代码。银河麒麟桌面上常见的操作序列是先在麒麟软件商店安装 Visual Studio Code然后用它接入 DeepSeek。VS Code 装好后从扩展市场搜 cline 插件并安装。cline 是一个支持多模型接入的编程辅助插件配置路径是扩展面板左下角点开 clineAPI Provider 选择 DeepSeek然后填入从 DeepSeek 平台创建的 API Key点 Lets go 完成初始化。我这里略过截图操作直接说验证方法在 cline 对话框里发一句最简单的测试消息比如写一个 Python 函数计算斐波那契数列能正常输出代码就代表链路通了。之后就可以直接在插件里用自然语言描述需求让它生成代码、改 bug 或做代码审查。实际用下来我有个习惯把 deepseek-r1:7b 或更大参数的模型跑在局域网服务器上vscode 里通过 cline 的 OpenAI 兼容地址接到http://服务器IP:11434/v1效果比直接调官方 API 更可控数据也不出内网。这个做法对代码生成类任务的响应速度比 1.5b 快很多因为 1.5b 模型生成的代码质量比较勉强。如果你的硬件只跑得动 1.5b我建议把使用场景限定为对话问答代码辅助还是走官方 API 或更大参数模型。从那以后我每次部署完都会用一个固定验证清单走一遍服务监听地址对不对、防火墙通不通、模型能不能正常对话、客户端接入是不是走 OLLAMA 提供方四项全过再交付。这套流程帮我挡掉了大量看起来部署完了但实际不可用的返工希望帮到你。本文还有配套的精品资源点击获取