《新手必看！保姆级教程：本地部署DeepSeek + WebUI可视化 + 数据投喂训练AI，轻松打造你的专属AI模型！》

最近国产大模型DeepSeek特别火，以至于频繁出现反应迟缓甚至宕机的情况，和两年多之前ChatGPT的遭遇颇为相似。经常问完一个问题就出现“服务器繁忙””的提示

所以我就想在自己的电脑上部署一个强大的 AI 模型，并且通过简单的 Web 界面进行操作和训练，经实测已经部署成功，接下来就分享给大家。

无论你是 AI 新手还是有一定经验的开发者，本教程都将带你从零开始，手把手教你如何本地部署 DeepSeek，并通过 WebUI 实现可视化操作和数据投喂训练。无需高深的技术背景，跟着步骤一步步来，你也能轻松打造属于自己的 AI 模型！

一、DeepSeek本地部署

二、WebUI可视化

三、数据投喂训练AI

一、DeepSeek本地部署

1、安装Ollama

首先我们需要安装Ollama，它可以在本地运行和管理大模型。

方法1）：到Ollama官网 https://ollama.com，点击下载，然后选择适合自己系统的版本，这里选择Windows：

但是这里现在由于下载的人比较多，经常转不出来，可以选择在github上下载

方法2）：github上搜索下载地址，地址如下：https://github.com/ollama/ollama

方法3）：直接在我发布的资源下面可以下载

 https://download.csdn.net/download/a514548454/90431689

安装完成后，打开cmd命令行界面并输入:ollama

如果屏幕上出现以下提示信息，那么恭喜你，Ollama 已经成功安装。

2.部署 DeepSeek R1 模型

首先，访问 Ollama 官网并点击「DeepSeek R1」：

在模型详情页面，根据我们计算机的显存容量选择合适的模型版本，这里我选择的是7b：

将此下载命令复制并粘贴到命令行中执行开始下载（有4G需要耐心等待下载完）：

已经安装完成并且能够对话了：

二、WEB可视化

WebUI可视化选择直接在浏览器安装Page Assist插件的方式来实现。

Page Assist是本地 AI 模型的 Web UI，可以使用本地运行的 AI 模型来辅助进行网络浏览，利用本地运行的AI模型，在浏览网页时进行交互，或者作为本地AI模型提供者（如Ollama、Chrome AI等）的网页界面。

方法1）仓库地址：https://github.com/n4ze3m/page-assist 

方法2）在谷歌应用市场搜索Page Assist，并添加至扩展插件

添加后就可以在扩展里面看到安装的插件了

进入插件后，选择我们上面下载好的deepseek模型，然后就可以跟DeepSeek进行可视化对话了，如果需要获取最新的数据，需要打开下方的联网开关。

到这里，DeepSeek的WebUI可视化就完成了。

三、数据投喂训练AI

实现数据投喂训练AI，需要下载nomic-embed-text和安装AnythingLLM。

下载nomic-embed-text：

在终端输入ollama pull nomic-embed-text回车下载nomic-embed-text嵌入式模型（后面做数据投喂会用到）。

安装完成

安装AnythingLLM：

进入官网，选择对应系统版本的安装包进

官网地址：https://anythingllm.com/

下载完后点击安装，选择【所有用户】点击下一步

修改安装路径，本例安装到D盘，点击下一步【安装】。

安装完成

软件打开后，点击【Get started】。

点击箭头进行下一步

创建工作区

点击【设置】，里面可以设置模型、界面显示语言等。

若软件显示英文，可在Customization外观定制里面选择Chinese即可。我这里已经是中文就不替换了

AnythingLLM设置

在软件设置里面，LLM首选项界面，提供商选择Ollama，Ollama Model选择你前面下载的DeepSeek-R1系列模型1.5b~671b，然后点击Save changes。

在Embedder首选项界面，嵌入引擎提供商选择Ollama，Ollama Embedding Mode选择【nomic-embed-text】，然后点击保存更改。

①点击【工作区设置】，②点击聊天设置，③工作区LLM提供者选择【Ollama】，④工作区聊天模型选择【deepseek-r1】模型，⑤然后点击【Update workspace agent】。

代理配置界面，工作区代理LLM提供商选择【Ollama】，工作区代理模型选择【deepseek-r1】，然后点击【Update workspace agent】。

最后就是数据投喂训练AI：

在工作区界面，点击【上传】。

❶点击upload选择需要上传的文件（支持PDF、Txt、Word、Excel、PPT等常见文档格式）。❷勾选上传的文件，❸点击【Move to Workspace】。

到这里数据投喂训练AI就完成啦，有需求的完全可以自己搭建一个智能知识库出来。

最后，本地部署和在线使用各有利弊，本地对GPU配置要求较高，但运行稳定，不受网速影响，还可以训练自己专属的大模型。有需要的小伙伴可以体验一下~