DeepSeek的三種接入使用方法 原創(chuàng)
前言
DeepSeek作為國產頂尖大模型，在代碼生成和邏輯推理方面表現(xiàn)優(yōu)異。本文提供三種不同場景下的接入方案，滿足從普通用戶到開發(fā)者的不同需求。
當前問題
由于訪問量激增和網(wǎng)絡攻擊，官網(wǎng)服務可能出現(xiàn)不穩(wěn)定。本文提供三種備用接入方案：
方法一：使用??chatbox+硅基流動??接入云端API使用(適合于普通用戶使用)
方法二：使用??Cursor+硅基流動??接入云端API使用(適合于程序員人群)
方法三：使用??ollama本地化部署??使用(適用于有安全隱私需求的用戶)
方法一：使用chatbox+硅基流動接入云端API使用
1. 安裝chatbox
下載對應版本并安裝chatbox
說明：
- 本例中以Windows為例，其他平臺請參考官網(wǎng)
2. 注冊硅基流動賬號
訪問硅基流動官網(wǎng) ??https://siliconflow.cn/m??
完成注冊和實名認證
說明：硅基流動現(xiàn)在注冊并實名認證后，會贈送14元金額試用。
3. 獲取API Key
登錄后，點擊左側菜單欄的「API密鑰」
選擇「API密鑰」->「新建API密鑰」
輸入密鑰描述內容后，點擊「新建密鑰」
4. 配置chatbox
設置 -> 模型提供商 -> 選擇「SiliconFlow API」
在API密鑰框，將上一步獲取的API Key填入「API 密鑰」
在模型框，選擇「deepseek-r1」后，點擊
5. 測試模型效果
輸入測試問題："用比喻的方式解釋deepseek模型為什么性能要優(yōu)于OpenAI"
方法二：使用cursor+硅基流動接入云端API使用
1. 安裝cursor
- 訪問 https://www.cursor.com/
- 下載并安裝IDE
- 注冊cursor賬號
2. 配置硅基流動API
- 打開Cursor設置對話框
- 左側選擇Models
- 在OpenAI API Key框，填入硅基流動上創(chuàng)建的API Key
- 在OpenAI Base URL框，填入?
?https://api.siliconflow.cn/v1??并保存 - 點擊Add Model，輸入?
?deepseek-ai/DeepSeek-R1?? - 點擊Verify，驗證模型是否可用
說明：
- 硅基流動的API Base URL可以在硅基流動官網(wǎng)的模型廣場，選擇對應的模型查看其API文檔獲得。
- 模型名稱?
?deepseek-ai/DeepSeek-R1??可以在硅基流動的模型廣場中，選擇對應的模型后直接復制獲得。
3. 測試代碼功能
- 使用cursor創(chuàng)建一個新的項目，例如"俄羅斯方塊游戲"
- 使用快捷鍵?
?Cmd/Ctrl+I??打開Composer界面 - 輸入我們的需求后回車，例如："請使用html實現(xiàn)一個俄羅斯方塊游戲"
- Cursor會調用硅基流動的DeepSeek-R1模型，自動生成俄羅斯方塊游戲，如下圖：
- 使用瀏覽器打開生成的tetris.html文件，即可看到俄羅斯方塊游戲，如下圖：
備注：
- Cursor有14天的試用期，試用期結束后需要購買訂閱才能繼續(xù)使用。
- 經(jīng)過實測，使用Cursor內置的DeepSeek-R1模型會比硅基流動API的DeepSeek-R1模型速度會更快。
方法三：使用ollama本地化部署使用
1. 硬件配置
模型規(guī)模 | 使用場景 | CPU核心 | 內存容量 | 顯卡型號 | 顯存需求 | 推薦部署方式 |
1.5B | 嵌入式設備 | 4核 | 8GB | Jetson Orin | 6GB | 4-bit量化+TensorRT加速 |
7B | 個人開發(fā)/測試 | 8核 | 32GB | RTX 3060 | 14GB | FP16精度+單卡推理 |
70B | 企業(yè)級服務 | 32核×4 | 512GB | A100 80G ×4 | 320GB | 張量并行+流水線并行 |
671B | 超大規(guī)模計算 | 64核×8 | 2TB | H100 80G ×16 | 1.28TB | 混合并行+專家并行 |
注明：
- 顯存預估方式一般為：模型參數(shù)×2.5（如7B模型需7×2.5=17.5GB，需RTX 3090 24GB）
- 本例中，筆者使用的是RTX 4080顯卡16G顯存，所以選擇7B模型。
2. 安裝ollama
訪問ollama官網(wǎng) https://ollama.com/
根據(jù)系統(tǒng)選擇對應的安裝方式
# Windows用戶：訪問 https://ollama.com/download/windows 下載安裝包
# Mac用戶：訪問 https://ollama.com/download/mac 下載安裝包
# Linux用戶：執(zhí)行
curl -fsSL https://ollama.com/install.sh | sh說明：
- 本例中以Windows為例，其他平臺請參考官網(wǎng)
- 安裝完成后，在命令行中輸入ollama可以看到命令行幫助文檔
3. 配置ollama的下載路徑
因為ollama默認下載路徑為??C:\Users\用戶名\.ollama??，所以我們需要配置ollama的下載路徑，避免C盤占用過大。
在??系統(tǒng)設置→搜索"環(huán)境變量"→高級系統(tǒng)設置→添加系統(tǒng)變量??中新增Ollama的下載路徑
變量名：OLLAMA_MODELS
變量值：G:\ai_LLMs_modules\Ollama說明：變量值請根據(jù)自己的情況修改，本例中是?
?G:\ai_LLMs_modules\Ollama??
4. 下載DeepSeek大模型
- 訪問ollama模型查詢頁面https://ollama.com/search
- 搜索deepseek-r1模型
- 根據(jù)本機配置情況，我們選擇?
?deepseek-r1:7b??模型，執(zhí)行如下命令
ollama run deepseek-r1:7b下載模型根據(jù)網(wǎng)絡環(huán)境會花費不同的時間，待下載完成后，會提示"success"
5. 測試模型效果
>>> 請用Python寫一個快速排序算法
6. 集成前端UI
因為ollama本身沒有提供前端UI，通過命令行交互起來比較繁瑣。所以，我們可以根據(jù)之前介紹的方法一或方法二，將模型集成到前端chatbox或者cursor中。
本例，我們采用方法一，將模型集成到chatbox中。
- 打開chatbox，點擊設置
- 模型提供方選擇 ?
?Ollama API?? - API域名填寫 ?
?http://127.0.0.1:11434?? - 模型選擇 ?
?deepseek-r1:7b?? - 點擊保存
運行效果：
說明：經(jīng)過實測，筆者4080顯卡16G顯存，使用ollama本地化部署deepseek-r1:7b 模型，顯存占用約7G，可以實現(xiàn)流暢的交互體驗。
優(yōu)缺點對比
對比維度 | 方法一：ChatBox+API | 方法二：Cursor+API | 方法三：Ollama本地部署 |
部署難度 | ?? (需注冊API Key) | ??? (需IDE配置) | ???? (需硬件環(huán)境) |
響應速度 | 100-200ms (依賴網(wǎng)絡質量) | 300-500ms (試驗時較慢) | 50-150ms (本地計算) |
隱私性 | 中 (數(shù)據(jù)經(jīng)過第三方服務器) | 中 (數(shù)據(jù)經(jīng)過第三方服務器) | 高 (完全本地運行) |
硬件要求 | 無特殊要求 | 無特殊要求 | 16GB內存+獨立顯卡 |
成本 | ￥4/100 萬個 Tokens | $10/月訂閱費 | 一次性硬件投入 |
適用場景 | 日常辦公/簡單問答 | 程序開發(fā)/技術寫作 | 敏感數(shù)據(jù)處理/定制開發(fā) |
模型更新 | 自動更新 | 跟隨IDE版本 | 手動更新 |
離線可用性 | 否 | 否 | 完全離線 |
備注說明：
- ￥4/100 萬個 Tokens 是硅基流動的API價格，其相當于：
- 讓AI寫一個5000字的文章，花費約為：1萬 Tokens ÷ 100萬 Tokens × 4元 =0.04元；
- 讓AI每天寫100個5000字的文章，花費約為：100次 × 1000 Tokens = 10萬 Tokens → 10萬 ÷100萬 ×4元 =0.4元
內容小結
- DeepSeek大模型在部署方面，支持多種方式，滿足從普通用戶到開發(fā)者的不同需求。
- 對于普通用戶，使用chatbox+硅基流動接入云端API使用，可以實現(xiàn)快速接入和使用。
- 對于程序員，使用cursor+硅基流動接入云端API使用，可以實現(xiàn)代碼開發(fā)和調試輔助。
- 對于有安全隱私需求的用戶，使用ollama本地化部署使用，可以實現(xiàn)完全離線使用。
