手機端本地部署 Deepseek +桌面端 Deepseek 搭建知識庫教程

【天極網手機頻道】從去年年底開始，國產 AI 大模型迅速嶄露頭角，其中由幻方量化旗下深度求索公司研發的 Deepseek，憑藉其卓越表現，在上個月震撼了整個人工智能行業。這家位於杭州的中國公司將中國 AI 技術推向了世界一流的水準，並於 2025 年 1 月 20 日開源了 Deepseek R1 大模型。關於 Deepseek，這段時間也傳來不少新聞，包括它曾遭遇駭客攻擊，因此限制國外手機號註冊 Deepseek 賬號等問題。與此同時，OpenAI 首席執行官 Sam Altman 在社交平台 X 上發佈了關於 ChatGPT 的未來規劃，透露將為所有用戶提供免費版 ChatGPT 的無限聊天權限，但需遵守濫用閾值，並計劃推出 ChatGPT-4.5 和 ChatGPT-5。這些消息從側面印證了 Deepseek R1 已經達到與 ChatGPT-4 相媲美的國際水平。

  本文將介紹如何在Android手機和桌面設備上分別部署本地運行的 Deepseek R1 模型，並搭建知識庫。那麼，為什麼選擇在本地部署 AI 大模型呢？本地部署 Deepseek 具有諸多顯著優勢。首先，數據隱私得到更好的保障，用戶的私人數據無需上傳至雲端或第三方服務器，從而大大降低了數據泄露的風險。第二點，本地部署能夠顯著提高響應速度，因為無需依賴網絡連接和遠程服務器，特別是在網絡不穩定時，用戶體驗更加流暢，尤其是現在 Deepseek 的官網由於大量用戶訪問已經造成了大概率都是“服務器繁忙，請稍後再試。”此外，離線使用是另一個重要優勢，用戶可以在沒有網絡環境的情況下，依然享受模型的服務，適用於高安全性或特殊場景。最後一點，通過本地部署，用戶可以建立自己的數據庫，實現對數據的完全控制和管理，進一步提高數據處理的靈活性與安全性。

  當然，與此同時，運行 DeepseekAI 大模型需要強大的計算資源，如高性能的 CPU、GPU，以及大容量的內存和存儲設備。這對於普通筆記本電腦而言，可能需要升級硬件，增加了成本和複雜性。部署完成的 R1 模型在推理能力、網絡資源整合等方面肯定是不如直接從網頁訪問回答的準確和智能。

 Android端

部署 Ubuntu 環境

  首先，需要準備相關工具。進入 Github 官網，搜索 Termux，找到最新的 APK 應用包並進行安裝。Termux 是一款終端模擬器應用程式，專為 Android 系統設計，提供完整的 Linux 環境，允許用戶在 Android 設備上運行 Linux 命令和工具，無需 root 權限。後續將通過 Termux 環境部署 Deepseek R1 模型。建議使用Snapdragon 8 Gen2 以上的設備進行部署，以保證性能。

  進入 Termux 軟件，輸入termux-change-repo指令並運行：

  應用程式內會彈出一個窗口，選擇運行單個鏡像文 “Single mirror Choose a single mirror to use”，並點擊:

  在下一個界面，找到清華大學鏡像文件源(Tsinghua University)，如果沒有找到，可以通過雙手捏和將顯示界面縮小找到，隨後同樣點擊：

  此時重新回到命令行界面，輸入“pkg update && pkg upgrade”，更新升級至最新的軟件包，等待完成後，輸入“y”，

  下一步，部署 Ubuntu 環境，需要一定的網絡條件，分別安裝順序執行一下操作部署安裝 Ubuntu工具，pkg i proot-distro，此命令使用 pkg 包管理器安裝 proot-distro 工具，proot-distro install ubuntu：使用 proot-distro 工具安裝 Ubuntu 發行版，安裝完成後，再輸入proot-distro login ubuntu：登錄到已安裝的 Ubuntu 環境，進入 Ubuntu 的命令行界面。完成以上操作後在命令行界面會有“ root@localhost：～#”，即表示成功進入Ubuntu 環境，此次下載部署在本地的Deepseek R1模型即將運行在此環境中。

  下載 Deepseek 模型

  在上一步最後的Ubuntu 環境命令行界面，輸入“curl -fsSL https://ollama.com/install.sh | sh”，通過ollama官網下載Deepseek模型，等待進度條完成，需要一定的網絡條件，隨後進入如下界面：

  在分別執行“OLLAMA_HOST=0.0.0.0”、“ OLLAMA_ORIGINS=* ”、“ollama serve”三個指令，更改接口並且運行ollama服務。此時，回到桌面，長按Termux圖標，點擊“New session”，回到應用內輸入兩個指令，啟動Ubuntu環境，並下載ollama模型，回到Termux應用，輸入“proot-distro login ubuntu”和“ollama run deepseek-r1:1.5b”，再輸入回車，模型開始下載，等待完成即可。 

  不建議下載過於複雜的模型，數字越大意味著部署的模型就越聰明，同時所需的手機性能也會越高。

  通過Chatbox 與 Deepseek 交互

  模型下載完成後，不要關閉Termux 進程的後台，進入 Chatbox 官網，下載Android版本 APK 文件完成應用安裝，打開應用後，點擊“使用自己的 API Key 或本地模型”，模型提供方依次選擇 Ollama API，模型選擇“Deepseek-r1:1.5 b”，可以對模型進行身份設定，方便回答用戶問題，隨後關閉Termux 和 Chatbox 應用。

  每次啟動 Chatbox 之前，重新打開 Termux 進入 Ubuntu 環境並 運行 ollama 模型，輸入以下兩個指令：“proot-distro login ubuntu”和“ollama serve”，回到 Chatbox，即可與 Deepseek 交流了。

  受限於手機性能，可能需要一定的響應時間，請耐心等待，以下是實際體驗，為了避免手機清理後台，建議將 Termux 鎖定在後台。ok，以上為手機端部署 Deepseek 的全部內容了。

  桌面端 Deepseek 建立知識庫

  在手機端部署本地 Deepseek 大模型相對複雜，但只要按照步驟操作，實際上可以很快完成部署。與此相比，桌面端的 Deepseek 部署要簡單得多。桌面端不需要建立額外的環境，Windows 和 Mac 端的步驟大致相同，因此本文將重點介紹如何通過本地 Deepseek R1 模型在 Mac 端搭建自己的知識庫。

  下載 Ollama 模型

  首先，訪問 Ollama 官網，選擇並下載適合 Mac 系統的版本。下載完成後，按照提示完成安裝，安裝後將解壓得到的 Ollama 程式拖動到“應用程式”中。 

  接著，打開 Mac 系統的“終端”應用(Windows 用戶則打開 CMD)，在終端中輸入需要下載的 Ollama 模型對應的代碼。具體的代碼可以參考 Ollama 官網提供的說明。如果電腦配置較強，可以選擇下載較大的模型版本。 

  需要注意的是，如果在下載過程中發現下載速度變慢，可以關閉當前的“終端”窗口，再重新打開並輸入相同的指令。這樣可以恢復更高的下載速度，並且下載進度會被保留，不會丟失。

  搭建本地知識庫

  完成 Ollama 模型的下載後，接下來是搭建知識庫。首先，訪問 “AnythingLLM” 官網，根據操作系統下載並安裝對應的版本。

安裝完成後，打開程式，選擇 “Ollama” 作為模型提供方，並選擇 “8b （依據電腦配置）模型”。進入下一步時，跳過郵箱填寫界面，直接創建一個新的工作區(Workspace)。

  創建工作區後，進入到對話界面。接下來，點擊工作區 “Test001”的設置按鈕，進入“聊天設置”頁面。在聊天提示框中對 AI 助手進行一些基本設定，以便模型能夠更快速、更精準地回答用戶的問題。同時，可以設置回答語言為中文，並保存這些設置。 

  接下來，需要上傳並嵌入知識庫文件。小編通過 AI 創建了一家虛擬的遊戲公司，並將公司簡介整理成一個 Word 文檔。在準備好文件後，返回“Test001”工作區，點擊右側的上傳按鈕，將文件上傳至“My Documents”。選中該文件後，點擊 “Move to Workspace”，然後選擇 “Saved and Embed” 以保存文件，最後執行“Pin to Workspace”操作。這些操作都會有提示，確保每個步驟都正確完成。 

  測試和提問

  知識庫搭建完成後，回到對話框，在工作區“Test001”中選擇 “New Thread” 創建一個新的對話框。此時，可以開始向模型提問與知識庫相關的問題。大模型將根據文檔內容做出準確回答，確保知識庫的內容能夠被有效利用。 

（知識庫內容）

（AI 依據數據庫的核心人員回答）

總結

  以上是手機端部署本地 Deepseek 的教程以及通過 Mac 端部署 Deepseek R1 大模型並建立本地知識庫的完整教程。從下載模型、搭建知識庫到最後的測試與提問，每一步都很關鍵，只要按照步驟操作，就能夠順利完成整個過程。希望這篇教程能夠幫助大家順利搭建屬於自己的本地知識庫，提升使用 AI 模型的效率和體驗。