企业官网建设流程全解析

简介：这份面向技术爱好者与开发者的文档，聚焦DeepSeek大模型的多平台部署，内容覆盖本地Ollama运行、苹果手机快捷指令、安卓Termux环境搭建，以及Open WebUI配合Docker Desktop的图形化方案，帮助读者依据硬件条件与使用偏好选择合适路径，降低跨终端配置门槛。压缩包共1个文件，为单一docx文档，大小约15KB，篇幅紧凑，便于在电脑或移动设备上快速查阅。文档已有767人学习，说明多平台部署需求较为集中。正文按部署路径分节组织，涉及模型拉取、接口密钥配置、命令行执行与网页界面联调等关键环节，并给出阶段式操作说明、验证思路和常见问题提示，同时提醒不同系统下的依赖差异与运行检查方式，适合希望把DeepSeek迁移到不同计算平台、需要一份可对照配置参考的开发者收藏。

1. 先弄明白一件事：DeepSeek 部署到底在部署什么

很多新手第一次听到「DeepSeek 部署」这四个字心里就发怵，以为得自己动手做一个 AI 出来。其实不是这样。DeepSeek 本身是一个已经训练好的模型，部署只是把它搬到你能控制的机器上，让它能开口回答你的问题。好比在线用是去餐厅吃饭，部署则是把厨师请回自家厨房——菜还是那些菜，但火候和上菜节奏由你自己说了算。

说人话就是：在你自己的电脑、手机，或者一台你说了算的机器上，让模型跑起来，随时能问、随时能停。这篇从零讲起，只讲新手怎么迈出第一步，不碰底层原理。

2. 为什么要学部署：本地跑模型解决的是谁的痛点

先说一句实话：如果你只是想偶尔问两句、查个资料，网页版就够了，没必要折腾部署。部署真正有价值的场景，是那些网页版给不了你的部分——比如网断了还得用、比如手上有些资料不方便往外发、比如你想让模型固定按你的套路回答、又比如你单纯想搞清楚 AI 模型部署这件事到底是怎么运转的。把这几条想明白，你才不会装到一半嫌麻烦就放弃。

2.1 三条路线先分清：哪条真的在本地跑，哪条其实在上网问

原材料里给了很多条路，新手最容易犯的错是把它们当成同一件事的不同皮肤。其实这几条路的本质差别很大，先分清这一点，后面才不容易翻车。

第一条是电脑上的本地部署，靠 Ollama 这个工具完成。Ollama 干的事很像一个「模型管家」：你去它那儿说一句「我要 DeepSeek」，它就自动把几个 G 的模型文件下载到你硬盘上，然后在你的机器里跑起来。模型是真真切切躺在你电脑里的，断网也能用。

第二条是安卓手机上的本地部署，走 Termux 这条路。Termux 是一个跑在手机上的命令行环境，它让安卓手机能像一台小电脑那样装依赖、编译程序。这条路的本质和第一条一样，都是把模型塞进你的设备，只不过设备从电脑换成了手机，所以要多做一步「编译」。

第三条是iPhone 上的快捷指令，这里必须提醒一句：它听着像「手机部署」，实质并不是。快捷指令干的事是给你做一个按钮，你点一下，它把你输入的问题发出去，再把回答显示出来。模型不在你手机上跑，所以才需要填 API Key。它解决的是「手机上点一下就能问」的体验问题，不是「模型在我手里」的掌控问题。这两件事差别很大，别混。

第四条是Open WebUI 加 Docker，这条路是给前两条配界面的。Docker 你可以理解成一个「标准集装箱」：把软件和它需要的环境一起打包，你直接搬过来就能用，不用管里面装了哪些依赖。Open WebUI 装在集装箱里，跑起来是一个网页聊天界面，背后连的还是你电脑上的 Ollama。所以它不是新的部署方式，是把黑窗口换成能点、能翻、能存历史记录的聊天页。

一句话概括这四条：前两条是真本地，第三条是换了个壳的在线调用，第四条是给本地部署装个好看的门面。搞清楚这个分类，你就知道自己到底在装什么了。

2.2 本地跑和在线用，差别到底在哪

差别可以归成四句话。

第一句是断网也能用。模型文件在你硬盘上，路由器拔了它照样回答，只是第一次下载模型的时候必须联网。这一点对经常在没网环境里干活的人特别重要，血泪经验是：别等到要用了才发现没下模型。

第二句是数据不出门。你输入的内容、你贴进去的文档片段，都只在你机器里转，不会发到别的地方去。很多人开始研究本地部署，起点就是这一点。

第三句是你可以随便折腾。同一个模型，你可以让它固定扮演某个角色、固定用某种格式回答、固定先给结论再给理由。这种「调教」在网页版上是受限制的，本地跑起来想怎么试就怎么试。

第四句是代价：吃硬件、速度慢。这是新手最容易忽略的一条。DeepSeek 这类模型有大小之分，几 B 到几十 B（B 指十亿参数）。参数越大越聪明，但也越吃内存。一台普通笔记本跑一个 7B 左右的模型，16G 内存勉强够，回答速度大概是一边打字一边等；跑更大的模型，机器会开始喘。所以入门阶段，我的建议永远是先选小的、先跑通，再往上加，而不是一上来就挑最大的那个。

2.3 我该选哪条路：一张对着选的表

下面这张表是给零基础的人做选择用的，不是技术对比，看「你手上有什么」和「你想要什么」两列就行。

选不出来就看这句话：想省事就从 Ollama 开始，想要界面就加 Open WebUI，想在路上用就再研究手机那两条。不要四条同时开工，会乱。

2.4 上手前先会什么：零基础的前置清单

很多人卡住不是因为笨，是因为缺了几样很小的基本功。入门的话建议先把下面这几件事确认一遍，每件都只要几分钟。

• 会打开终端。macOS 叫「终端」，Windows 叫 PowerShell，安卓上就是 Termux 那个黑底界面。知道怎么打开、怎么粘贴文字、怎么按回车执行就够了。
• 会复制粘贴命令。听起来很傻，但确实有人把命令里的$和提示符一起复制进去，结果一直报错。命令里以#开头的行是注释，不用敲。
• 知道自己的内存多大。Windows 在任务管理器里看，macOS 点左上角苹果图标看「关于本机」。这个数字直接决定你能跑多大的模型。
• 看得懂报错的第一行。报错往往有好几行，真正有用的通常是第一行和最后一行。看不懂也没关系，把整段复制出来搜，比瞎猜快得多。
• 接受「第一次一定不顺利」。装环境这件事有个玄学：同样的步骤，换一台机器就可能多一步。这不是你的问题。

3. 第一次跑通：用 Ollama 三步把 DeepSeek 装进自己电脑

这一章是全文最该动手的部分。整个过程其实只有三步：装 Ollama、拉模型、开口说话。下面的每一步都落一条命令或者一个动作，照着做就行。

3.1 第一步：装 Ollama，三个系统各点哪里

打开浏览器，访问 Ollama 的官方网站，首页会自动识别你的操作系统并给出对应的下载按钮。macOS 和 Windows 都是下载安装包，双击、一路下一步，装完系统里就多了一个叫ollama的命令。Linux 用户按官网给的脚本装，装完之后在终端里输入ollama --version能看到版本号，就说明成功了。

注意一个新手高频翻车点：装完之后一定要把终端窗口关掉重开一个。原因是你现在开着的这个终端，是在安装之前启动的，它不认识新装进来的命令。很多人装完立刻敲ollama，看到一整屏「command not found」就以为装失败了，其实只是没重开窗口。

重开之后，先跑一条最简单的验证命令：

# 查看 Ollama 版本，能打印出版本号说明安装成功且已进入 PATH ollama --version

这条命令只做一件事：确认系统能找得到ollama这个程序。如果它报「不是内部或外部命令」，先回去重开终端；重开还不行，就是安装路径没进环境变量，重新装一次通常比手动改路径快。

3.2 第二步：拉模型并启动，一条命令其实干了三件事

接下来这条命令是整个流程里最重要的一条：

# 拉取 deepseek-r1 的 7b 版本，并直接进入对话模式 # 第一次执行会自动从模型库下载模型文件，大小有几个 G，需要联网和耐心 ollama run deepseek-r1:7b

敲下去之后你会看到进度条在哪下载。这里要理解的是，这一条命令实际上连着干了三件事：

第一件是去模型库认领模型。冒号前面的deepseek-r1是模型名字，冒号后面的7b是版本标签，也就是参数量级别。名字和标签共同决定了下载哪一份文件，写错一个字就会提示找不到模型。

第二件是把模型文件下载到本地。这一步只发生在第一次，进度条走完，文件就躺在你硬盘上了。以后再跑同一条命令，它会直接跳到第三步，秒开。所以第一次慢是正常的，别以为是卡死了。

第三件是进入交互式对话模式。下载完成后，光标前面会变成一个提示符，你输入问题、按回车，模型就开始一个字一个字往外吐回答。想退出，按Ctrl + D或者输入/bye。

这里有个值得记住的小技巧：如果你只想下载不想立刻对话，把run换成pull就行；想看看自己机器上到底存了哪些模型，用这条：

# 列出本地已经下载好的所有模型，能看到名字、大小和下载时间 ollama list

3.3 第三步：把第一次对话完整跑一遍

模型下好之后，建议按下面这个顺序走一遍，每一步都能验证一个环节是不是通的。

先开一个新终端窗口，启动服务：

# 启动 Ollama 的后台服务，它默认监听本机的 11434 端口 ollama serve

正常情况下它会在那儿挂着不动，这表示服务起来了。这时候不要关这个窗口，另开一个窗口去对话。很多人把serve关掉再去run，然后发现连不上，就是这个原因。

再开一个窗口，确认服务真的活着：

# 向本地服务发一个请求，能返回版本信息就说明端口通 curl http://localhost:11434

看到返回一串包含版本号的文字，就说明服务在正常运行。这一步看着多余，但它把「服务有没有起来」和「模型能不能回答」拆成了两件事，后面出问题时能快速定位是哪一环坏了。

最后回到对话窗口，问一句简单的，比如「用三句话解释什么是模型部署」。看到回答一个字一个字出来，你的第一次本地部署就算跑通了。这个瞬间挺爽的，我第一次跑通的时候盯着屏幕看了半天，因为那几行字是从我自己电脑里长出来的。

3.4 7b、8b 这些数字是什么意思，选大了会怎样

新手最常问的就是这个。7b、8b里的 B 指十亿参数，你可以把它理解成模型的「脑容量档位」。档位越高，理解复杂问题的能力越强，但对内存的要求也越高，回答速度越慢。

选择的经验是：先按你内存的一半来估。16G 内存的机器，跑 7B 这一档比较稳；8G 内存的机器，建议找更小的版本，或者干脆接受「问一句等半分钟」的节奏。跑到一半机器开始卡、风扇狂转、甚至进程被系统杀掉，八成就是模型选大了——这不是玄学，是内存真的不够用了。

还有一点要提前说清楚：小模型不是大模型的缩小版全能替身。它在日常问答、写短文案、整理思路这些事上够用，但遇到需要长链条推理的活儿，它会明显吃力。入门阶段的目标是「跑通 + 熟悉流程」，不是「一步到位找到最强模型」。

4. 手机端和网页端：另外三条路线的完整走法

电脑上跑通之后，很多人会想：能不能在手机上也能用？能不能别对着黑窗口？这一章把剩下的三条路补齐。建议一次只做一条，做完一条再开下一条。

4.1 iPhone：用快捷指令做一个「点一下就能问」的按钮

先说清楚它的定位：这条路不下载模型，它只是在你手机上做一个按钮，把问题发出去、把答案显示出来，所以必须准备一个可用的 API Key——也就是调用模型服务的凭证，相当于一张通行证。Key 从你使用的服务方那里获取，拿到后自己保存好，别随手发到群里。

具体走法是这样的：

1. 用 iPhone 自带的 Safari 打开快捷指令的分享链接，点「获取快捷指令」，把它添加到你的快捷指令库里。
2. 打开这个快捷指令，找到需要填 Key 的那一格，把 API Key 粘贴进去。粘贴完退出来再进一次，确认它真的保存住了。
3. 第一次运行时，系统会弹窗问你是否允许这个快捷指令访问网络，选「允许」。这一步不点，后面每次都会静默失败，什么提示都没有。

跑通之后，你可以把它加到主屏幕，变成一个图标，点一下就能输入问题。想更顺手一点，还可以把它绑到「轻点背面」上，手机背面敲两下就弹出来。

这里有一个容易被忽略的点：快捷指令这条路和本地部署是两套东西。你在电脑上用 Ollama 跑起来的模型，手机上的快捷指令是够不着的。想在自己手机上调自己电脑上的模型，得让手机和电脑在同一个局域网里，还得额外做端口访问的配置——这件事对新手来说性价比不高，先别碰。

4.2 安卓：在 Termux 里从零把 Ollama 编译起来

这条路是四条里步骤最多的，但它也是唯一一个真正把模型装进手机的方案。耐心一点，一步一步来。

第一步，装 Termux。去它官方发布的安装包页面下载 APK 装上。装完打开，先给存储权限并更新软件包：

# 给 Termux 访问手机存储的权限，执行后会弹窗，点允许 termux-setup-storage # 更新软件包列表并把已装的包升级到最新，-y 表示全部同意 pkg update && pkg upgrade -y

第二步，装编译 Ollama 需要的一堆依赖：

# git 用来拉源码，cmake 和 golang 是编译工具，libjpeg-turbo 是图像处理相关的库 pkg install git cmake golang libjpeg-turbo -y

第三步，把 Ollama 的源码拉下来并编译：

# --depth 1 表示只取最新一次提交，能省下大量流量和等待时间 git clone --depth 1 https://github.com/ollama/ollama.git # 进入源码目录 cd ollama # 生成编译需要的代码，然后正式编译 go generate ./... go build .

go build .这一步会跑挺久，手机性能越弱等得越久，中途屏幕别锁、别切后台，不然容易断。编译完当前目录里会多出一个ollama可执行文件，这就是你的成果。

第四步，启动服务并验证：

# 启动 Ollama 服务，末尾的 & 表示放到后台运行，这样还能继续敲命令 ./ollama serve & # 验证服务是否真的起来了，能返回版本信息就算通了 curl http://localhost:11434

第五步，拉模型并对话：

# 拉取模型，标签以你能下载到的为准 ./ollama pull deepseek-r1:8b # 运行模型，进入对话 ./ollama run deepseek-r1:8b

注意这里所有的命令前面都带./，因为你运行的是当前目录下的程序，不是系统里安装的程序。这个细节新手特别容易漏，漏了就报「command not found」。

4.3 Open WebUI 加 Docker：把黑窗口换成网页聊天界面

前面几步跑完之后，你可能已经受够了终端：不能翻历史、不能复制长回答、界面也不好看。Open WebUI 解决的正是这件事——它在 Docker 里跑一个网页应用，你打开浏览器就能像用普通聊天工具那样对话。

安装顺序有讲究，别跳步：

1. 先确认 Ollama 已经在电脑上装好并且能用（第 3 章那三步跑通过）。
2. 再装 Docker Desktop。去 Docker 官网下载对应系统的安装包，装完启动它，等右下角图标变成稳定状态再继续。
3. 打开终端，跑下面这条命令把 Open WebUI 拉起来：

# -d 后台运行；-p 3000:8080 把容器里的 8080 端口映射到你电脑的 3000 # --add-host 让容器里能通过 host.docker.internal 访问到你电脑上的 Ollama # -v 把数据存到一个独立的卷里，容器删了聊天记录还在 docker run -d -p 3000:8080 \ --add-host=host.docker.internal:host-gateway \ -v open-webui:/app/backend/data \ --name open-webui \ ghcr.io/open-webui/open-webui:main

这条命令里的参数值得逐个知道一下：-p 3000:8080的意思是「外面用 3000，里面用 8080」，所以你在浏览器里访问的是http://localhost:3000；--add-host那一行是关键，没有它，容器里的网页就找不到你电脑上的 Ollama，表现就是登录进去了但一个模型都看不到；-v那一行是给自己留个后悔药，以后换镜像、重建容器，聊天记录不会一起没。

4. 打开浏览器访问http://localhost:3000，第一次会让你注册一个本地账号，随便填，这个账号只存在你自己机器上。

进去之后如果模型列表是空的，回到第 3 章那条ollama serve，确认服务在跑，再刷新页面。镜像名和端口在不同时期可能有变化，一切以仓库首页的说明为准，别死记我这里的写法。

4.4 三条路怎么搭：给新手一个够用的组合

不用全装。我的建议是这个组合：电脑上装 Ollama 打底，再装 Open WebUI 当日常入口，手机端等有需要了再说。理由很实在——Ollama 是地基，Open WebUI 是门面，两个加起来就把「能跑」和「好用」都占了；手机那两条，一条要编译、一条要 Key，都属于「有了更好，没有也不影响入门」。

5. 新手避坑：五个最容易翻车的地方怎么排查

这一章是给已经动手、正在卡住的人看的。下面五条是最高频的，每条按「现象 → 原因 → 解决」写，对号入座就行。

5.1 坑一：命令敲进去提示「找不到这个命令」

现象：敲ollama或者docker，终端回一句「command not found」或者「不是内部或外部命令」。

原因：三种可能。最常见的是装完没重开终端，旧的窗口不认识新装的程序；其次是真的没装上，或者装到了系统不认识的路径里；安卓上则是漏了./，ollama和./ollama对系统来说是完全不同的两个东西。

解决：先关掉终端重开一个，再试。还不行就重装一次，比手动改环境变量省事。安卓上记住当前目录下的程序要加./。

5.2 坑二：模型下载到一半卡住不动，以为死机了

现象：进度条停在某个百分比很久，或者速度从几兆掉到几十 K。

原因：模型文件有好几个 G，下载速度受网络波动影响很大，进度条不动不等于失败。另外硬盘空间不够时，也会表现成下到一半没反应。

解决：先别关，等几分钟看进度条会不会动。确认硬盘还有几十 G 空闲。实在反复失败就换个时间重来，已经下载的部分通常会复用，不用从头开始。

5.3 坑三：一提问机器就卡死，或者进程直接消失

现象：模型能下、能启动，但一问长一点的问题，风扇狂转，机器卡住，终端里的进程没了。

原因：模型选大了，内存不够。系统在内存吃紧的时候会主动杀掉占用最大的进程，表现出来就是「莫名其妙退出了」，其实是被系统清理了。

解决：换更小的版本重来，先把流程跑顺。跑之前关掉浏览器的一大堆标签页和其他吃内存的软件。这一步没有技巧，就是承认硬件有上限。

5.4 坑四：安卓上编译到一半报错退出

现象：go build .跑到中途刷出一堆红色报错，或者go generate就失败了。

原因：多数是依赖没装全，或者中途切了后台导致进程被打断。手机上的编译对内存和电量的要求比想象中高。

解决：把pkg install那一行重跑一遍，确保依赖齐了；编译期间别锁屏、别切应用；实在不行就重新git clone一份干净的源码再编。这条路的容错率确实低，编不过也别怀疑自己。

5.5 坑五：Open WebUI 打开了，但一个模型都看不到

现象：浏览器能进localhost:3000，也能注册，就是模型列表空的，或者报连接失败。

原因：容器里的应用找不到你电脑上的 Ollama。容器是一个相对封闭的环境，它说的localhost指的是容器自己，不是你电脑。

解决：确认启动命令里带了--add-host=host.docker.internal:host-gateway；确认ollama serve在另一个窗口里跑着；确认模型真的下载过（用ollama list看一眼）。三样都对了，刷新页面就出来了。

5.6 出错时的排查顺序：从下往上查，别一上来就重装

新手最常见的反应是「坏了，重装吧」。重装会把已经跑通的部分也一起清掉，反而更乱。建议按这个顺序查：

第一步，看服务在不在。curl http://localhost:11434有没有返回。服务不通，后面全是白搭。

第二步，看模型在不在。ollama list里有没有你要的那个名字。名字对不上，就是标签写错了。

第三步，看端口通不通。浏览器能不能打开localhost:3000。打不开是容器的问题，打得开但没模型是连接的问题。

第四步，才去看日志和报错全文。到这一步再搜，命中率会高很多，因为你知道自己卡在哪一环了。

6. 下一步学什么：从「能跑」到「会用」的三级台阶

跑通第一个例子之后，很多人会陷入一种空转：模型装好了，但不知道拿它干嘛，问两句就没词了。这不是你的问题，是学习路径断了一截。下面这三级台阶，是我见过的零基础新手走起来最顺的顺序。

第一级，先把「怎么问」练熟。同一件事，问法不同，结果差很远。你可以拿一个固定问题反复试：先直接问，再换成「先给结论再给三条理由」，再换成「用给外行解释的口吻」，对比三次的输出。这一步不花任何成本，但收益最大——很多人以为部署是为了跑模型，其实真正决定体验的是你会不会提问。

第二级，把模型接进你的日常流程。比如固定让它帮你整理会议记录、固定用它把一段长文压成要点、固定用它检查邮件语气。做法是把那句固定的指令存成一个文本文件，每次复制过去，而不是每次重新组织语言。这一步的意义在于：你开始有个「助手」，而不是有个「玩具」。

第三级，才去碰参数和界面的进阶功能。Open WebUI 里可以建多个对话、可以给模型预设角色、可以调回复的随机程度。这些东西在你不熟悉模型脾气之前调，只会把变量搞乱。顺序反了，就是玄学。

还有一个具体的技巧值得单独拎出来：给自己建一个「翻车记录」。每次装环境失败，把报错原文和最后解决的动作记一行。我最早那半年全靠这个，因为同样的问题隔一个月一定会再犯一次，而人会忘。有了这份记录，第二次遇到只需要三十秒。

最后说个我自己的习惯。从那以后我每次折腾新环境，都会先在纸上写一句「这次要跑通的最小目标是什么」，写完才开始动手——比如第一次装 Ollama，我的目标就只有「问一句，看到回答」，Docker、界面、手机全都不碰。目标一窄，翻车的面积就小，跑通之后再加东西，心态完全不一样。希望你也能顺顺利利跑通第一个例子，后面的事，一步一步来就好。

本文还有配套的精品资源，点击获取