从去年年底开始，国产 AI 大模型迅速崭露头角，其中由幻方量化旗下深度求索公司研发的 Deepseek，凭借其卓越表现，在上个月震撼了整个人工智能行业。这家位于杭州的中国公司将中国 AI 技术推向了世界一流的水准，并于 2025 年 1 月 20 日开源了 Deepseek R1 大模型。关于 Deepseek，这段时间也传来不少新闻，包括它曾遭遇黑客攻击，因此限制国外手机号注册 Deepseek 账号等问题。与此同时，OpenAI 首席执行官 Sam Altman 在社交平台 X 上发布了关于 ChatGPT 的未来规划，透露将为所有用户提供免费版 ChatGPT 的无限聊天权限，但需遵守滥用阈值，并计划推出 ChatGPT-4.5 和 ChatGPT-5。这些消息从侧面印证了 Deepseek R1 已经达到与 ChatGPT-4 相媲美的国际水平。
本文将介绍如何在安卓手机和桌面设备上分别部署本地运行的 Deepseek R1 模型，并搭建知识库。那么，为什么选择在本地部署 AI 大模型呢？本地部署 Deepseek 具有诸多显著优势。首先，数据隐私得到更好的保障，用户的私人数据无需上传至云端或第三方服务器，从而大大降低了数据泄露的风险。第二点，本地部署能够显著提高响应速度，因为无需依赖网络连接和远程服务器，特别是在网络不稳定时，用户体验更加流畅，尤其是现在 Deepseek 的官网由于大量用户访问已经造成了大概率都是“服务器繁忙，请稍后再试。”此外，离线使用是另一个重要优势，用户可以在没有网络环境的情况下，依然享受模型的服务，适用于高安全性或特殊场景。最后一点，通过本地部署，用户可以建立自己的数据库，实现对数据的完全控制和管理，进一步提高数据处理的灵活性与安全性。
当然，与此同时，运行 DeepseekAI 大模型需要强大的计算资源，如高性能的 CPU、GPU，以及大容量的内存和存储设备。这对于普通笔记本电脑而言，可能需要升级硬件，增加了成本和复杂性。部署完成的 R1 模型在推理能力、网络资源整合等方面肯定是不如直接从网页访问回答的准确和智能。
安卓端
部署 Ubuntu 环境
首先，需要准备相关工具。进入 Github 官网，搜索 Termux，找到最新的 APK 应用包并进行安装。Termux 是一款终端模拟器应用程序，专为 Android 系统设计，提供完整的 Linux 环境，允许用户在 Android 设备上运行 Linux 命令和工具，无需 root 权限。后续将通过 Termux 环境部署 Deepseek R1 模型。建议使用骁龙 8 Gen2 以上的设备进行部署，以保证性能。
进入 Termux 软件，输入termux-change-repo指令并运行：
应用程序内会弹出一个窗口，选择运行单个镜像文 “Single mirror Choose a single mirror to use”，并点击:
在下一个界面，找到清华大学镜像文件源(Tsinghua University)，如果没有找到，可以通过双手捏和将显示界面缩小找到，随后同样点击：
此时重新回到命令行界面，输入“pkg update && pkg upgrade”，更新升级至最新的软件包，等待完成后，输入“y”，
下一步，部署 Ubuntu 环境，需要一定的网络条件，分别安装顺序执行一下操作部署安装 Ubuntu工具，pkg i proot-distro，此命令使用 pkg 包管理器安装 proot-distro 工具，proot-distro install ubuntu：使用 proot-distro 工具安装 Ubuntu 发行版，安装完成后，再输入proot-distro login ubuntu：登录到已安装的 Ubuntu 环境，进入 Ubuntu 的命令行界面。完成以上操作后在命令行界面会有“ root@localhost：～#”，即表示成功进入Ubuntu 环境，此次下载部署在本地的Deepseek R1模型即将运行在此环境中。
下载 Deepseek 模型
在上一步最后的Ubuntu 环境命令行界面，输入“curl -fsSL https://ollama.com/install.sh | sh”，通过ollama官网下载Deepseek模型，等待进度条完成，需要一定的网络条件，随后进入如下界面：
在分别执行“OLLAMA_HOST=0.0.0.0”、“ OLLAMA_ORIGINS=* ”、“ollama serve”三个指令，更改接口并且运行ollama服务。此时，回到桌面，长按Termux图标，点击“New session”，回到应用内输入两个指令，启动Ubuntu环境，并下载ollama模型，回到Termux应用，输入“proot-distro login ubuntu”和“ollama run deepseek-r1:1.5b”，再输入回车，模型开始下载，等待完成即可。
不建议下载过于复杂的模型，数字越大意味着部署的模型就越聪明，同时所需的手机性能也会越高。
通过Chatbox 与 Deepseek 交互
模型下载完成后，不要关闭Termux 进程的后台，进入 Chatbox 官网，下载安卓版本 APK 文件完成应用安装，打开应用后，点击“使用自己的 API Key 或本地模型”，模型提供方依次选择 Ollama API，模型选择“Deepseek-r1:1.5 b”，可以对模型进行身份设定，方便回答用户问题，随后关闭Termux 和 Chatbox 应用。
每次启动 Chatbox 之前，重新打开 Termux 进入 Ubuntu 环境并 运行 ollama 模型，输入以下两个指令：“proot-distro login ubuntu”和“ollama serve”，回到 Chatbox，即可与 Deepseek 交流了。
受限于手机性能，可能需要一定的响应时间，请耐心等待，以下是实际体验，为了避免手机清理后台，建议将 Termux 锁定在后台。ok，以上为手机端部署 Deepseek 的全部内容了。
桌面端 Deepseek 建立知识库
在手机端部署本地 Deepseek 大模型相对复杂，但只要按照步骤操作，实际上可以很快完成部署。与此相比，桌面端的 Deepseek 部署要简单得多。桌面端不需要建立额外的环境，Windows 和 Mac 端的步骤大致相同，因此本文将重点介绍如何通过本地 Deepseek R1 模型在 Mac 端搭建自己的知识库。
下载 Ollama 模型
首先，访问 Ollama 官网，选择并下载适合 Mac 系统的版本。下载完成后，按照提示完成安装，安装后将解压得到的 Ollama 程序拖动到“应用程序”中。
接着，打开 Mac 系统的“终端”应用(Windows 用户则打开 CMD)，在终端中输入需要下载的 Ollama 模型对应的代码。具体的代码可以参考 Ollama 官网提供的说明。如果电脑配置较强，可以选择下载较大的模型版本。
需要注意的是，如果在下载过程中发现下载速度变慢，可以关闭当前的“终端”窗口，再重新打开并输入相同的指令。这样可以恢复更高的下载速度，并且下载进度会被保留，不会丢失。
搭建本地知识库
完成 Ollama 模型的下载后，接下来是搭建知识库。首先，访问 “AnythingLLM” 官网，根据操作系统下载并安装对应的版本。
安装完成后，打开程序，选择 “Ollama” 作为模型提供方，并选择 “8b （依据电脑配置）模型”。进入下一步时，跳过邮箱填写界面，直接创建一个新的工作区(Workspace)。
创建工作区后，进入到对话界面。接下来，点击工作区 “Test001”的设置按钮，进入“聊天设置”页面。在聊天提示框中对 AI 助手进行一些基本设定，以便模型能够更快速、更精准地回答用户的问题。同时，可以设置回答语言为中文，并保存这些设置。
接下来，需要上传并嵌入知识库文件。小编通过 AI 创建了一家虚拟的游戏公司，并将公司简介整理成一个 Word 文档。在准备好文件后，返回“Test001”工作区，点击右侧的上传按钮，将文件上传至“My Documents”。选中该文件后，点击 “Move to Workspace”，然后选择 “Saved and Embed” 以保存文件，最后执行“Pin to Workspace”操作。这些操作都会有提示，确保每个步骤都正确完成。
测试和提问
知识库搭建完成后，回到对话框，在工作区“Test001”中选择 “New Thread” 创建一个新的对话框。此时，可以开始向模型提问与知识库相关的问题。大模型将根据文档内容做出准确回答，确保知识库的内容能够被有效利用。
（知识库内容）
（AI 依据数据库的核心人员回答）
（AI 依据数据库的回答）
总结
以上是手机端部署本地 Deepseek 的教程以及通过 Mac 端部署 Deepseek R1 大模型并建立本地知识库的完整教程。从下载模型、搭建知识库到最后的测试与提问，每一步都很关键，只要按照步骤操作，就能够顺利完成整个过程。希望这篇教程能够帮助大家顺利搭建属于自己的本地知识库，提升使用 AI 模型的效率和体验。