前言

DeepSeek作为国产顶尖大模型，在代码生成和逻辑推理方面表现优异。本文提供三种不同场景下的接入方案，满足从普通用户到开发者的不同需求。

当前问题

由于访问量激增和网络攻击，官网服务可能出现不稳定。本文提供三种备用接入方案：

1. 方法一：使用chatbox+硅基流动接入云端API使用(适合于普通用户使用)
2. 方法二：使用Cursor+硅基流动接入云端API使用(适合于程序员人群)
3. 方法三：使用ollama本地化部署使用(适用于有安全隐私需求的用户)

方法一：使用chatbox+硅基流动接入云端API使用

1. 安装chatbox

1. 访问 https://chatboxai.app/
2. 下载对应版本并安装chatbox

说明：
1. 本例中以Windows为例，其他平台请参考官网

2. 注册硅基流动账号

1. 访问硅基流动官网 https://siliconflow.cn/m
2. 完成注册和实名认证

说明：
硅基流动现在注册并实名认证后，会赠送14元金额试用。

3. 获取API Key

1. 登录后，点击左侧菜单栏的「API密钥」
2. 选择「API密钥」->「新建API密钥」
3. 输入密钥描述内容后，点击「新建密钥」

4. 配置chatbox

1. 设置 -> 模型提供商 -> 选择「SiliconFlow API」
2. 在API密钥框，将上一步获取的API Key填入「API 密钥」
3. 在模型框，选择「deepseek-r1」后，点击保存

5. 测试模型效果

输入测试问题："用比喻的方式解释deepseek模型为什么性能要优于OpenAI"

方法二：使用cursor+硅基流动接入云端API使用

1. 安装cursor

1. 访问 https://www.cursor.com/
2. 下载并安装IDE
3. 注册cursor账号

2. 配置硅基流动API

1. 打开Cursor设置对话框
2. 左侧选择Models
3. 在OpenAI API Key框，填入硅基流动上创建的API Key
4. 在OpenAI Base URL框，填入https://api.siliconflow.cn/v1并保存
5. 点击Add Model，输入deepseek-ai/DeepSeek-R1
6. 点击Verify，验证模型是否可用

说明：
• 硅基流动的API Base URL可以在硅基流动官网的模型广场，选择对应的模型查看其API文档获得。
• 模型名称deepseek-ai/DeepSeek-R1可以在硅基流动的模型广场中，选择对应的模型后直接复制获得。

3. 测试代码功能

1. 使用cursor创建一个新的项目，例如"俄罗斯方块游戏"
2. 使用快捷键Cmd/Ctrl+I打开Composer界面
3. 输入我们的需求后回车，例如："请使用html实现一个俄罗斯方块游戏"
4. Cursor会调用硅基流动的DeepSeek-R1模型，自动生成俄罗斯方块游戏，如下图：
5. 使用浏览器打开生成的tetris.html文件，即可看到俄罗斯方块游戏，如下图：

备注：
1. Cursor有14天的试用期，试用期结束后需要购买订阅才能继续使用。
2. 经过实测，使用Cursor内置的DeepSeek-R1模型会比硅基流动API的DeepSeek-R1模型速度会更快。

方法三：使用ollama本地化部署使用

1. 硬件配置

模型规模	使用场景	CPU核心	内存容量	显卡型号	显存需求	推荐部署方式
1.5B	嵌入式设备	4核	8GB	Jetson Orin	6GB	4-bit量化+TensorRT加速
7B	个人开发/测试	8核	32GB	RTX 3060	14GB	FP16精度+单卡推理
70B	企业级服务	32核×4	512GB	A100 80G ×4	320GB	张量并行+流水线并行
671B	超大规模计算	64核×8	2TB	H100 80G ×16	1.28TB	混合并行+专家并行

注明：
• 显存预估方式一般为：模型参数×2.5（如7B模型需7×2.5=17.5GB，需RTX 3090 24GB）
• 本例中，笔者使用的是RTX 4080显卡16G显存，所以选择7B模型。

2. 安装ollama

1. 访问ollama官网 https://ollama.com/
2. 根据系统选择对应的安装方式

# Windows用户：访问 https://ollama.com/download/windows 下载安装包
# Mac用户：访问 https://ollama.com/download/mac 下载安装包
# Linux用户：执行
curl -fsSL https://ollama.com/install.sh | sh

说明：
1. 本例中以Windows为例，其他平台请参考官网
2. 安装完成后，在命令行中输入ollama可以看到命令行帮助文档

3. 配置ollama的下载路径

因为ollama默认下载路径为C:\Users\用户名\.ollama，所以我们需要配置ollama的下载路径，避免C盘占用过大。

1. 在系统设置→搜索"环境变量"→高级系统设置→添加系统变量中新增Ollama的下载路径

变量名：OLLAMA_MODELS
变量值：G:\ai_LLMs_modules\Ollama

说明：变量值请根据自己的情况修改，本例中是G:\ai_LLMs_modules\Ollama

3. 下载DeepSeek大模型

1. 访问ollama模型查询页面https://ollama.com/search
2. 搜索deepseek-r1模型
3. 根据本机配置情况，我们选择deepseek-r1:7b模型，执行如下命令

ollama run deepseek-r1:7b

4. 下载模型根据网络环境会花费不同的时间，待下载完成后，会提示"success"

4. 测试模型效果

>>> 请用Python写一个快速排序算法

5. 集成前端UI

因为ollama本身没有提供前端UI，通过命令行交互起来比较繁琐。
所以，我们可以根据之前介绍的方法一或方法二，将模型集成到前端chatbox或者cursor中。

本例，我们采用方法一，将模型集成到chatbox中。

1. 打开chatbox，点击设置
2. 模型提供方选择 Ollama API
3. API域名填写 http://127.0.0.1:11434
4. 模型选择 deepseek-r1:7b
5. 点击保存

运行效果：

说明：
经过实测，笔者4080显卡16G显存，使用ollama本地化部署deepseek-r1:7b 模型，显存占用约7G，可以实现流畅的交互体验。

优缺点对比

对比维度	方法一：ChatBox+API	方法二：Cursor+API	方法三：Ollama本地部署
部署难度	⭐⭐ (需注册API Key)	⭐⭐⭐ (需IDE配置)	⭐⭐⭐⭐ (需硬件环境)
响应速度	100-200ms (依赖网络质量)	300-500ms (试验时较慢)	50-150ms (本地计算)
隐私性	中 (数据经过第三方服务器)	中 (数据经过第三方服务器)	高 (完全本地运行)
硬件要求	无特殊要求	无特殊要求	16GB内存+独立显卡
成本	￥4/100 万个 Tokens	$10/月订阅费	一次性硬件投入
适用场景	日常办公/简单问答	程序开发/技术写作	敏感数据处理/定制开发
模型更新	自动更新	跟随IDE版本	手动更新
离线可用性	否	否	完全离线

备注说明：
1. ￥4/100 万个 Tokens 是硅基流动的API价格，其相当于：
• 让AI写一个5000字的文章，花费约为：1万 Tokens ÷ 100万 Tokens × 4元 = 0.04元；
• 让AI每天写100个5000字的文章，花费约为：100次 × 1000 Tokens = 10万 Tokens → 10万 ÷100万 ×4元 = 0.4元

内容小结

• DeepSeek大模型在部署方面，支持多种方式，满足从普通用户到开发者的不同需求。
• 对于普通用户，使用chatbox+硅基流动接入云端API使用，可以实现快速接入和使用。
• 对于程序员，使用cursor+硅基流动接入云端API使用，可以实现代码开发和调试辅助。
• 对于有安全隐私需求的用户，使用ollama本地化部署使用，可以实现完全离线使用。

Tips： 1、点击左下角"阅读原文"，可以查看原始文章。 2、关注公众号后发送关键字，可以获得相应文章链接，例如：课程总结

更多「17AI技术」精彩内容，欢迎点击「阅读原文」