Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

本地 部署deepseek

Answer

DeepSeek 相关信息如下：

  • DeepSeek 有多种含义，包括公司、网站、手机应用和大模型，尤其是具有推理功能的 DeepSeek R1 大模型，其权重文件开源，可本地部署。
  • 模型方面，Janus-Pro 是一种新型自回归框架，将图像理解和生成统一在一个模型中，模型（7B）：https://huggingface.co/deepseek-ai/Janus-Pro-7B ，模型（1B）：https://huggingface.co/deepseek-ai/Janus-Pro-1B 。
  • 联网版的实现方式：通过工作流+DeepSeek R1 大模型，需要拥有扣子专业版账号，开通 DeepSeek R1 大模型的访问地址为：https://console.volcengine.com/coze-pro/overview?scenario=coze ，添加在线推理模型，添加后在扣子开发平台才能使用，还需创建智能体。
  • 相关新闻：
Content generated by AI large model, please carefully verify (powered by aily)

References

详解：DeepSeek深度推理+联网搜索 目前断档第一

deepseek公司：深度求索deepseek网站、手机应用deepseek大模型，尤其是指有推理功能的deepseek R1大模型，权重文件开源，可本地部署DeepSeek的官方频道：微信公众号：DeepSeek小红书：@DeepSeek（deepseek_ai)X(Twitter):DeepSeek(@deepseek_ai)最新消息：[DeepSeek深夜发布大一统模型Janus-Pro将图像理解和生成统一在一个模型中](https://waytoagi.feishu.cn/wiki/SneLwRmsYiUaI6kvxltcEBPPnhb)deepseek刚刚发布了新模型-一个强大的框架，它将图像理解和生成统一在一个模型中！！！上一个是智源开源的Emu3模型（7B）：https://huggingface.co/deepseek-ai/Janus-Pro-7B模型（1B）：https://huggingface.co/deepseek-ai/Janus-Pro-1BJanus-Pro是一种新型的自回归框架，它统一了多模态理解和生成。它通过将视觉编码解耦为独立的路径来解决先前方法的局限性，同时仍然利用单一的统一变压器架构进行处理。解耦不仅缓解了视觉编码器在理解和生成中的角色冲突，还增强了框架的灵活性。Janus-Pro超越了之前的统一模型，并匹配或超过了特定任务模型的性能。Janus-Pro的简单性、高灵活性和有效性使其成为下一代统一多模态模型的有力候选者。

韦恩: 被困在离线孤岛？DeepSeek 联网版 我已经用扣子实现了！！ 不卡顿！！

甚至是一夜之间，DeepSeek R1大模型成了国民刚需，官网卡顿，不能使用联网搜索等等困扰了很多人，也有很多平台都上线了DeepSeek R1的各种版本，但是很少有满血版本，再就是很多是不能联网，这很痛苦。本地部署的版本前两天也带学员和粉丝们部署和体验了，总的来说能作为替补，很难作为长期使用的版本，为此苦苦寻觅。今天终于找到了更好，更舒服的打开方式。[heading1]核心路径[content]通过工作流+DeepSeek R1大模型，实现联网版的R1大模型。下面就带大家一步步来实现。[heading1]拥有扣子专业版账号[content]如果你还是普通账号，请自行升级或注册专业号后使用开通成功的是这样：[heading1]开通DeepSeek R1大模型[content]访问地址：https://console.volcengine.com/coze-pro/overview?scenario=coze打开火山方舟，找到开通管理，找到DeepSeek R1模型，点击开通服务添加在线推理模型，添加后在扣子开发平台才能使用添加过程：添加模型：完成接入：[heading1]创建智能体[content]点击创建，先完成一个智能体的创建

2月7日 社区动态速览

《[陈巍：DeepSeek是否有国运级的创新？从V3到R1的架构创新与误传的万字长文分析（上）](https://zhuanlan.zhihu.com/p/21208287743)》DeepSeek最新模型V3与R1采用混合专家（MoE）架构，显著提升计算效率，挑战OpenAI的闭源模型。V3引入多头潜注意力（MLA），将KV缓存压缩至新低，提升计算性能。R1则通过强化学习激活推理能力，首次验证无需监督微调即可实现推理。DeepSeek正以“国运级的创新”打破算力壁垒，开启大模型新时代。《[AI「视觉图灵」时代来了！字节OmniHuman，一张图配上音频，就能直接生成视频](https://mp.weixin.qq.com/s/0OYlkcxoFvx6Z9IN-aq90w)》字节跳动推出的新技术OmniHuman，利用单张图片和音频生成生动的视频，突破了传统技术的局限。它通过多模态混合训练，解决了高质量数据稀缺的问题，实现了对任意尺寸图像的支持，生成自然的人物运动。《[甲子光年：2025 DeepSeek开启AI算法变革元年](https://waytoagi.feishu.cn/record/S5Jtrlw9neyXMccQ6CAcZsxHnXu)》DeepSeek的出现标志着算力效率拐点显现，其通过优化算法架构，显著提升了算力利用效率，打破了算力至上的传统认知。同时，AI基础大模型的参数量迎来拐点，2025年发布的大模型呈现低参数量特征，为本地化部署到AI终端运行提供了可能。此外，报告强调2025年是算法变革的元年，DeepSeek的推理模型开启了算法变革，其训练过程聚焦于强化学习，提升了模型的推理能力。

Others are asking
deepseek入门到精通
以下是关于 DeepSeek 从入门到精通的相关内容： 效果对比：用 Coze 做了小测试，可对比查看相关视频。 如何使用： 搜索 www.deepseek.com，点击“开始对话”。 将装有提示词的代码发给 Deepseek。 认真阅读开场白之后，正式开始对话。 设计思路： 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻自己的调试负担。 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性。 照猫画虎参考大模型的 temperature 设计了阈值系统，可能形式大于实质，之后根据反馈可能会修改。 用 XML 来进行更为规范的设定，而不是用 Lisp（对作者有难度）和 Markdown（运行下来似乎不是很稳定）。 完整提示词：v 1.3 特别鸣谢：李继刚的【思考的七把武器】在前期为作者提供了很多思考方向；Thinking Claude 是作者现在最喜欢使用的 Claude 提示词，也是设计 HiDeepSeek 的灵感来源；Claude 3.5 Sonnet 是最得力的助手。 此外，《》是清华大学新闻与传播学院新媒体研究中心出品的指南，详细阐述了 DeepSeek 的功能，包括智能对话、文本生成、代码生成、自然语言理解等，并探讨了如何使用 DeepSeek，包括推理模型与通用模型的区别、提示语设计策略以及如何从入门到精通。文章还介绍了提示语设计的核心技能、常见陷阱及应对方法，旨在帮助用户更好地掌握 AI 工具的使用，提升工作效率和创新能力。 DeepSeek R1 不同于先前的普通模型，它与 OpenAI 现在最先进的模型 o1、o3 一样，同属于基于强化学习 RL 的推理（Reasoning）模型。其标志性表现是在回答用户问题前，会先进行“自问自答”式的推理思考，凭此提升最终回答的质量。这种能力源于其背后独特的“教育方式”，在许多其他的 AI 模型还在接受“填鸭式教育”时，DeepSeek R1 已经率先进入了“自学成才”的新阶段。
2025-02-07
用deepseek建立个人知识库
以下是关于用 DeepSeek 建立个人知识库的相关知识： RAG（Retrieval Augmented Generation，检索增强生成）是利用大模型的能力搭建知识库的关键技术。在进行本地知识库搭建实操前，需先了解 RAG。大模型训练数据有截止日期，当需要依靠不在训练集中的数据时，可通过 RAG 实现。RAG 应用包括 5 个过程： 1. 文档加载：从多种来源加载文档，如 PDF 等非结构化数据、SQL 等结构化数据以及代码等。 2. 文本分割：把文档切分为指定大小的块，称为“文档块”或“文档片”。 3. 存储：包括将切分好的文档块嵌入转换成向量形式，并将向量数据存储到向量数据库。 4. 检索：通过检索算法找到与输入问题相似的嵌入片。 5. 输出：把问题及检索出来的嵌入片一起提交给 LLM，生成更合理的答案。 此外，搭建基于 GPT API 的定制化知识库，涉及给 GPT 输入定制化知识。由于 GPT3.5 一次交互支持的 Token 有限，OpenAI 提供了 embedding API 解决方案。embeddings 是浮点数字的向量，向量之间的距离衡量关联性，小距离表示高关联度。将文本转换成向量能节省空间，可理解为索引。比如有大文本，可拆分成小文本块并转换成 embeddings 向量，保存在向量储存库作为问答知识库。当用户提问时，问题先转换成向量，与储存库中的向量比对，提取关联度高的文本块与问题组合成新的 prompt 发送给 GPT API。例如，对于一篇万字长文拆分成多个文本块，提问“此文作者是谁？”，可通过比较 embeddings 向量得出关联度高的文本块。
2025-02-07
提供一些deepseek提示词
以下是一些关于 DeepSeek 的提示词相关信息： 1. 效果对比：用 Coze 做了小测试，可对比查看。访问 www.deepseek.com 点击“开始对话”，将装有提示词的代码发给 DeepSeek，认真阅读开场白后正式开始对话。 2. 设计思路：将 Agent 封装成 Prompt 并储存在文件，实现同时使用联网和深度思考功能，优化输出质量，设计阈值系统，用 XML 进行规范设定。 3. 完整提示词：v 1.3 ，特别鸣谢李继刚和 Thinking Claude 等。 4. 使用案例： 借助 AI 分析好文章，如找出喜欢的文章投喂给 deepseek R1，从写作和读者角度分析，询问文章缺点和提升空间，对作者进行侧写等。 让 AI 对自己写的文章点评，给出详细优缺点分析和指导建议。 根据文章内容对作者心理侧写。 5. 集合·DeepSeek 提示词方法论：可查看相关文章，如南瓜博士的相关内容，以及 DeepSeek 官方提示词等。最新文章观点学术报告及业界评论可参考特定链接。R1 模型也有一些使用建议。
2025-02-07
你比deepseek聪明吗
DeepSeek 具有以下优秀特点： 1. 在语气上能够还原特定角色的语气，如帝王的语气，相比其他模型输出更准确恰当，兼顾了古典文字和可读性。 2. 对历史细节非常熟悉，这可能与支持“深度探索”和“联网搜索”同时开启有关，能准确还原历史称谓。 3. 输出极其具体且充满惊人细节，行文的隐喻拿捏到位，高级感十足。 此外，DeepSeek R1 属于基于强化学习 RL 的推理模型，在回答用户问题前会先进行“自问自答”式的推理思考，提升回答质量，这种能力源于其独特的“教育方式”，在其他模型还在接受“填鸭式教育”时，它已进入“自学成才”新阶段。 至于我是否比 DeepSeek 聪明，这很难直接比较，因为我们在不同的方面和场景中可能各有优势。
2025-02-07
帮我找到deepseek的培训教程，我是一个技术小白
以下是关于 DeepSeek R1 的培训教程相关内容： DeepSeek R1 引入了纯强化学习（RL），不依赖大量人类标注数据，而是通过自我探索和试错来学习。在“冷启动”阶段，仅通过少量（数千条）人工精选的思维链数据进行初步引导，建立起符合人类阅读习惯的推理表达范式。随后主要依靠强化学习，在奖励系统的反馈下（只对结果准确率与回答格式进行奖励），自主探索推理策略，不断提升回答的准确性，实现自我进化。 准确率奖励用于评估 AI 提供的最终答案是否正确，格式奖励强制结构化输出，让模型把思考过程置于<think></think>标签之间，以便人类观察模型的推理过程。 更有趣的是，DeepSeek 还有一个更加聪明的 R1zero 实验版本，这个版本甚至没有进行任何的初始引导，而是采用了完全从零开始的强化学习。实验表明，无需任何人类的监督训练，R1zero 自然而然地学会了用更多的思考步骤来解决推理任务，还学会了在推理过程中反思先前的推理步骤，探索解决问题的替代方法。但因为没有微调，R1zero 的输出内容可读性差、语言混合，且风险不可控。所以我们见到的是经过符合人类阅读偏好的冷启动与微调过的 R1 版本，确保 AI 生成内容的稳定、安全、道德、无害。 附：DeepSeek R1 完整训练过程，因文章定位与行文节奏设计，上文仅对影响 R1 涌现关键智能的前两个训练步骤进行了讲解。更加完善的训练说明，可直接阅读官方论文：DeepSeekAI《DeepSeekR1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》https://arxiv.org/html/2501.12948 参考文献： 1. 碎瓜波斯兔子《Deepseek R1 可能找到了超越人类的办法》https://mp.weixin.qq.com/s/YgRgDw8ndSHJwcPNMqWZNQ 2. 大聪明赛博禅心《DeepSeek R1 是怎么训练的？》https://mp.weixin.qq.com/s/Wuz0H9jmZYV1jM1YtwTlA 3. 老刘说 NLP《可视化角度具象化理解 DeepSeekR1 类推理大模型的习得进程》https://mp.weixin.qq.com/s/ytKTGTgU2T7jSNrBghX1cA 4. Tianzhe Chu et al.《SFT 记忆，RL 泛化：基础模型训练后的比较研究》https://arxiv.org/html/2501.17161 5. Metaso 长思考对话《RL 和 SFT 在后训练中的区别》https://metaso.cn/s/WGdOwPC
2025-02-07
deepseek
DeepSeek 是一家具有独特特点和影响力的公司： 1. 秘方特点：DeepSeek 不是“中国式创新”的产物，其秘方是硅谷味儿的。早在 2024 年 5 月 DeepSeekV2 发布时，就以多头潜在注意力机制（MLA）架构的创新在硅谷引发轰动。同时，它在国内舆论场被描摹成“大模型价格战的发起者”，形成了一种平行时空的感觉。 2. V3 时刻：如果 V3 是 DeepSeek 的 GPT3 时刻，接下来的发展充满未知，但 DeepSeek 作为中国最全球化的 AI 公司之一，赢得全球同行尊重的秘方也是硅谷味儿的。 3. 提示词提升：一个提示词“HiDeepSeek”能让 DeepSeek 的能力更上一层楼。通过 Coze 做了效果对比测试，使用方法包括搜索 www.deepseek.com 点击“开始对话”，将装有提示词的代码发给 DeepSeek 等步骤。其设计思路包括将 Agent 封装成 Prompt 并储存、实现联网和深度思考功能、优化输出质量等。完整提示词版本为 v1.3，特别鸣谢了李继刚和 Thinking Claude 等。
2025-02-07
linux 下部署deepseek
在 Linux 下部署 DeepSeek 的步骤如下： 1. 下载代码仓库。 2. 安装依赖（注意有两个依赖未放在 requirements.txt 里）。 3. 启动 webui 的 demo 程序，然后用浏览器登陆服务器的 ip:8080 就能试玩。此 demo 提供了 3 个参数： server_name：服务器的 ip 地址，默认 0.0.0.0。 servic_port：即将开启的端口号。 local_path：模型存储的本地路径。 4. 第一次启动后生成语音时，需查看控制台输出，它会下载一些模型文件，因此比较慢，且可能因网络问题失败。但第一次加载成功后，后续会顺利。 5. 基于此基础可进行拓展，比如集成到 agent 的工具中，或结合 chatgpt 做更拟人化的实时沟通。 webui 上可设置的几个参数说明： text：指需要转换成语音的文字内容。 Refine text：选择是否自动对输入的文本进行优化处理。 Audio Seed：语音种子，是一个数字参数，用于选择声音类型，默认值为 2，是很知性的女孩子的声音。 Text Seed：文本种子，是一个正整数参数，用于 refine 文本的停顿。实测文本的停顿设置会影响音色、音调。 额外提示词（可写在 input Text 里）：用于添加笑声、停顿等效果。例如，可以设置为 。 使用 DeepSeek 的步骤： 1. 搜索 www.deepseek.com，点击“开始对话”。 2. 将装有提示词的代码发给 Deepseek。 3. 认真阅读开场白之后，正式开始对话。 DeepSeek 的设计思路： 1. 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻调试负担。 2. 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 3. 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性。 4. 照猫画虎参考大模型的 temperature 设计了阈值系统，但是可能形式大于实质，之后根据反馈可能会修改。 5. 用 XML 来进行更为规范的设定，而不是用 Lisp（有难度）和 Markdown（运行不太稳定）。 关于 DeepSeek 的评论： 游戏科学创始人、黑神话悟空制作人冯骥称：年前还是认真推下 DeepSeek 吧。V3 已经用了一个月，但 R1 仅仅用了 5 天。DeepSeek 可能是个国运级别的科技成果。它具备强大的推理能力，比肩 O1；参数少，训练开销与使用费用小；开源，任何人均可自行下载与部署；免费，官方目前提供的服务完全免费；支持联网搜索，是暂时唯一支持联网搜索的推理模型；由没有海外经历甚至没有资深从业经验的本土团队开发完成。如果这都不值得欢呼，还有什么值得欢呼？看到这条微博的您应直接访问网页链接马上用起来，也有移动 APP。
2025-02-06
deepseek R1部署
以下是关于 DeepSeek R1 部署的相关信息： DeepSeek R1 大模型成为国民刚需，但官网卡顿且存在不能联网等问题。 实现联网版 R1 大模型的核心路径是通过工作流+DeepSeek R1 大模型。 部署步骤包括： 拥有扣子专业版账号，若为普通账号需自行升级或注册专业号。 开通 DeepSeek R1 大模型，访问地址：https://console.volcengine.com/cozepro/overview?scenario=coze ，在火山方舟中找到开通管理，开通服务并添加在线推理模型，添加后在扣子开发平台才能使用。 创建智能体，点击创建完成智能体的创建。
2025-02-06
怎么本地部署DEEPSEEK
以下是本地部署 DeepSeek 的步骤： 1. 拥有扣子专业版账号：如果您还是普通账号，请自行升级或注册专业号后使用。开通成功后会呈现相应状态。 2. 开通 DeepSeek R1 大模型： 访问地址：https://console.volcengine.com/cozepro/overview?scenario=coze 打开火山方舟，找到开通管理，找到 DeepSeek R1 模型，点击开通服务。 添加在线推理模型，添加后在扣子开发平台才能使用。添加过程包括添加模型和完成接入。 3. 创建智能体：点击创建，先完成一个智能体的创建。 4. 创建工作流： 创建一个对话流，命名为 r1_with_net，注意是“创建对话流”。 开始节点，直接使用默认的。 大模型分析关键词设置：模型选择豆包通用模型lite，输入直接使用开始节点的 USER_INPUT 作为大模型的输入，系统提示词为“你是关键词提炼专家”，用户提示词为“根据用户输入`{{input}}`提炼出用户问题的关键词用于相关内容的搜索”。 bingWebSearch搜索：插件选择 BingWebSearch，参数使用上一个节点大模型分析输出的关键词作为 query 的参数，结果中 data 下的 webPages 是网页搜索结果，将在下一个节点使用。 大模型R1 参考搜索结果回答：这里需要在输入区域开启“对话历史”，模型选择韦恩 AI 专用 DeepSeek，输入包括搜索结果和选择开始节点的 USER_INPUT，开启对话历史，设置 10 轮，默认不开启对话历史，开启后默认是 3 轮，系统提示词不需要输入。 结束节点设置：输出变量选择大模型R1 参考搜索结果回答的输出，回答内容里直接输出:{{output}}。 5. 测试并发布工作流：输入您的测试问题，测试完成后，直接发布工作流。
2025-02-06
deepseek本地部署
DeepSeek 是一个非常出色的科技成果，具有以下显著特点： 1. 强大的推理能力，可与 O1 比肩。 2. 价格便宜，参数少，训练开销与使用费用小了一个数量级。 3. 开源，任何人都可自行下载与部署，并提供论文详细说明训练步骤与窍门，甚至有可运行在手机上的 mini 模型。 4. 免费，官方目前提供的服务完全免费，任何人随时随地可用。 5. 支持联网搜索，是暂时唯一支持联网搜索的推理模型（O1 还不支持）。 6. 由没有海外经历甚至没有资深从业经验的本土团队开发完成。 如果您想使用 DeepSeek，可以直接访问相关网页链接马上用起来，也有移动 APP 可供选择。 另外，关于 SDXL 的本地部署，对于配置较高的电脑，如 4080ti 显卡，生成一张图的速度在十秒左右，还是可以接受的。对于配置较低的电脑，需要自行测试。如果觉得操作麻烦，还可以安装 refine 插件，在文生图的界面直接使用 refine 模型进行绘画。
2025-02-06
在哪个网站可以部署deepseek更简单，无需代码，
以下是一些可以部署 DeepSeek 且相对简单、无需代码的网站： 1. 网址：https://www.deepseek.com/zh 。DeepSeek 很方便，国内能访问，网页登录很便捷，目前完全免费。点击开始对话，左边选择代码助手即可。 2. 网址：https://www.cursor.com/ 。使用 Cursor 可以不用下载上一步中的 Pycharm，通过对话获得代码即可。因为这里面用的是大语言模型 Claude3.5sonnet、GPT4o 等语言模型。
2025-02-06
deepseek的本地化部署对于软硬件的具体要求
DeepSeek 的本地化部署对于软硬件的具体要求如下： 系统：Windows 7 以上（不建议使用 XP 系统）。 显卡要求：NVDIA 独立显卡且显存至少 4G 起步。 硬盘：留有足够的空间，最低 100G 起步（包括模型）。 内存和显存配置： 生成文字大模型： 最低配置：8G RAM + 4G VRAM 建议配置：16G RAM + 8G VRAM 理想配置：32G RAM + 24G VRAM（如果要跑 GPT3.5 差不多性能的大模型） 生成图片大模型（比如跑 SD）： 最低配置：16G RAM + 4G VRAM 建议配置：32G RAM + 12G VRAM 生成音频大模型： 最低配置：8G VRAM 建议配置：24G VRAM 需要注意的是，mac 系统、AMD 显卡、低显卡的情况也可以安装使用，但功能不全，出错率偏高，严重影响使用体验，个人建议升级设备或者采用云服务器玩耍。最低配置可能运行非常慢。
2025-02-06