本文详细介绍了将大模型部署至本地的多种方法，旨在满足用户对数据安全、资源可控性及深度研究的需求。文章重点讲解了三种主流的本地部署方案：Ollama + Cherry Studio、LM Studio，以及Ollama + Chatbox AI。通过提供清晰的操作步骤和界面截图，指导用户如何下载、安装相应的软件，并成功运行DeepSeek等模型。对于金融、医疗等高合规性行业以及需要进行模型深度研究的个人用户而言，本地部署提供了数据闭环管理和个性化定制的优势。此外，文章还附带了关于“Redis 7高性能缓存与分布式架构实战”教程的发布信息，为用户提供了进一步学习和提升的机会。

🎯 **数据安全与资源可控性是本地部署大模型的关键驱动因素**：对于金融、医疗等对数据安全和合规性要求极高的行业，以及需要进行深度模型研究的个人用户而言，将大模型部署到本地能够实现数据的闭环管理，有效避免敏感信息泄露，并提供更高的资源可控性和定制化能力。

🛠️ **Ollama + Cherry Studio 提供便捷的本地部署体验**：用户可以通过访问Cherry Studio官网下载并安装软件，然后利用Ollama运行指定的模型，例如`ollama run deepseek-r1:1.5b`。Ollama会自动完成模型的下载和运行，整个过程直观易懂，降低了本地部署的门槛。

🔍 **LM Studio 简化了模型的发现与下载过程**：LM Studio提供了一个用户友好的界面，用户可以轻松搜索并下载所需的模型，如DeepSeek-R1-Distill-Qwen-1.5B。下载完成后，LM Studio会弹出提示，确保用户了解模型已成功获取，为本地使用模型提供了便利。

💬 **Ollama + Chatbox AI 实现本地模型的集成与交互**：该方案允许用户在Chatbox AI中配置Ollama作为模型提供方，并通过添加模型来使用本地部署的大模型。这为用户提供了一个集成的聊天界面，可以直接与本地运行的大模型进行交互，提升了使用体验。

📚 **教程发布为技术学习提供增值服务**：除了大模型本地部署的技术分享，文章还提及了“Redis 7高性能缓存与分布式架构实战”教程的发布，该教程涵盖了Redis的入门、应用、高可用、性能优化等八大知识板块，旨在帮助用户全面掌握Redis技术，为技术学习者提供了进一步深造的资源。

大家好，我是袁庭新。

为什么要将大模型部署到本地呢？如果特别注重数据安全与资源可控性，可以将DeepSeek部署在本地，实现数据闭环管理，有效避免敏感信息外泄，这样的要求在金融、医疗等高合规性要求行业中普遍存在。

此外，对个人来说，如果希望基于模型进行深度研究，也要进行本地化部署。今天，给大家介绍3种大模型本地化部署方式。

Ollama + Cherry Studio本地部署大模型

打开Cherry Studio官网（cherry-ai.com），在Cherry Studio的主页点击右上角的「下载」选项，将会打开如下图所示的下载界面。

根据自己的操作系统版本，选择下载对应的Cherry Studio安装包；安装包下载完成后，双击安装包文件，完成Cherry Studio软件安装。

然后到启动台（或桌面）中寻找Cherry Studio图标并点击，能打开Cherry Studio主界面则安装成功。

下载Ollama。访问Ollama官网（ollama.com），进入网站后，如下图所示。

例如，要下载DeepSeek-R1-Distill-Qwen-1.5B模型，可以运行以下命令。

ollama run deepseek-r1:1.5b

运行上述命令后，Ollama会自动下载并运行该模型，模型安装完成后如下图所示。

使用LM Studio本地部署大模型

访问LM Studio下载页面（lmstudio.ai/download），根据你的操作系统版本下载一个安装程序。

打开LM Studio，点击发现按钮（放大镜按钮）然后在右侧界面里搜索DeepSeek-R1-Distill-Qwen-1.5B对应的模型，如下图所示。

这里，我们以DeepSeek-R1-Distill-Qwen-1.5B模型为例，演示如何进行下载，如下图所示。

模型下载完成后，LM Studio的右下角会弹出「Download Completed」窗口，表示指定模型下载完成。

使用Ollama + Chatbox AI本地部署大模型

打开Chatbox AI网站，网址为chatboxai.app/zh。进入网站后，单击“免费下载”按钮，如下图所示，将Chatbox AI安装包下载到本地。

在软件弹出的窗口中单击“使用自己的API Key或本地模型”按钮，在“选择并配置AI模型提供方”页面选择【Ollama API】选项，如下图所示。

在打开的模型提供方设置窗口中，点击右侧的“获取”按钮，在弹出的“编辑模型”窗口中，点击deepseek-r1:1.5b模型后的“+”按钮添加模型，如下图所示。

对于一些对数据安全性、隐私性或定制化要求较高的用户，本地部署是一种理想的选择。DeepSeek支持多种本地部署方式，以上的内容就是给大家详细介绍的如何在本地部署DeepSeek的方法。

教程发布

我的新《Redis 7高性能缓存与分布式架构实战》教程发布～这套教程总计涵盖了8大知识板块，共404节的内容。

先给大家概要下，本套教程共包含8大板块：Redis 基础入门与实践、Redis应用与缓存开发实战、Redis 高可用与分布式集群、Lua编程实战开发、多级缓存架构设计、精通Redis性能优化、Redis原理深度解析、Redis大厂高频面试问题。

教程《Redis 7高性能缓存与分布式架构实战》现已发布，通过访问下方地址开展学习（WChat H5）：

https://h5.htknow.com/#/pages/courseInfo/bigSeriesDetail/bigSeriesDetail?id=7662335

希望这套教程对你有帮助，旨在帮助学员全面掌握Redis 7的高性能缓存及分布式架构实战技巧。