1. 为什么要在Mac上部署Ollama和DeepSeek？

如果你是一名开发者或者对AI技术感兴趣，想要在本地运行大语言模型，Ollama绝对是一个值得尝试的工具。它就像一个轻量级的"模型管家"，能帮你轻松管理各种开源大模型。而DeepSeek作为国内顶尖的开源大模型之一，在代码生成、数学推理等方面表现优异。

在Mac上本地部署有几个明显优势：

• 隐私保护：所有数据都在本地处理，不用担心敏感信息泄露
• 离线可用：没有网络也能使用AI能力
• 定制自由：可以随意调整参数，不受云端API限制
• 成本节约：长期使用比订阅云端服务更经济

我实测下来，在M1/M2芯片的MacBook上运行7B版本的DeepSeek，响应速度相当流畅，日常编程辅助完全够用。

2. 安装Ollama

2.1 下载安装包

首先访问Ollama官网(https://ollama.com)，你会看到一个简洁的下载页面。Mac用户直接点击"Download for macOS"按钮，这会下载一个约200MB的安装包。

提示：如果下载速度慢，可以尝试用命令行下载：

curl -OL https://ollama.com/download/Ollama-darwin.zip

2.2 安装过程

下载完成后，你会得到一个名为Ollama-darwin.zip的压缩包。解压后把Ollama应用拖到"应用程序"文件夹就完成了一半安装。

双击打开Ollama，系统会提示你确认安装。这里需要输入管理员密码，因为Ollama会：

1. 安装命令行工具
2. 创建后台服务
3. 添加到开机启动项（可取消）

安装完成后，你会在菜单栏看到一个小羊驼图标，这表示Ollama正在后台运行。

2.3 验证安装

打开终端(Terminal)，输入以下命令检查是否安装成功：

ollama --version

如果看到版本号输出（比如0.5.7），说明安装正确。

3. 下载和运行DeepSeek模型

3.1 选择适合的模型版本

DeepSeek提供了多个规模的模型，从1.5B到671B参数不等。对于Mac用户，我建议根据设备配置选择：

模型版本	所需内存	适合设备
1.5B	~1.1GB	入门级Mac
7B	~4.7GB	M1/M2 16GB内存
14B	~9GB	M1/M2 Pro 32GB内存
32B	~20GB	M1/M2 Max 64GB内存

我自己的M1 Pro 16GB跑7B版本很流畅，日常编程辅助完全够用。

3.2 下载模型

在终端运行以下命令下载模型（以7B为例）：

ollama pull deepseek-r1:7b

下载过程可能会持续几分钟到几十分钟，取决于你的网速。有几个实用参数可以加速下载：

• --verbose：显示详细下载进度
• --insecure：跳过SSL验证（不推荐）

注意：如果下载中断，重新运行相同命令会继续下载，不用担心从头开始。

3.3 运行模型

下载完成后，用这个命令启动交互式会话：

ollama run deepseek-r1:7b

你会看到类似这样的提示符：

>>> 

现在就可以直接输入问题或指令了！比如问它："用Python写一个快速排序算法"，或者"解释下什么是注意力机制"。

4. 高级使用技巧

4.1 自定义模型存储位置

默认情况下，Ollama把模型存储在~/.ollama目录。如果你想改到其他位置（比如外接硬盘），可以这样做：

1. 先停止Ollama服务：

ollama serve stop

2. 设置环境变量：

export OLLAMA_MODELS="/你的/自定义/路径"

3. 重新启动服务：

ollama serve

4.2 使用Open WebUI增强体验

虽然命令行能用，但网页界面更友好。推荐安装Open WebUI：

docker run -d -p 3000:8080 -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

安装后访问http://localhost:3000，在设置中添加Ollama地址（默认是http://localhost:11434），就能在漂亮的网页界面中使用DeepSeek了。

4.3 模型管理常用命令

• 列出已安装模型：

ollama list

• 删除不需要的模型：

ollama rm deepseek-r1:7b

• 查看运行中的模型：

ollama ps

• 停止运行中的模型：

ollama stop deepseek-r1:7b

5. 实际应用案例

5.1 编程辅助

作为开发者，我每天都会用DeepSeek来：

• 生成代码片段
• 解释复杂算法
• 调试错误代码
• 重构现有代码

比如遇到不熟悉的Python库，可以直接问：

>>> 如何使用Python的requests库发送POST请求？

5.2 学习研究

DeepSeek在学术方面也很给力：

• 解释数学公式
• 总结论文要点
• 生成研究报告大纲
• 翻译技术文档

5.3 内容创作

虽然不如专门的创作模型，但日常写个邮件、改个文案还是不错的：

>>> 帮我写一封给客户的英文道歉邮件，因为产品交付延迟了3天

6. 性能优化建议

6.1 针对Apple Silicon优化

如果你用的是M系列芯片，可以设置这些环境变量提升性能：

export OBJC_DISABLE_INITIALIZE_FORK_SAFETY=YES
export OLLAMA_MMAN_WARN=0

6.2 量化模型选择

如果觉得标准版模型太大，可以尝试量化版本（在模型名后加-q4）：

ollama pull deepseek-r1:7b-q4

量化模型会损失一些精度，但能显著减少内存占用。

6.3 调整上下文长度

默认上下文长度是2048 token，可以通过参数调整：

ollama run deepseek-r1:7b --num_ctx 4096

注意：增加上下文会占用更多内存。

7. 常见问题解决

7.1 模型响应慢

可能原因和解决方案：

1. 内存不足：换更小的模型版本
2. CPU过热降频：确保散热良好
3. 后台进程占用资源：关闭不必要的应用

7.2 模型输出质量差

尝试：

• 更清晰的提示词
• 调整temperature参数（0.1-1.0）
• 提供更多上下文信息

7.3 安装失败

常见解决方法：

• 检查磁盘空间（至少需要10GB空闲）
• 确保网络连接正常
• 尝试重启后再安装

我在M1 MacBook Air上部署7B模型时，发现关闭所有浏览器标签能显著提升推理速度。另外，如果只是偶尔使用，建议用完就停止模型，避免长期占用内存。