企业官网建设流程全解析

1. 内网工作站为什么需要离线 Deepseek：从公网依赖到本地推理的完整链路

很多做企业内网开发的朋友都遇到过同一个尴尬：手上有一台配置还行的开发机，想跑个代码补全或者文档问答，结果公司网络把 HuggingFace、Ollama 官方源、GitHub Release 全给限了，ollama pull卡在几百 KB 不动，装到一半直接超时。更麻烦的是有些项目源码本身就不能出内网，你不可能把整个 C# 工程丢给云端 API 去解析。这时候「本地部署 Deepseek + Ollama 离线推理」就成了刚需——模型文件、推理进程、调用链路全部落在本机，不依赖公网也能稳定跑。

Ollama 本质上是一个把模型权重、推理引擎（llama.cpp 系）、HTTP 服务打包在一起的运行时。你装完它，本机会多出一个127.0.0.1:11434的本地服务，任何支持 OpenAI 兼容协议的工具（Continue、Cline、OpenAI SDK）都能直接连。Deepseek 系列里适合离线跑的主要是deepseek-coder和deepseek-r1的蒸馏小参数版本，1.3b、6.7b 这种在 4G~8G 显存的工作站上能跑得动，代码补全和简单推理够用。

适合谁：一是内网开发机、涉密项目工作站，源码不能外传；二是个人笔记本想白嫖本地推理，不想每月付云端 token 费；三是网络受限环境，官方源拉不动模型。这篇我会把「离线导入模型 + Ollama 服务搭建 + TaoToken 统一 Key 通道对接」整条链路讲透，包括ollama pull加速、Modelfile 自定义、离线 tar 包导入，以及用统一 Base URL 做连通性验证的完整动作。你照着做，最后能拿到一个不联网也能稳定调用的本地 Deepseek 服务。

需要先说明一个概念：Ollama 的「离线」分两层。第一层是安装和拉模型阶段可以借助镜像加速，第二层是模型落地之后，推理过程完全不需要公网。很多人卡在第一层就放弃了，其实只要把模型文件搞到本地，后面ollama run和 API 调用都是纯本地行为。下面按「先解决拉取，再解决服务，最后解决统一调用」的顺序展开。

2. TaoToken 统一 Key 与 API 通道前置准备：让本地服务也能被标准协议调用

在正式配 Ollama 之前，先把调用侧的通道理清楚。本地 Ollama 默认暴露的是http://127.0.0.1:11434，它自带一个 OpenAI 兼容端点/v1/chat/completions。但实际用起来你会发现两个问题：一是不同工具（Continue、Cline、Codex 类客户端）填 Base URL 的格式不统一，有的要带/v1，有的不要；二是当你想把本地模型和云端模型混用、做统一路由时，每个工具都要单独配一遍 Key 和地址，维护成本高。

TaoToken 在这里的角色是「统一 Key + 统一 API 通道」。你可以把它理解成一个协议适配层：对外暴露一套标准的 OpenAI 兼容接口，对内可以指向本地 Ollama 服务，也可以指向其他模型通道。这样你的 Continue、Cline、脚本里填的 Base URL 和 Key 始终是同一套，换模型只改 Model ID，不用动配置结构。

前置准备分三步。第一步，拿到统一 Key。访问 API Keys 管理页https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite，登录后创建一个 Key，复制保存。这个 Key 后面会填到所有客户端的apiKey字段里。

第二步，确认 API 通道地址。统一 Base URL 是https://taotoken.net/api，注意这个地址不带 UTM 参数，直接作为baseURL使用。如果你用的是 OpenAI SDK，base_url填这个；如果是 Continue 这类插件，apiBase填这个。

第三步，确认 Model ID 的写法。本地 Ollama 拉下来的模型，在 TaoToken 通道里通常用ollama/前缀或者直接模型名映射。具体以你控制台里模型列表显示的 ID 为准，不要自己猜。这一步很关键，Model ID 写错会直接报model not found。

提示：统一 Key 的好处是，你本地 Ollama 服务即使换了端口、换了机器，只要 TaoToken 通道里的映射改一下，所有客户端都不用动。对于内网多台工作站共用一个出口的场景特别省事。

如果你只是想验证模型能不能通，可以直接用模型对话页https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=model_chat&utm_campaign=rewrite发一条消息，看返回是否正常。这一步能快速排除 Key 和通道本身的问题，再去折腾 Ollama 就不会混淆故障点。

对于长期做编码、跑 Agent 任务的场景，可以考虑 Coding Planhttps://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite，它更适合高频调用和长上下文任务。而接入文档在https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite，里面有各客户端的完整配置示例，遇到字段对不上时优先查这里。

3. 可复制配置：Ollama 安装、离线模型导入与 Modelfile 完整片段

这一节是全文最核心的可操作部分。我按「安装 Ollama → 配置模型存储路径 → 拉取或离线导入 Deepseek → 写 Modelfile → 启动服务」的顺序给完整命令，你直接复制改路径即可。

3.1 安装 Ollama 并重定向模型目录

Windows 下安装包默认装 C 盘、模型也存 C 盘用户目录，内网工作站 C 盘通常很小，必须改。用命令行指定安装目录：

D:\下载\OllamaSetup.exe /DIR="D:\AI\Ollama"

装完后设置模型存储路径，避免模型把 C 盘撑爆。系统环境变量新建：

变量名：OLLAMA_MODELS 变量值：D:\AI\Ollama_Models

再设置镜像加速变量，解决ollama pull龟速：

变量名：OLLAMA_REGISTRY 变量值：https://mirrors.aliyun.com/ollama

改完环境变量后，一定要完全退出右下角 Ollama 托盘程序再重启，否则变量不生效。验证是否生效：

ollama list

如果模型目录为空但命令正常返回，说明服务起来了。

3.2 拉取 Deepseek 模型与离线导入

在线加速拉取（网络还能通的情况）：

set OLLAMA_REGISTRY=https://mirrors.aliyun.com/ollama ollama pull deepseek-coder:1.3b

完全离线环境的做法是「先在有网机器上导出，再拷贝到内网导入」。导出命令：

ollama pull deepseek-coder:1.3b ollama show deepseek-coder:1.3b --modelfile > deepseek-coder-1.3b.Modelfile

然后把OLLAMA_MODELS目录下对应的模型 blob 文件夹整体拷贝到内网机器的模型目录，再用 Modelfile 重建：

ollama create deepseek-coder:1.3b -f deepseek-coder-1.3b.Modelfile

3.3 自定义 Modelfile 调整推理参数

Modelfile 是 Ollama 的模型定义文件，可以覆盖系统提示词、温度、上下文长度。新建D:\AI\Modelfile.deepseek：

FROM deepseek-coder:1.3b PARAMETER temperature 0.1 PARAMETER num_ctx 8192 PARAMETER num_gpu 20 PARAMETER top_p 0.9 SYSTEM """ 你是一个内网代码助手，只基于当前项目文件回答，不编造不存在的接口。 """

构建自定义模型：

ollama create deepseek-local -f D:\AI\Modelfile.deepseek

3.4 客户端配置片段（Continue / Cline 通用）

Continue 的config.yaml或config.json里，对接本地 Ollama：

models: - name: DeepSeek-Coder 本地 provider: ollama apiBase: http://127.0.0.1:11434/v1 model: deepseek-coder:1.3b maxTokens: 8192 temperature: 0.1

如果走 TaoToken 统一通道，把apiBase换成https://taotoken.net/api，apiKey填你的统一 Key，model填控制台里对应的 Model ID。这样本地和云端模型可以共用一套配置结构，切换只改 model 字段。

注意：apiBase到底带不带/v1，取决于客户端实现。Continue 的 ollama provider 通常不带，OpenAI 兼容 provider 要带。填错会报 404，先确认再排查。

4. 验证请求与成功结果：curl、SDK 与客户端三层连通性检查

配置写完必须验证，否则你不知道是 Ollama 没起来、模型没加载，还是通道配错了。我按「本地直连 → 统一通道 → 客户端」三层来验，每层都有明确的成功标志。

第一层，验证 Ollama 本地服务是否存活：

curl http://127.0.0.1:11434/api/tags

正常返回是一个 JSON，models数组里能看到你拉下来的deepseek-coder:1.3b。如果连接被拒绝，说明 Ollama 服务没启动，去托盘图标右键启动，或者命令行ollama serve。

第二层，验证本地推理是否正常：

curl http://127.0.0.1:11434/v1/chat/completions -H "Content-Type: application/json" -d "{\"model\":\"deepseek-coder:1.3b\",\"messages\":[{\"role\":\"user\",\"content\":\"用一句话说明什么是递归\"}]}"

成功标志是返回体里有choices[0].message.content，内容是模型生成的回答。如果返回model not found，说明模型名写错或没加载；如果卡住很久，说明显存不够在跑 CPU，检查num_gpu参数。

第三层，验证 TaoToken 统一通道：

curl https://taotoken.net/api/v1/chat/completions -H "Authorization: Bearer 你的Key" -H "Content-Type: application/json" -d "{\"model\":\"你的ModelID\",\"messages\":[{\"role\":\"user\",\"content\":\"ping\"}]}"

成功返回标准 OpenAI 格式。如果报 401，是 Key 无效或没带Bearer；如果报local proxy failed，说明通道到本地服务的映射没通，检查 Ollama 是否在运行、端口是否被防火墙拦。

第四层，客户端实测。在 Continue 输入框发一句「你当前调用的是什么模型」，正常返回模型名即对接成功。再发项目解析指令，看它能不能跨文件读取。这一步能验证的不只是连通性，还有上下文长度和文件读取权限。

实测下来，最容易出问题的是第三层和第四层之间的 Model ID 映射。本地模型名是deepseek-coder:1.3b，但通道里可能映射成别的 ID，两边对不上就报错。建议先在控制台模型列表里确认 ID，再填客户端。

5. 本篇常见报错排查：401、local proxy failed、reading choices、OAuth 逐条对照

这一节把高频报错和对应解法列清楚，遇到问题直接对号入座。

401 Unauthorized：最常见。原因有三种——Key 没填、Key 填错、请求头没带Authorization: Bearer。检查客户端配置里的apiKey字段，确认没有多余空格。如果是 TaoToken 通道，去 API Keys 页确认 Key 状态是否正常。

local proxy failed / connection refused：通道到本地 Ollama 的连接失败。先确认ollama serve在跑，curl http://127.0.0.1:11434/api/tags能返回。如果本地正常但通道报这个错，说明通道配置里指向的地址不对，或者 Ollama 只监听了127.0.0.1而通道需要访问宿主机 IP。检查 Ollama 启动参数OLLAMA_HOST。

reading choices 相关报错（如 cannot read property 'choices' of undefined）：返回体结构不符合预期，通常是接口返回了错误 JSON 但客户端按成功解析。先看原始返回，多半是 404 或 500。404 一般是 Base URL 多了或少了/v1；500 多半是模型加载失败，看 Ollama 日志。

OAuth / 登录相关报错：Continue 首次打开会提示登录云端，选择「仅本地使用」或跳过。如果误点了登录又失败，去设置里清掉账号状态，重新选本地模式。Cline 类插件同理，不要走云端授权。

模型加载超时 / 显存溢出：报out of memory或长时间无响应。降低num_gpu层数，或换更小参数模型。4G 显存跑 1.3b 比较稳，6.7b 要 8G 以上。用ollama ps看当前加载状态。

ollama pull 卡住不动：镜像变量没生效。确认OLLAMA_REGISTRY是系统变量不是用户变量，且重启了托盘程序。临时方案是在同一个 CMD 窗口先set再pull。

Modelfile 构建报错：FROM指向的模型不存在，或PARAMETER拼写错误。先ollama list确认基础模型在，再逐行检查 Modelfile 语法，SYSTEM块的三引号要成对。

提示：排查顺序永远是「本地服务 → 模型加载 → 通道映射 → 客户端配置」，从下往上查，不要一上来就改客户端。

6. 语义一致 CTA：把本地 Deepseek 接进你的日常编码流

本地服务跑通之后，真正的价值在于把它接进日常工具链。我的做法是：内网工作站上用 Ollama 跑deepseek-coder:1.3b做代码补全和单文件问答，涉及跨项目、长上下文的复杂任务，通过 TaoToken 统一通道切到更强的模型。两套配置共用同一个 Base URL 结构，切换只改 Model ID，不用重配客户端。

如果你还在选长期方案，编码和 Agent 场景可以看 Coding Planhttps://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite；接入细节和字段说明查文档https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite；Key 管理在https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite；想先试模型效果直接去对话页https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=model_chat&utm_campaign=rewrite。官网入口https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=。

最后给一个实用技巧：把ollama stop和ollama rm写成一个清理脚本，下班前一键释放显存和硬盘。内网机器资源紧张时，这个习惯能省不少事。模型文件全部落在OLLAMA_MODELS指定的目录，不想用了直接删文件夹，不留系统残留。