企业官网建设流程全解析

简介：围绕 DeepSeek 多平台部署整理的实操型文档，面向希望在本地电脑、手机端与图形化界面中运行大模型的技术爱好者、开发者和自学者，帮助其根据硬件条件与使用习惯选择合适路径，降低环境搭建与模型启动门槛。压缩包仅含 1 个 docx 文件，大小约 15KB，篇幅紧凑，便于快速检索与对照操作。已有 767 人学习关注。内容覆盖 Ollama 在 macOS、Linux、Windows 上的安装、模型拉取与终端交互，iPhone 快捷指令的安装、API Key 配置与首次运行，Android 借助 Termux 配置依赖、编译 Ollama、启动服务并验证接口、下载运行 DeepSeek-R1，以及通过 Open WebUI 结合 Docker Desktop 完成图形化部署与模型选择。文档将关键命令、操作顺序和验证方式集中呈现，可作为跨平台部署时的速查手册与排错参考。

1. 先别急着敲 ollama run：DeepSeek 多平台部署的版本分叉

DeepSeek 多平台部署这件事，真正让人翻车的往往不是模型本身，而是你换到 Windows、Linux、Docker 或手机上时，端口、模型标签、权限全变了。机器学习 AI 模型部署最常见的场面，是桌面端ollama run能跑，换到容器里 Open WebUI 看不到模型，或者手机端快捷指令一直提示未授权。这套环境适合想在本机、容器和手机端各跑一遍 DeepSeek 的开发者，也适合已经把 Ollama 装上、但卡在服务化和跨端访问的人。先把版本分叉想清楚，后面每一步才不至于靠试。

2. Ollama 本地部署：从安装到 deepseek-r1:7b 首次跑通

Ollama 是这套多平台部署里最稳的起点。它把模型下载、权重加载和本地 API 服务包在一起，桌面端装完就能用，后面 Open WebUI 和手机端也都要靠它的 11434 端口。先把本机这一层跑通，再去碰 Docker 和 Termux，排错范围会小很多。下面按安装、拉模型、服务化、探活四步走，每一步都给可抄的命令。

2.1 装 Ollama：Windows、macOS、Linux 三套落点

Windows 和 macOS 用图形安装包最省事，装完在 PowerShell 或终端里执行ollama --version，能输出版本号就说明 PATH 已经生效。Linux 常见做法是走安装脚本，脚本会把 Ollama 写成 systemd 服务，后面改监听地址和模型目录都方便。macOS 如果已经用 Homebrew 管理命令行工具，也可以走包管理器，但装完同样要用版本命令确认，不要凭图标判断。

# Linux：安装脚本会落地可执行文件并注册 systemd 服务 curl -fsSL https://ollama.com/install.sh | sh # macOS 已装 Homebrew 时可以用包管理器 brew install ollama # 三个系统装完都先验证命令是否可用 ollama --version

这段命令里，Linux 脚本需要能写系统目录，普通用户执行时脚本内部会处理权限；如果机器上已经有旧版 Ollama，先停掉旧服务再装，避免两个可执行文件抢同一个 11434 端口。brew install ollama只负责装命令行入口，不会自动帮你拉模型。ollama --version是后面所有步骤的基线，版本太旧时pull和run的标签行为可能不一致，遇到模型拉不下来先升级再试。

Windows 用户装完建议重开一次 PowerShell，让环境变量刷新。macOS 如果提示命令找不到，先看/usr/local/bin或 Homebrew 的 bin 目录有没有进 PATH。Linux 装完后systemctl status ollama应该能看到服务，如果服务没起来，先看/var/log或journalctl -u ollama，不要急着拉模型。

2.2 拉取 deepseek-r1:7b 与模型标签选择

Ollama 的模型名是「模型:标签」的形式，deepseek-r1:7b里的7b就是参数量档位。第一次执行run会自动下载权重，下载完成后直接进交互模式；如果只想先下好、不马上对话，用pull更干净。拉完一定用ollama list看一眼本地标签，确认没有把 7B 和 8B 搞混，后面写配置和容器环境变量时都要用这个标签。

# 先拉取 7B 标签，首次会下载权重到模型目录 ollama pull deepseek-r1:7b # 查看本地模型清单，确认模型名和标签 ollama list # 进入交互式对话，首次加载会慢一些 ollama run deepseek-r1:7b

pull只负责把模型落到本地，不启动对话；run在模型不存在时会先拉再跑，适合第一次快速验证。ollama list输出的第一列是模型名，第二列是 ID，第三列是大小，第四列是修改时间，后面在 Open WebUI 里选模型时认的就是第一列。如果提示模型不存在，先确认标签有没有写错，deepseekr1:8b这种连写标签在不同版本里不一定等价，按ollama list和模型库实际给出的标签为准。

7B 和 8B 在手机端和低配机器上的体验差别很明显，7B 更适合先跑通流程，8B 放在 Termux 里更多是验证「能装起来」，不要期待交互速度。模型下载占磁盘，默认落在用户目录下的.ollama/models，如果系统盘小，下一节就把模型目录挪走。

2.3 服务化配置：OLLAMA_HOST、OLLAMA_MODELS 与开机自启

本地能对话不等于服务可用。Open WebUI 容器和手机端都要通过 HTTP 访问 Ollama，所以要把服务监听地址从默认的本机回环改成可被本机网卡访问，同时把模型目录放到空间更大的盘。Linux 用户级 systemd 配置最直观，Windows 用用户环境变量，macOS 用launchctl或图形启动项都可以，核心是那两个环境变量。

# Linux 用户级 systemd 配置目录 mkdir -p ~/.config/systemd/user cat > ~/.config/systemd/user/ollama.service <<'EOF' [Unit] Description=Ollama Service After=network-online.target [Service] # 监听所有本机网卡，容器和手机才能访问；不要直接暴露到公网 Environment="OLLAMA_HOST=0.0.0.0:11434" # 模型权重放到空间更大的数据盘 Environment="OLLAMA_MODELS=/data/ollama/models" ExecStart=/usr/local/bin/ollama serve Restart=always RestartSec=3 [Install] WantedBy=default.target EOF systemctl --user daemon-reload systemctl --user enable --now ollama systemctl --user status ollama

OLLAMA_HOST=0.0.0.0:11434表示监听所有本机网卡，局域网里的手机和 Docker 容器才能连过来；如果只写127.0.0.1:11434，容器里的host.docker.internal也未必能通。OLLAMA_MODELS指向新目录前要先建好目录并给当前用户写权限，否则服务启动会报权限错误。ExecStart的路径用which ollama的实际结果替换，不同安装方式可能落在/usr/local/bin或/usr/bin。Restart=always让服务异常退出后自动拉起，RestartSec=3避免频繁重启刷日志。

注意：0.0.0.0只适合本机或可信局域网，不要把 11434 直接映射到公网，模型服务没有内置账号体系。

Windows 用 PowerShell 设置用户级环境变量，改完必须重开终端：

# Windows 用户级环境变量，改完重开 PowerShell 才生效 [Environment]::SetEnvironmentVariable("OLLAMA_HOST","0.0.0.0:11434","User") [Environment]::SetEnvironmentVariable("OLLAMA_MODELS","D:\ollama\models","User") # 重开终端后确认变量和版本 echo $env:OLLAMA_HOST ollama --version

SetEnvironmentVariable的第三个参数User表示只影响当前用户，不用管理员权限；如果写成Machine会影响整台机器，多人共用时谨慎。模型目录不要设在需要管理员权限的根目录下，Ollama 进程写不进去时只会在日志里报错，页面上看起来就是模型拉取失败。设置完用echo $env:OLLAMA_HOST确认，没输出就说明终端还没刷新。

2.4 首次交互与 API 探活

服务起来后不要直接开 Open WebUI，先用curl打两个接口：/api/version看服务是否活着，/api/tags看模型列表是否可读。再用/api/generate发一条最小请求，确认模型能加载、能返回。这一步是后面容器和手机端排错的基准，本机 API 不通，容器里一定不通。

# 探活：返回版本信息说明 11434 已监听 curl -s http://127.0.0.1:11434/api/version # 查看服务端能识别的模型列表 curl -s http://127.0.0.1:11434/api/tags # 发一条最小生成请求，stream=false 方便看完整 JSON curl -s http://127.0.0.1:11434/api/generate \ -d '{"model":"deepseek-r1:7b","prompt":"只回答 OK","stream":false}'

/api/version不依赖模型，适合判断进程和端口；/api/tags依赖模型目录，返回空列表说明模型没落到当前OLLAMA_MODELS指向的位置。/api/generate里的model必须和ollama list第一列完全一致，stream设为false时一次性返回完整 JSON，适合脚本判断；设为true会流式返回，终端里看起来像逐字输出。第一次请求会触发模型加载，等几秒很正常，超时先看服务日志，不要反复重启。

3. 模型参数与硬件取舍：7B、8B 和量化标签怎么落到配置里

Ollama 装通之后，下一步不是急着上手机，而是把模型规模、上下文长度和并发参数定下来。AI 模型部署在单机上最容易犯的错，是把 7B 和 8B 当成「差不多」，结果内存不够时服务直接被杀，或者上下文一开大响应慢到没法用。这一章把硬件账、标签含义和几个关键环境变量拆开，最后用一个 Modelfile 把参数固化，避免每次对话都靠手调。

3.1 7B 与 8B 的硬件账

7B 和 8B 都是参数量档位，不是文件大小。量化后的权重会小一些，但加载时还要留出上下文和运行时内存。桌面端 16GB 内存跑 7B 比较稳，8GB 内存能启动但多开几个请求就容易吃紧；手机端 8B 更多是验证编译和拉取流程，实际对话速度受 CPU 和散热限制。下面这张表是经验起点，不是硬门槛，真实占用用ollama ps和系统监控看。

如果机器同时跑 Docker Desktop、浏览器和 Open WebUI，内存要再留 2GB 到 4GB 给系统和容器。Windows 和 macOS 的 Docker Desktop 默认资源限制比较保守，Open WebUI 能打开但模型加载失败时，先看 Docker 分配的内存，不要只怀疑模型标签。

3.2 模型标签、量化与磁盘占用

deepseek-r1:7b只是标签，具体量化格式和上下文窗口要用ollama show看。模型目录占磁盘很快，7B 和 8B 各拉一份就是双份权重，拉之前先看剩余空间。把OLLAMA_MODELS指到数据盘之后，du也要看新目录，不要看旧的~/.ollama/models。

# 查看模型参数、量化格式和上下文窗口 ollama show deepseek-r1:7b # 查看当前模型目录占用 du -sh /data/ollama/models # 查看正在加载的模型和占用 ollama ps

ollama show会列出 architecture、parameters、quantization 等信息，量化格式决定权重大小，parameters 里的num_ctx是默认上下文窗口。du -sh看的是目录总占用，模型多时用du -sh /data/ollama/models/*逐个看。ollama ps能看到当前加载了哪些模型、占用多少内存，对话变慢时先看这里，不要盲目重启服务。

如果磁盘只剩几 GB，不要同时保留 7B 和 8B 的多个标签。先ollama list确认哪些是临时验证用的，再决定删不删；删除用ollama rm 模型名，删之前确认没有容器或脚本还在引用。

3.3 环境变量参数表

Ollama 的并发、保活和模型目录都靠环境变量控制。单用户本机部署不需要把并发开大，OLLAMA_NUM_PARALLEL=1反而更稳；OLLAMA_KEEP_ALIVE控制模型加载后多久卸载，设得太短会频繁冷启动，设得太长会一直占内存。下面这张表是常用起点，改完要重启服务。

Linux 用户级服务用 override 文件追加，不要直接改主 unit，升级时不容易被覆盖：

# 给 ollama.service 追加保活和并发配置 mkdir -p ~/.config/systemd/user/ollama.service.d cat > ~/.config/systemd/user/ollama.service.d/override.conf <<'EOF' [Service] Environment="OLLAMA_KEEP_ALIVE=30m" Environment="OLLAMA_NUM_PARALLEL=1" Environment="OLLAMA_MAX_LOADED_MODELS=1" EOF systemctl --user daemon-reload systemctl --user restart ollama systemctl --user show ollama -p Environment

override.conf只写要覆盖的字段，Environment可以多行追加；daemon-reload让 systemd 重新读配置，restart让环境变量生效。systemctl --user show ollama -p Environment用来确认变量真的进去了，没显示就检查文件名和目录层级。OLLAMA_KEEP_ALIVE=30m表示模型加载后保留 30 分钟，内存紧张时改成5m，需要快速响应时再调大。

3.4 用 Modelfile 固化参数

环境变量管服务，Modelfile 管单个模型的默认参数。把上下文、生成长度和温度写进 Modelfile，后面 Open WebUI 和手机端调用同一个模型名时行为更一致。不要直接把基础模型改坏，用FROM派生一个新名字，验证完再决定要不要长期用。

FROM deepseek-r1:7b # 控制上下文窗口，数值越大越吃内存 PARAMETER num_ctx 8192 # 控制单次生成长度，避免一次吐太多 PARAMETER num_predict 512 # 降低随机性，做配置验证时更稳定 PARAMETER temperature 0.3

# 用当前目录的 Modelfile 创建派生模型 ollama create deepseek-r1-7b-lab -f Modelfile # 确认新模型出现在列表里 ollama list # 用新模型名跑一条最短验证 ollama run deepseek-r1-7b-lab "只回答 OK"

FROM指定基础模型，派生模型不会复制一份完整权重，而是复用底层文件；num_ctx是上下文窗口，8192 对 7B 是常见起点，内存不够就降到 4096；num_predict限制单次生成 token 数，做接口验证时设小一点能更快返回；temperature越低输出越稳定，排查配置问题时更好判断。ollama create的-f指定文件名，模型名自己定，但后面容器和手机端要统一用这个名字。派生模型删掉用ollama rm deepseek-r1-7b-lab，不影响基础模型。

4. 手机端部署：iPhone 快捷指令与 Android Termux 编译 Ollama

手机端是这套部署里最容易「看起来装好了、实际跑不通」的一段。iPhone 走快捷指令，核心是 API Key 和网络授权；Android 走 Termux，核心是依赖包和编译。两条路都不建议一上来就拉大模型，先用最小请求确认链路，再考虑 8B。下面把两条路分开写，配置项和命令都按可复现的粒度给。

4.1 iPhone 快捷指令：导入、Key 与首次授权

快捷指令的安装包导入系统后，重点是填对 API Key 和服务地址。Key 不要带前后空格，服务地址不要以多余斜杠结尾，模型名要和服端实际暴露的名字一致。首次运行会弹网络访问和快捷指令权限，全部允许后再发请求。下面这张表是常见字段的填法，不同快捷指令的变量名可能不同，按实际字段对应。

先用curl在电脑上验证同一个 Key 和地址，能返回再回手机填。下面是一个 OpenAI 兼容接口的验证示例，路径和请求体按你实际服务端调整；如果服务端直接暴露 Ollama 原生 API，路径要换成/api/generate或/api/chat。

# 在电脑上先验证 Key、地址和模型名，再去快捷指令里填 curl -s -H "Authorization: Bearer $API_KEY" \ -H "Content-Type: application/json" \ -d '{"model":"deepseek-r1:7b","messages":[{"role":"user","content":"只回答 OK"}]}' \ http://你的服务地址/v1/chat/completions

Authorization头里的Bearer后面跟 Key，Key 建议用环境变量传入，不要直接写在命令历史里；model必须和服务端接受的名称一致，Ollama 原生接口和 OpenAI 兼容接口的字段不同，返回 404 先看路径。首次运行快捷指令时，系统会问是否允许访问网络，选允许；如果点了不允许，后面不会再次弹窗，需要到快捷指令设置里手动改权限。

提示：快捷指令里的 Key 属于敏感信息，不要把填好 Key 的快捷指令截图或导出给他人。

4.2 Android Termux 准备：存储权限和依赖包

Termux 装好后先给存储权限，再更新包索引，然后装编译依赖。输入里的termuxsetupstorage是连写形式，实际命令是termux-setup-storage；libjpegturbo的包名常见写法是libjpeg-turbo。包名以pkg search的结果为准，不同源里命名可能有差异。编译 Ollama 还需要 C 编译器和 CMake，建议一起装。

# Termux 里先给存储权限，弹窗选允许 termux-setup-storage # 更新包索引和已装包 pkg update && pkg upgrade -y # 编译 Ollama 需要的依赖，包名以 pkg search 结果为准 pkg install -y git cmake golang libjpeg-turbo clang

termux-setup-storage会在系统层面弹权限，允许后 Termux 才能读写共享目录；pkg update过程中如果问是否覆盖配置文件，一般选默认，不要中途杀掉进程。clang是 C 编译器，cmake负责构建，golang提供go命令，libjpeg-turbo是图像相关依赖。装完用go version和cmake --version确认，缺一个后面编译就会断。

4.3 编译 Ollama：go generate 与 go build 的坑

Termux 里编译 Ollama 用浅克隆减少下载量，进目录后先go generate ./...再go build .。注意go generate和./...之间有空格，go build .的点表示当前目录。手机端编译建议显式打开 CGO，否则部分依赖会跳过，运行时报缺少动态库。编译产物是当前目录下的ollama可执行文件。

# 浅克隆减少下载量，目录名固定为 ollama git clone --depth 1 https://github.com/ollama/ollama.git cd ollama # 手机端编译建议显式打开 CGO export CGO_ENABLED=1 # 生成构建文件，注意 go generate 和 ./... 之间有空格 go generate ./... # 编译当前目录，产物是 ollama 可执行文件 go build .

--depth 1只拉最近一次提交，省流量；CGO_ENABLED=1让需要 C 绑定的依赖参与编译，关掉可能编出一个跑不起来的二进制。go generate ./...会跑项目里的生成脚本，报错先看缺哪个命令，回上一步补包。go build .的.不能丢，写成go build会编译包路径而不是当前目录。编译失败时先go clean -cache再重试，手机内存小的时候不要同时开太多应用。

4.4 启动服务并拉取 deepseek-r1:8b

编译完成后先后台启动服务，用curl探活，再拉模型。Termux 的后台进程容易被系统省电策略杀掉，启动前加termux-wake-lock，跑完再termux-wake-unlock。模型标签用deepseek-r1:8b，如果你那边的模型库标签是deepseekr1:8b，按./ollama list实际结果替换。

# 阻止 Android 省电策略杀后台 termux-wake-lock # 后台启动服务，日志落到当前目录 ./ollama serve > ollama.log 2>&1 & # 探活：返回版本信息说明 11434 已监听 curl -s http://127.0.0.1:11434/api/version # 拉取并运行 8B 模型，标签以实际列表为准 ./ollama pull deepseek-r1:8b ./ollama run deepseek-r1:8b

termux-wake-lock只是降低被系统杀掉概率，不代表永不被杀；./ollama serve前面的./表示运行当前目录的二进制，不要写成全局ollama，否则可能调到旧版本。日志重定向到ollama.log方便看启动错误，curl返回版本信息后再拉模型，能少走一段弯路。8B 在手机上加载慢，第一次run多等一会儿，失败先看ollama.log里的内存和动态库报错。

5. 避坑与排查：Ollama、Docker、Termux 最容易翻车的四处

这套部署的血泪经验集中在四处：端口和模型目录、Docker 容器里的网络、iPhone 快捷指令的鉴权、Termux 的编译和后台存活。下面按「现象、原因、解决」写，每条都给能直接敲的排查命令。装坏了不要急着重装，先按顺序看日志和端口，后悔药就在这些命令里。

5.1 端口、模型目录与磁盘占满

现象：ollama serve启动失败，日志里出现address already in use，或者 Open WebUI 能打开但模型列表一直空。原因通常是旧 Ollama 进程还占着 11434，或者OLLAMA_MODELS指到了没有写权限的目录。解决顺序是先看端口占用，再看服务环境变量，最后看目录权限。

# 看 11434 被谁占用 lsof -i :11434 # Linux 没有 lsof 时用 ss ss -lntp | grep 11434 # 确认服务实际使用的模型目录 systemctl --user show ollama -p Environment # 看模型目录权限和占用 ls -ld /data/ollama/models du -sh /data/ollama/models

lsof输出里的 PID 就是占用进程，确认是旧 Ollama 后停掉对应服务，不要直接杀未知进程。systemctl --user show能看到服务实际拿到的OLLAMA_MODELS，如果和你以为的路径不一致，模型当然列不出来。ls -ld看目录所有者和权限，Ollama 进程用户没有写权限时拉模型会失败；du -sh看磁盘是否已满，磁盘满时下载会中断，ollama list可能留下一个不完整条目。

如果是 Docker 里的 Open WebUI 连不上，先确认宿主机curl能通，再进容器测。宿主机通、容器不通，问题在容器网络，不在模型。

5.2 Docker 访问宿主机 Ollama 的网络断点

现象：Open WebUI 设置里填127.0.0.1:11434，保存后模型列表为空，容器日志里出现 connection refused。原因是在容器里127.0.0.1指向容器自己，不是宿主机。解决是让容器通过host.docker.internal访问宿主机，Linux 上还要加--add-host=host.docker.internal:host-gateway。

# 启动 Open WebUI 容器，端口 3000 映射容器 8080 docker run -d \ --name open-webui \ -p 3000:8080 \ --add-host=host.docker.internal:host-gateway \ -e OLLAMA_BASE_URL=http://host.docker.internal:11434 \ -v open-webui:/app/backend/data \ --restart always \ <open-webui镜像地址>

-p 3000:8080把宿主机 3000 映射到容器 8080，浏览器访问http://127.0.0.1:3000；--add-host让 Linux 也能解析host.docker.internal；OLLAMA_BASE_URL是 Open WebUI 找 Ollama 的地址，必须指向宿主机，不是容器内。镜像地址按你实际拉取到的 Open WebUI 镜像填，不要照抄占位符。数据卷open-webui保存账号和配置，删容器不要删卷。

# 进容器里测宿主机地址是否通 docker exec -it open-webui sh # 容器内执行，返回 JSON 说明网络通 curl -s http://host.docker.internal:11434/api/tags

容器内curl不通时，先看宿主机防火墙和 Ollama 是否监听0.0.0.0。Docker Desktop 资源分配太小也会导致 Open WebUI 启动后反复重启，docker logs --tail 50 open-webui能看到内存不足或端口冲突。不要一上来就删容器重建，先看日志。

5.3 iPhone 快捷指令 401/403 与授权弹窗

现象：快捷指令首次运行提示未授权、401 或 403，或者一直停在加载。原因常见三种：Key 复制时带了空格或换行、服务地址多了斜杠、快捷指令没有网络权限。解决是先在电脑上用curl验证同一组参数，再回手机逐项核对。

# 先在电脑上验证 Key 和地址，返回正常再去手机填 curl -s -o /dev/null -w "%{http_code}\n" \ -H "Authorization: Bearer $API_KEY" \ http://你的服务地址/v1/models

-o /dev/null丢弃响应体，-w "%{http_code}"只打印状态码，200 说明鉴权和地址基本对；401 查 Key，403 查权限，404 查路径。服务地址不要以/结尾，拼接路径时容易出现双斜杠。快捷指令里的 Key 字段如果是文本变量，粘贴后前后不要留空行。

5.4 Termux 编译失败与 Android 后台杀进程

现象：go build .报 C 编译器错误、找不到头文件，或者模型跑到一半 Termux 进程消失。原因通常是缺clang、CGO 没开、构建缓存损坏，或者 Android 省电策略杀了后台。解决是先补依赖，再清缓存，最后用 wake lock 保活。

# 确认 CGO 和编译器 go env CGO_ENABLED clang --version # 清理构建缓存后重试 go clean -cache export CGO_ENABLED <p> <a href="https://download.csdn.net/download/max500600/90322352" style="color:#ec7500;font-size:14px;"> 本文还有配套的精品资源，点击获取 </a> <img alt="menu-r.4af5f7ec.gif" src="https://csdnimg.cn/release/wenkucmsfe/public/img/menu-r.4af5f7ec.gif" style="width:16px;margin-left:4px;vertical-align:text-bottom;cursor:text;"> </p>