DeepSeek的三种接入使用方法 原创

前言

DeepSeek作为国产顶尖大模型，在代码生成和逻辑推理方面表现优异。本文提供三种不同场景下的接入方案，满足从普通用户到开发者的不同需求。

当前问题

由于访问量激增和网络攻击，官网服务可能出现不稳定。本文提供三种备用接入方案：

方法一：使用​​chatbox+硅基流动​​接入云端API使用(适合于普通用户使用)

方法二：使用​​Cursor+硅基流动​​接入云端API使用(适合于程序员人群)

方法三：使用​​ollama本地化部署​​使用(适用于有安全隐私需求的用户)

方法一：使用chatbox+硅基流动接入云端API使用

1. 安装chatbox

访问 ​​https://chatboxai.app/​​

下载对应版本并安装chatbox

说明：

1. 本例中以Windows为例，其他平台请参考官网

2. 注册硅基流动账号

访问硅基流动官网 ​​https://siliconflow.cn/m​​

完成注册和实名认证

说明：硅基流动现在注册并实名认证后，会赠送14元金额试用。

3. 获取API Key

登录后，点击左侧菜单栏的「API密钥」

选择「API密钥」->「新建API密钥」

输入密钥描述内容后，点击「新建密钥」

4. 配置chatbox

设置 -> 模型提供商 -> 选择「SiliconFlow API」

在API密钥框，将上一步获取的API Key填入「API 密钥」

在模型框，选择「deepseek-r1」后，点击

5. 测试模型效果

输入测试问题："用比喻的方式解释deepseek模型为什么性能要优于OpenAI"

方法二：使用cursor+硅基流动接入云端API使用

1. 安装cursor

• 访问 https://www.cursor.com/
• 下载并安装IDE
• 注册cursor账号

2. 配置硅基流动API

• 打开Cursor设置对话框
• 左侧选择Models
• 在OpenAI API Key框，填入硅基流动上创建的API Key
• 在OpenAI Base URL框，填入​​https://api.siliconflow.cn/v1​​并保存
• 点击Add Model，输入​​deepseek-ai/DeepSeek-R1​​
• 点击Verify，验证模型是否可用

说明：

• 硅基流动的API Base URL可以在硅基流动官网的模型广场，选择对应的模型查看其API文档获得。
• 模型名称​​deepseek-ai/DeepSeek-R1​​可以在硅基流动的模型广场中，选择对应的模型后直接复制获得。

3. 测试代码功能

• 使用cursor创建一个新的项目，例如"俄罗斯方块游戏"
• 使用快捷键​​Cmd/Ctrl+I​​打开Composer界面
• 输入我们的需求后回车，例如："请使用html实现一个俄罗斯方块游戏"
• Cursor会调用硅基流动的DeepSeek-R1模型，自动生成俄罗斯方块游戏，如下图：
• 使用浏览器打开生成的tetris.html文件，即可看到俄罗斯方块游戏，如下图：

备注：

1. Cursor有14天的试用期，试用期结束后需要购买订阅才能继续使用。
2. 经过实测，使用Cursor内置的DeepSeek-R1模型会比硅基流动API的DeepSeek-R1模型速度会更快。

方法三：使用ollama本地化部署使用

1. 硬件配置

注明：

• 显存预估方式一般为：模型参数×2.5（如7B模型需7×2.5=17.5GB，需RTX 3090 24GB）
• 本例中，笔者使用的是RTX 4080显卡16G显存，所以选择7B模型。

2. 安装ollama

访问ollama官网 https://ollama.com/

根据系统选择对应的安装方式

# Windows用户：访问 https://ollama.com/download/windows 下载安装包
# Mac用户：访问 https://ollama.com/download/mac 下载安装包
# Linux用户：执行
curl -fsSL https://ollama.com/install.sh | sh

说明：

1. 本例中以Windows为例，其他平台请参考官网
2. 安装完成后，在命令行中输入ollama可以看到命令行帮助文档

3. 配置ollama的下载路径

因为ollama默认下载路径为​​C:\Users\用户名\.ollama​​，所以我们需要配置ollama的下载路径，避免C盘占用过大。

在​​系统设置→搜索"环境变量"→高级系统设置→添加系统变量​​中新增Ollama的下载路径

变量名：OLLAMA_MODELS
变量值：G:\ai_LLMs_modules\Ollama

说明：变量值请根据自己的情况修改，本例中是​​G:\ai_LLMs_modules\Ollama​​

4. 下载DeepSeek大模型

• 访问ollama模型查询页面https://ollama.com/search
• 搜索deepseek-r1模型
• 根据本机配置情况，我们选择​​deepseek-r1:7b​​模型，执行如下命令

ollama run deepseek-r1:7b

下载模型根据网络环境会花费不同的时间，待下载完成后，会提示"success"

5. 测试模型效果

>>> 请用Python写一个快速排序算法

6. 集成前端UI

因为ollama本身没有提供前端UI，通过命令行交互起来比较繁琐。所以，我们可以根据之前介绍的方法一或方法二，将模型集成到前端chatbox或者cursor中。

本例，我们采用方法一，将模型集成到chatbox中。

• 打开chatbox，点击设置
• 模型提供方选择 ​​Ollama API​​
• API域名填写 ​​http://127.0.0.1:11434​​
• 模型选择 ​​deepseek-r1:7b​​
• 点击保存

运行效果：

说明：经过实测，笔者4080显卡16G显存，使用ollama本地化部署deepseek-r1:7b 模型，显存占用约7G，可以实现流畅的交互体验。

优缺点对比

备注说明：

1. ￥4/100 万个 Tokens 是硅基流动的API价格，其相当于：

• 让AI写一个5000字的文章，花费约为：1万 Tokens ÷ 100万 Tokens × 4元 =0.04元；
• 让AI每天写100个5000字的文章，花费约为：100次 × 1000 Tokens = 10万 Tokens → 10万 ÷100万 ×4元 =0.4元

内容小结

• DeepSeek大模型在部署方面，支持多种方式，满足从普通用户到开发者的不同需求。
• 对于普通用户，使用chatbox+硅基流动接入云端API使用，可以实现快速接入和使用。
• 对于程序员，使用cursor+硅基流动接入云端API使用，可以实现代码开发和调试辅助。
• 对于有安全隐私需求的用户，使用ollama本地化部署使用，可以实现完全离线使用。