零门槛部署本地大模型！Docker+Ollama 玩转 DeepSeek 全攻略

当 ChatGPT、Claude 等云端大模型成为日常工具时，“隐私泄露风险”“网络依赖限制”“API 调用成本” 却成了不少用户的痛点 —— 敏感数据不敢上传云端，断网时 AI 助手瞬间 “罢工”，高频使用的 API 账单也悄然攀升。有没有办法把强大的大模型 “搬” 到自己的电脑里，实现离线可用、隐私可控的 AI 体验?

答案是肯定的。DeepSeek 作为国内顶尖的开源大模型，凭借出色的推理能力和中文适配性备受关注;而 Docker 的容器化技术，能彻底解决 “环境配置千奇百怪、程序迁移一地鸡毛” 的难题;Ollama 则让本地大模型的运行像打开普通软件一样简单。

今天这篇全攻略，就将这三者完美结合：无需复杂的编程基础，不用纠结繁琐的依赖配置，从 Docker 安装到 DeepSeek 启动，每一步都有清晰指引。哪怕是 AI 部署新手，也能跟着流程零门槛搭建起属于自己的本地大模型服务，真正把 AI 算力握在自己手里。

一、基础知识

1、什么是Docker

Docker：就像一个“打包好的App”

想象一下，你写了一个很棒的程序，在自己的电脑上运行得很好。但当你把它发给别人，可能会遇到各种问题：

• “这个软件需要 Python 3.8，但我只有 Python 3.6！”

• “我没有你用的那个库，安装失败了！”

• “你的程序要跑在 Linux，我的电脑是 Windows！”

💡 Docker 的作用：它就像一个“打包好的 App”，把你的软件、依赖、环境、系统配置等 全部封装到一个“容器” 里，别人拿到这个容器，就能直接运行，而不用关心它内部的细节。

🚀 把 Docker 想象成“集装箱”

传统运输 vs. 集装箱运输

以前（传统部署）：

• 货物（程序）需要不同的包装方式（运行环境）

• 货物可能损坏（环境不兼容）

• 装卸麻烦（程序迁移难）

有了 Docker（容器部署）：

• 货物装进标准化集装箱（Docker 容器）

• 不管运到哪里，集装箱里东西不变（程序环境一致）

• 码头和船只可以直接装卸（轻松部署到不同系统）

Docker 让软件像“集装箱”一样标准化、可移植、易部署！ 🚢

2、什么是Ollama

Ollama 是一个本地运行大语言模型（LLM）的工具，它可以让你 在自己的电脑上直接运行 AI 模型，而不需要连接云端服务器。

💡 简单来说：Ollama 让你像运行普通软件一样，轻松在本地使用 ChatGPT、Llama、Mistral、Gemma 等大语言模型。

🚀 Ollama 的核心特点

1. 本地运行 🏠

• 你不需要联网，也不用担心隐私问题，所有计算都在你的电脑上完成。

2. 支持多种开源模型 📚

• 可以运行 Llama 3、Mistral、Gemma、Code Llama 等不同的大模型。

3. 易于安装和使用 🔧

• 只需要几条命令，就能下载并运行 AI 模型。

4. 轻量化优化 ⚡

• 适配 Mac（Apple Silicon）、Linux 和 Windows，支持 GPU 加速，让模型运行更快。

5. 离线推理 🔒

• 适合不想依赖 OpenAI API 或其他云端 AI 服务的用户。

二、准备工作

1、操作系统

这里我们使用的操作系统为Centos 7.9，配置为4核8G，大家也可以使用其他的Linux发行版本，或者使用Windows。

2、镜像准备

如果已经安装了Docker，可以提前准备好镜像，ollama/ollama，镜像比较大，拉取会耗一些时间

三、安装

1、安装Docker

1.关闭防火墙

systemctl stop firewalld && systemctl disabled firewalld

2.关闭SELinux

setenforce 0

3.更换yum源

rm -f /etc/yum.repos.d/*
curl -o /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repo
yum clean all && yum makecache

4.安装依赖项

yum install -y yum-utils device-mapper-persistent-data lvm2

5. 添加Docker源

yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

 6.安装Docker

yum install docker-ce -y

7.添加Docker镜像加速器

vim /etc/docker/daemon.json
# 添加如下内容
{
 
"registry-mirrors": [
 
"https://docker.m.daocloud.io",
 
"https://noohub.ru",
 
"https://huecker.io",
 
"https://dockerhub.timeweb.cloud",
 
"https://0c105db5188026850f80c001def654a0.mirror.swr.myhuaweicloud.com",
 
"https://5tqw56kt.mirror.aliyuncs.com",
 
"https://docker.1panel.live",
 
"http://mirrors.ustc.edu.cn/",
 
"http://mirror.azure.cn/",
 
"https://hub.rat.dev/",
 
"https://docker.ckyl.me/",
 
"https://docker.chenby.cn",
 
"https://docker.hpcloud.cloud",
 
"https://docker.m.daocloud.io"
 
]
 
}

8.启动Docker

systemctl start docker

2、启动Ollama

1.启动Ollama容器

docker run -itd -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

• docker run    运行一个新的 Docker 容器

• -itd    组合多个选项：

•  ✅ -i（保持标准输入）

•  ✅ -t（分配终端）

•  ✅ -d（后台运行容器）

• -v ollama:/root/.ollama    挂载数据卷，把 ollama 这个 Docker 数据卷 绑定到容器的 /root/.ollama 目录，确保数据持久化（如下载的模型不会丢失）。

• -p 11434:11434    端口映射，把 宿主机（本机）的 11434 端口 映射到 容器 内部的 11434 端口，这样宿主机可以通过 http://localhost:11434 访问 Ollama 服务。

• --name ollama    指定 容器名称 为 ollama，方便管理和启动。

• ollama/ollama    使用的 Docker 镜像，这里是 官方的 Ollama 镜像。

如果是使用GPU运行，则用下面的命令启动

docker run -itd --name ollama  --gpus=all -v ollama:/root/.ollama -p 11434:11434  ollama/ollama

 2.查看Ollama容器

docker ps

3、拉取Deepseek大模型

1.进入到容器中 

docker exec -it ollama /bin/bash

2.拉取模型

ollama pull  deepseek-r1:7b

在官网中，有许多Deepseek的模型，这里主要是演示，所以拉取了一个较小的模型

官网地址：deepseek-r1

3.查看模型

ollama list

4、启动Deepseek 

ollama run deepseek-r1:7b

总结

从 “担心隐私不敢用云端” 到 “本地离线畅玩大模型”，Docker+Ollama 的组合为 DeepSeek 部署提供了一套高效且低门槛的解决方案。

回顾整个流程，Docker 通过标准化容器消除了环境兼容的痛点，让 Ollama 及依赖得以在任何系统中稳定运行;Ollama 则简化了大模型的拉取与启动操作，即使是新手也能通过几条命令完成部署;而 DeepSeek-r1:7b 模型的轻量化特性，更让 4 核 8G 的基础配置也能轻松承载。从关闭防火墙、配置 Docker 镜像加速器，到挂载数据卷启动 Ollama 容器，再到拉取模型实现交互，每一步都印证了 “零门槛” 的核心优势 —— 无需专业运维知识，不用高端硬件支撑，就能拥有隐私可控、离线可用的 AI 助手。

这套部署范式不仅适用于 DeepSeek，更可迁移到 Llama 3、Mistral 等其他开源模型。掌握它，你就解锁了本地 AI 应用的无限可能：无论是日常问答、代码辅助，还是敏感场景下的数据分析，都能摆脱云端束缚，让大模型真正为自己 “专属服务”。