从零跑通 DeepSeek-R1 + Ollama：5 步，外加 4 个容易卡住的地方

跟着这篇走完，本机就能把 DeepSeek-R1 跑起来。先用命令行跟它聊一轮热热手，再调 /api/chat 发请求，让响应里 message.thinking（推理思考过程）和 message.content（最终回答）分两个字段给你。

整个流程 5 步，每步结尾都附一条 curl 或 ollama 命令验证你这步有没有走对。localhost:11434 是 Ollama 的默认监听端口，模型本文固定用 deepseek-r1:8b（即 5.2 GB 的 Q4_K_M 蒸馏版，基座是 Qwen3-8B，和 deepseek-r1:latest 指向同一份权重）。

如果你换了端口，或者改用 1.5b / 14b / 32b / 70b 这些 tag，把示例值替换掉就行，整套命令照样能跑。还没装过 Ollama 的，先去从零跑通 Ollama + Qwen3 本地对话把服务拉起来再回来。

前置条件

项	要求	说明
Ollama	0.34.4 或更高	0.40.0 仍是预发布版，不要用
磁盘	6 GB 以上空闲	deepseek-r1:8b 是 DeepSeek-R1-0528-Qwen3-8B 蒸馏版，Q4_K_M 量化 5.2 GB
内存	16 GB 以上（8b 推理）/ 32 GB+（14b）/ 64 GB+（32b）/ 96 GB+（70b）	8B 加载后常驻约 5 GB；大模型按 tag 推
网络	能访问 ollama.com	首次拉模型需下载 5.2 GB，之后可完全离线

先跑这条确认版本。

ollama --version

看到 ollama version is 0.34.4 就满足条件。命令报 command not found 说明 Ollama 没装成功，先解决再往下走。

第一步：安装并启动 Ollama

macOS 和 Linux 用同一条安装脚本，Windows 用 PowerShell。不想跑脚本的话，去官方下载页拿各平台的图形安装包。

# macOS / Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows（PowerShell）
irm https://ollama.com/install.ps1 | iex

装完之后 macOS 和 Windows 上 Ollama 会常驻菜单栏并自动拉起服务，Linux 上安装脚本会注册 systemd 服务并立即启动。这一步不用你手动跑 ollama serve，除非你跑在 Docker 或纯命令行环境里，那才需要自己起进程。

验证服务在监听默认端口。

curl http://localhost:11434/api/version

返回 {"version":"0.34.4"} 说明服务在跑，可以进入下一步。返回 curl: (7) Failed to connect to localhost port 11434 是服务没起 / OLLAMA_HOST 被改到别的地址 / 容器内 localhost 指自己，看 常见问题 第 1 项。

第二步：拉 deepseek-r1:8b

Ollama 的模型不会随安装包一起下发，要单独 pull 到本地。deepseek-r1 是仓库名，8b 是规格 tag，写全了才能避开歧义。

ollama pull deepseek-r1:8b

下载 5.2 GB，速度看网络。deepseek-r1 是仓库名，8b 是规格 tag——写全了才能避开歧义。

这里的 8b 实际是 DeepSeek-R1-0528-Qwen3-8B（arch=qwen3、parameters=8.19B、Q4_K_M 量化、128K 上下文），跟 deepseek-r1:latest 指向同一份 blob。

deepseek-r1 仓库下还有更小和更大的规格，按机器内存挑一档：

tag	磁盘	上下文	适合
deepseek-r1:1.5b	1.1 GB	128K	只验证链路
deepseek-r1:8b	5.2 GB	128K	本文用
deepseek-r1:14b	9.0 GB	128K	32 GB 内存
deepseek-r1:32b	20 GB	128K	64 GB 内存
deepseek-r1:70b	43 GB	128K	96 GB+ 内存

验证模型是否真的落到本地。

ollama list

输出里出现一行 deepseek-r1:8b、SIZE 列显示 5.2 GB，就算拉好了。列表里没它，说明前面的 pull 中途失败。报 Error: pull model manifest: file does not exist 一般是 tag 写错或大小写错（比如 deepseek-r1:8B），看 常见问题 第 2 项。

第三步：用命令行完成一次 thinking 会话

ollama run 会拉起模型并进入交互提示符，这是最快确认「模型到底能不能答」的方式。

ollama run deepseek-r1:8b

首次执行要把权重加载进内存，会等几秒到几十秒——第一次跑这种规模模型基本都有这一步等加载的耐心挑战，别误以为进程卡死了。加载完出现 >>> 提示符，直接敲问题回车即可。

DeepSeek-R1 跟一般聊天模型不一样：会先输出 thinking（推理过程），再输出 content（正式回答）。CLI 默认就开着 thinking，不用额外开关。

在 >>> 下输入：

>>> 用一句话解释什么是栈溢出
>>> /bye

能看到先出一段 thinking 再给最终答案；/bye 干净退出回到 shell，这一步就算成了。如果进程被 kill 或报 Error: model requires more system memory，多半是上一个模型还在 keep-alive 缓存里没释放，看 常见问题 第 3 项。

第四步：用 REST API 发一次带 thinking 的请求

Ollama 服务同时暴露了一套 HTTP 接口，端口就是刚才验证过的 11434。先发一条单轮请求确认接口通，同时验证 think 参数能让响应里出现 message.thinking 字段。

curl http://localhost:11434/api/chat -d '{
  "model": "deepseek-r1:8b",
  "messages": [
    { "role": "user", "content": "用一句话说明 /api/chat 的 stream 和 think 参数区别" }
  ],
  "think": true,
  "stream": false
}'

think: true 显式开启思考输出（默认值其实就是 true，写出来主要为了明确）；stream: false 一次性拿完整 JSON，便于对照字段。

注意一个容易踩的点：Ollama 响应里用 message.thinking 装思考过程，用 message.content 装最终回答——这跟 DeepSeek 云 API 的 message.reasoning_content 不是同一个字段，把云 SDK 搬过来直接读 reasoning_content 会拿到 undefined。

返回体同时满足四条就算通了："done": true、message.thinking 非空、message.content 非空、eval_count > 0。

eval_count 是这次实际生成的 token 数——它为 0 就说明模型啥都没吐出来，多半是模型名写错或者显存不够加载失败。

message.thinking 是空或字段缺失，那基本是按 DeepSeek 云 SDK 在 message.reasoning_content 取值、拿到 undefined 的问题了，看 常见问题 第 4 项。

第五步（可选进阶）：流式看 thinking 实时回流

把 stream 打开，给 curl 加 -N 关掉输出缓冲，让 /api/chat 一边生成一边返回。

curl -N http://localhost:11434/api/chat -d '{
  "model": "deepseek-r1:8b",
  "messages": [
    { "role": "user", "content": "从 1 数到 5" }
  ],
  "think": true,
  "stream": true
}'

流式响应里 message.thinking 增量分片出现在 message.content 之前——这是肉眼能看到“思考过程一个字一个字地往外冒”的唯一方式。done: true 只在最后一行出现，前面每一行都是中间分片。

关掉 thinking 有几种写法，按你的场景挑：

• 请求体里把 think 改成 false，或者干脆不写——简单粗暴。
• 会话内 /set notthink，CLI 默认开启 thinking，临时切到 notthink。
• CLI 启动时加 --hidethinking，适合脚本里想隐藏思考过程、但仍允许模型内部推理的场景。

核心概念

这张架构图就是整条调用链路的走向——从左到右走一遍，一次带 thinking 的请求的完整路径就看清楚了。

概念	是什么	类比
Ollama	把权重文件、运行参数和推理引擎（llama.cpp / MLX）打包成本地常驻服务的运行时	像本地的数据库服务，装好就有一个进程守在 11434 端口
DeepSeek-R1 / 蒸馏版	DeepSeek-R1 本身是 671B MoE 推理模型；Ollama 上常见的是蒸馏版（1.5b/8b/14b/32b/70b），默认 8b 即 DeepSeek-R1-0528-Qwen3-8B（Q4_K_M 量化，5.2 GB，128K 上下文）	像 GitHub 仓库里的 release tag，同一个仓库下不同规格，挑机器够得动的那个
thinking 字段	/api/chat 响应里 message.thinking 装推理思考过程，message.content 装最终回答；通过请求体 "think": true/false 或 CLI 的 /set think//set nothink 切换	像 LLM 的 inner monologue / 草稿区，思考在前面、答案在后面
num_ctx	一次请求能看到的 token 上限，Ollama 默认 4096，超出历史会被截断；DeepSeek-R1 蒸馏版模型上限 128K，671b 主模型 160K	像工作台面积，放得下的材料在工作台上用，放不下的就推到地上
keep_alive	模型在内存里停留的时间，默认 5m（5 分钟）；超出后自动卸载，下一次请求触发重新加载	像酒店退房时间，超过时间房间就释放，下一个客人来再重新办入住

常见问题

下一步