從零跑通 DeepSeek-R1 + Ollama：5 步，外加 4 個容易卡住的地方

跟著這篇走完，本機就能把 DeepSeek-R1 跑起來。先用命令行跟它聊一輪熱熱手，再調 /api/chat 發請求，讓響應裡 message.thinking（推理思考過程）和 message.content（最終回答）分兩個字段給你。

整個流程 5 步，每步結尾都附一條 curl 或 ollama 命令驗證你這步有沒有走對。localhost:11434 是 Ollama 的預設監聽端口，模型本文固定用 deepseek-r1:8b（即 5.2 GB 的 Q4_K_M 蒸餾版，基座是 Qwen3-8B，和 deepseek-r1:latest 指向同一份權重）。

如果你換了端口，或者改用 1.5b / 14b / 32b / 70b 這些 tag，把示例值替換掉就行，整套命令照樣能跑。還沒裝過 Ollama 的，先去從零跑通 Ollama + Qwen3 本地對話把服務拉起來再回來。

前置條件

項	要求	說明
Ollama	0.34.4 或更高	0.40.0 仍是預發佈版，不要用
磁盤	6 GB 以上空閒	deepseek-r1:8b 是 DeepSeek-R1-0528-Qwen3-8B 蒸餾版，Q4_K_M 量化 5.2 GB
記憶體	16 GB 以上（8b 推理）/ 32 GB+（14b）/ 64 GB+（32b）/ 96 GB+（70b）	8B 加載後常駐約 5 GB；大模型按 tag 推
網絡	能訪問 ollama.com	首次拉模型需下載 5.2 GB，之後可完全離線

先跑這條確認版本。

ollama --version

看到 ollama version is 0.34.4 就滿足條件。命令報 command not found 說明 Ollama 沒裝成功，先解決再往下走。

第一步：安裝並啟動 Ollama

macOS 和 Linux 用同一條安裝腳本，Windows 用 PowerShell。不想跑腳本的話，去官方下載頁拿各平臺的圖形安裝包。

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

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

裝完之後 macOS 和 Windows 上 Ollama 會常駐選單欄並自動拉起服務，Linux 上安裝腳本會註冊 systemd 服務並立即啟動。這一步不用你手動跑 ollama serve，除非你跑在 Docker 或純命令行環境裡，那才需要自己起進程。

驗證服務在監聽預設端口。

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

返回 {"version":"0.34.4"} 說明服務在跑，可以進入下一步。返回 curl: (7) Failed to connect to localhost port 11434 是服務沒起 / OLLAMA_HOST 被改到別的地址 / 容器內 localhost 指自己，看 常見問題 第 1 項。

第二步：拉 deepseek-r1:8b

Ollama 的模型不會隨安裝包一起下發，要單獨 pull 到本地。deepseek-r1 是倉庫名，8b 是規格 tag，寫全了才能避開歧義。

ollama pull deepseek-r1:8b

下載 5.2 GB，速度看網絡。deepseek-r1 是倉庫名，8b 是規格 tag——寫全了才能避開歧義。

這裡的 8b 實際是 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 倉庫下還有更小和更大的規格，按機器記憶體挑一檔：

tag	磁盤	上下文	適合
deepseek-r1:1.5b	1.1 GB	128K	只驗證鏈路
deepseek-r1:8b	5.2 GB	128K	本文用
deepseek-r1:14b	9.0 GB	128K	32 GB 記憶體
deepseek-r1:32b	20 GB	128K	64 GB 記憶體
deepseek-r1:70b	43 GB	128K	96 GB+ 記憶體

驗證模型是否真的落到本地。

ollama list

輸出裡出現一行 deepseek-r1:8b、SIZE 列顯示 5.2 GB，就算拉好了。列表裡沒它，說明前面的 pull 中途失敗。報 Error: pull model manifest: file does not exist 一般是 tag 寫錯或大小寫錯（比如 deepseek-r1:8B），看 常見問題 第 2 項。

第三步：用命令行完成一次 thinking 會話

ollama run 會拉起模型並進入交互提示符，這是最快確認「模型到底能不能答」的方式。

ollama run deepseek-r1:8b

首次執行要把權重加載進記憶體，會等幾秒到幾十秒——第一次跑這種規模模型基本都有這一步等加載的耐心挑戰，別誤以為進程卡死了。加載完出現 >>> 提示符，直接敲問題回車即可。

DeepSeek-R1 跟一般聊天模型不一樣：會先輸出 thinking（推理過程），再輸出 content（正式回答）。CLI 預設就開著 thinking，不用額外開關。

在 >>> 下輸入：

>>> 用一句话解释什么是栈溢出
>>> /bye

能看到先出一段 thinking 再給最終答案；/bye 乾淨退出回到 shell，這一步就算成了。如果進程被 kill 或報 Error: model requires more system memory，多半是上一個模型還在 keep-alive 緩存裡沒釋放，看 常見問題 第 3 項。

第四步：用 REST API 發一次帶 thinking 的請求

Ollama 服務同時暴露了一套 HTTP 接口，端口就是剛才驗證過的 11434。先發一條單輪請求確認接口通，同時驗證 think 參數能讓響應裡出現 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 顯式開啟思考輸出（預設值其實就是 true，寫出來主要為了明確）；stream: false 一次性拿完整 JSON，便於對照字段。

注意一個容易踩的點：Ollama 響應裡用 message.thinking 裝思考過程，用 message.content 裝最終回答——這跟 DeepSeek 雲 API 的 message.reasoning_content 不是同一個字段，把雲 SDK 搬過來直接讀 reasoning_content 會拿到 undefined。

返回體同時滿足四條就算通了："done": true、message.thinking 非空、message.content 非空、eval_count > 0。

eval_count 是這次實際生成的 token 數——它為 0 就說明模型啥都沒吐出來，多半是模型名寫錯或者顯存不夠加載失敗。

message.thinking 是空或字段缺失，那基本是按 DeepSeek 雲 SDK 在 message.reasoning_content 取值、拿到 undefined 的問題了，看 常見問題 第 4 項。

第五步（可選進階）：流式看 thinking 實時迴流

把 stream 打開，給 curl 加 -N 關掉輸出緩衝，讓 /api/chat 一邊生成一邊返回。

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
}'

流式響應裡 message.thinking 增量分片出現在 message.content 之前——這是肉眼能看到“思考過程一個字一個字地往外冒”的唯一方式。done: true 只在最後一行出現，前面每一行都是中間分片。

關掉 thinking 有幾種寫法，按你的場景挑：

• 請求體裡把 think 改成 false，或者乾脆不寫——簡單粗暴。
• 會話內 /set notthink，CLI 預設開啟 thinking，臨時切到 notthink。
• CLI 啟動時加 --hidethinking，適合腳本里想隱藏思考過程、但仍允許模型內部推理的場景。

核心概念

這張架構圖就是整條調用鏈路的走向——從左到右走一遍，一次帶 thinking 的請求的完整路徑就看清楚了。

概念	是什麼	類比
Ollama	把權重文件、運行參數和推理引擎（llama.cpp / MLX）打包成本地常駐服務的運行時	像本地的數據庫服務，裝好就有一個進程守在 11434 端口
DeepSeek-R1 / 蒸餾版	DeepSeek-R1 本身是 671B MoE 推理模型；Ollama 上常見的是蒸餾版（1.5b/8b/14b/32b/70b），預設 8b 即 DeepSeek-R1-0528-Qwen3-8B（Q4_K_M 量化，5.2 GB，128K 上下文）	像 GitHub 倉庫裡的 release tag，同一個倉庫下不同規格，挑機器夠得動的那個
thinking 字段	/api/chat 響應裡 message.thinking 裝推理思考過程，message.content 裝最終回答；通過請求體 "think": true/false 或 CLI 的 /set think//set nothink 切換	像 LLM 的 inner monologue / 草稿區，思考在前面、答案在後面
num_ctx	一次請求能看到的 token 上限，Ollama 預設 4096，超出歷史會被截斷；DeepSeek-R1 蒸餾版模型上限 128K，671b 主模型 160K	像工作臺面積，放得下的材料在工作臺上用，放不下的就推到地上
keep_alive	模型在記憶體裡停留的時間，預設 5m（5 分鐘）；超出後自動卸載，下一次請求觸發重新加載	像酒店退房時間，超過時間房間就釋放，下一個客人來再重新辦入住

常見問題

下一步