macOS上DeepSeek大模型，Ollama与OpenWebUI的绝佳组合

在2025年1月20日，杭州的一家公司发布了开源推理模型DeepSeek-R1，其推理能力媲美OpenAI O3，且成本极低。本文详细介绍了如何在macOS上通过Ollama和Open WebUI部署和运行DeepSeek大模型。Ollama是一个轻量级框架，支持多种模型的本地运行，而Open WebUI则提供了一个便捷的网页接口。通过这两个工具，用户可以在本地轻松部署并使用DeepSeek-R1的32B蒸馏版本，实现高效、低成本的AI推理。

2025年1月20日，杭州的一家公司开源推理模型 DeepSeek-R1，一经推出就震撼了世界。

不单单是媲美 OpenAI O3 的推理能力，更是用极低的成本，惊艳了世界。更何况，DeepSeek-R1 是开源的，任何人都可以部署，实现本地运行大模型，真正的 OPEN。

比较有趣的是，DeepSeek 671B 模型，有非常多的“蒸馏版本”，而且“蒸馏版本”对高端显卡的依赖低，性能也基本满足个人使用。

本文将介绍如何在 macOS 上部署 Ollama 和 Open WebUI，实现本地运行 DeepSeek 大模型。

最后的效果：

本地部署 32B 版本 DeepSeek

部署思路

目前本地部署 DeepSeek-R1 的途径很多，主流的方法是使用 Ollama + Open WebUI 或者 Ollama + ChatbotUI；我个人是觉得 Ollama + Open WebUI 更加实用，所以我们就部署这两个“小家伙”吧：

Ollama: 一个轻量级、可扩展的框架，用于在本地计算机上构建和运行语言模型。支持从服务器拉取 Llama 3.3, DeepSeek-R1, Phi-4 和 Gemma 2 等模型。Open WebUI: 一个轻量的开源网页 AI 接口 程序，用于在浏览器中调用本地、远程接口语言模型。支持使用 Ollama 模型进行对话、文本生成和文本摘要等任务。

所以，我们是先本地部署 Ollama，之后使用 Ollama 拉取 DeepSeek-R1 模型，最后使用 Open WebUI 调用 Ollama 模型，实现本地运行 DeepSeek-R1 大模型。部署流程如下图所示：

本地流程图

我的电脑配置:

MacBook Pro (14-inch, 2023) M2Max 32GB

我的电脑配置

Ollama 部署

这里有两个方法可以部署 Ollama，分别是二进制包安装和Docker安装。

Nice ~

安装 Ollama

如果你想要更好的性能，那么推荐使用二进制包安装，因为二进制包安装的 Ollama 性能更好。进入 Ollama Releases 页面，下载最新版本的 Ollama：

下载 Ollama

你也可以通过 Ollama 官网的链接，自动下载最新版本的 Ollama：https://ollama.com/download/Ollama-darwin.zip

解压下载的 Ollama 文件，将内部的 Ollama 文件移动到应用文件夹内：

移动 Ollama

双击打开，点击安装后，即可在终端内调用：

安装 Ollama

代码语言：bash复制

# 查看 Ollama 版本ollama --version# Ollama 命令帮助ollama -h

如果你想使用 Docker 部署 Ollama，那么可以参考 Ollama 官方 Docker 镜像。直接拉取 Ollama 的 Docker 镜像：

代码语言：bash复制

# 拉取镜像并映射端口运行docker run -d -v $HOME/Documents/myDockerData/ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

Docker 拉取 Ollama

拉取模型

我们可以在 Ollama 的官网查询到模型的 ID: https://ollama.com/library/deepseek-r1

比如我们这次演示使用 32B 蒸馏版本的，那么 ID 就是 deepseek-r1:32b。同时，Ollama 的拉取命令是：

代码语言：bash复制

# 拉取并运行ollama run deepseek-r1:32b# 也可以仅仅拉取ollama pull deepseek-r1:32b

复制命令，到终端内执行即可（如果你使用 Docker 版本的 Ollama，那么需要先docker exec -it ollama /bin/bash进入容器内再执行）：

拉取 DeepSeek-R1 模型

这个时候，相当于我们使用 Ollama 直接运行模型，你可以直接进行提问，比如：

使用 Ollama 模型

输入/bye，可以退出当前模型交互。后续我们使用 Open WebUI 通过 Ollama 的 API 进行调用。

模型的本地存放地址，在~/.ollama/models内：

模型本地存放地址

到此，Ollama 和模型就部署完成了。

哈哈，真不错 ~

Open WebUI 部署

同样，有两种方法可以部署 Open WebUI，分别是 Docker 安装和 Python pip 安装。

如果选择 pip 安装；只需要在 Python 版本≥ 3.8 的情况下，一步即达安装：

代码语言：bash复制

# 安装 Open WebUIpip install open-webui# 启动 Open WebUIopen-webui serve

如果你想使用 Docker 部署 Open WebUI，那么可以参考 Open WebUI 官方文档。直接拉取 Open WebUI 的 Docker 镜像：

代码语言：bash复制

# 拉取镜像并映射端口运行docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v $HOME/Documents/myDockerData/openwebui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

Docker 拉取 Open WebUI

解释一下参数：

-p 3000:8080：将容器的 8080 端口映射到主机的 3000 端口；--add-host=host.docker.internal:host-gateway：将容器内的 host.docker.internal 解析为宿主机的 IP 地址（通过 host-gateway 动态获取）。

浏览器访问 http://localhost:3000，即可进入 Open WebUI 的界面。根据提示初始化账号即可：

Open WebUI 界面

配置 Open WebUI

其实本地 Open WebUI 和 Ollama 的配置，已经做到了开箱即用。存在部分情况需要设置 API 接口，或者设置远程 ollama 的接口用于本地调用。

API 接口设置

默认情况，Open WebUI 会使用 Ollama 的默认地址 http://localhost:11434 进行查询。没有显示模型，你可以在 Settings 中进行配置：

Open WebUI 配置

Open WebUI 配置详情

配置联网查询

联网查询我这里也提一下。一些小白用户，以为联网查询功能，是 DeepSeek 模型提供的；实际上，不管是 DeepSeek 官网，还是 Open WebUI，都是搜索 API 查询了网上结果后，作为 Token 内容喂给模型，之后输出结果。

相当于我们自己网上搜索了一下，把搜索结果作为附件，和提问内容一起给模型，模型输出结果。流程图：

联网查询

Open WebUI 的联网查询，就是使用搜索引擎 API，获取搜索结果。比如，我设置 duckduckgo 作为搜索引擎：

配置 duckduckgo

之后，在提问中，即可使用联网搜索功能：

使用 duckduckgo 搜索

最后的效果：

使用 duckduckgo 搜索结果

Q&A

这里，我收集了一些常见的问题，以及解决方案。

常见疑难问题？

如何卸载 Ollama

参考 GitHub issue: How to remove ollama from macos?

注意：移除 Ollama 的配置文件和安装包，只是移除 Ollama 的本地数据，不会影响 Ollama 的模型。

如果你是 docker 部署的，那么移除容器就可以了：

代码语言：bash复制

docker stop ollamadocker rm ollama

如果你是直接安装的，那么需要先移除 Ollama 的配置文件，再移除 Ollama 的安装包：

代码语言：bash复制

# 移除二进制文件rm /usr/local/bin/ollama # 删除软件rm -rf ~/Library/Application\ Support/Ollama

最后，移除 Ollama 的登录项即可。

END

感谢阅读，如果觉得不错，欢迎点赞、评论、转发。如果有什么问题，欢迎在评论区留言。有机会，我们一起看看本地知识库如何构建 ~~

文中关于的知识介绍，希望对你的学习有所帮助！若是受益匪浅，那就动动鼠标收藏这篇《macOS上DeepSeek大模型，Ollama与OpenWebUI的绝佳组合》文章吧，也可关注golang学习网公众号了解相关技术文章。