【Mac下通过Brew安装Ollama 】部署 DeepSeek 轻量模型（实测版）

文章目录

• • 一、前言
  • 二、准备工作
  • • （一）环境要求
    • （二）工具准备
  • [三、安装 Ollama（实测流程）](#三、安装 Ollama（实测流程）)
  • • [（一）Brew 安装与重试机制](#（一）Brew 安装与重试机制)
    • [（二）启动 Ollama 后台服务（关键步骤）](#（二）启动 Ollama 后台服务（关键步骤）)
    • [（三）验证 Ollama 版本](#（三）验证 Ollama 版本)
  • [四、部署 DeepSeek 轻量模型（解决命令差异问题）](#四、部署 DeepSeek 轻量模型（解决命令差异问题）)
  • • （一）版本差异说明
    • [（二）拉取并启动 `deepseek-r1:7b`（实测案例）](#（二）拉取并启动 deepseek-r1:7b（实测案例）)
  • 五、模型使用与验证（实测交互示例）
  • • （一）基础对话测试
    • （二）退出与重启
    • （三）查看已安装模型
  • 六、常见问题解决（补充实测经验）
  • • [（一）Ollama 安装失败（`curl: (92) PROTOCOL_ERROR`）](#（一）Ollama 安装失败（curl: (92) PROTOCOL_ERROR）)
    • [（二）`ollama search` 命令失效](#（二）ollama search 命令失效)
    • （三）模型启动无响应（输入无反馈）
    • （四）模型下载速度慢
  • 七、总结

一、前言

若对您有帮助的话，请点赞收藏加关注哦，您的关注是我持续创作的动力！有问题请私信或联系邮箱：funian.gm@gmail.com

Ollama 是一款轻量级本地大模型部署工具，支持一键启动主流开源模型，无需复杂配置；DeepSeek 轻量模型（如 deepseek-r1:7b）则以「低资源占用+高性能」为特点，4.7GB 左右的体积在 Mac（尤其是 Apple Silicon 芯片机型）上运行流畅，非常适合本地开发测试、离线调试等场景。

本文基于 Ollama 0.12.6 版本（实测稳定），补充实际操作中遇到的「下载中断重试」「服务启动依赖」「版本命令差异」等问题，提供可落地的精准部署流程。

二、准备工作

（一）环境要求

• 操作系统：macOS 12.0+（实测 Apple M1/M2/M3 芯片兼容，Intel 芯片需验证）
• 硬件配置：≥8GB 内存（推荐 16GB 以上，避免卡顿），≥10GB 空闲磁盘（模型本身约 4.7GB，预留缓存空间）
• 网络环境：需稳定外网（模型下载依赖 GitHub Container Registry，可能需要多次重试）

（二）工具准备

需提前安装 Homebrew（Mac 包管理工具），已安装可跳过：

# 安装命令（复制到终端执行）
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

验证安装成功：

brew --version
# 成功输出示例：Homebrew 4.3.2（版本号可能不同，有输出即正常）

三、安装 Ollama（实测流程）

（一）Brew 安装与重试机制

通过 Brew 安装 Ollama，首次可能因网络波动失败，直接重试即可：

brew install ollama

实测可能遇到的问题：

• 报错 curl: (92) HTTP/2 PROTOCOL_ERROR：因网络中断导致包下载失败，重新执行 brew install ollama 即可（Brew 支持断点续传）。

安装成功的终端输出参考：

==> Pouring ollama--0.12.6.arm64_sequoia.bottle.tar.gz
==> Caveats
To start ollama now and restart at login:
  brew services start ollama
Or, if you don't want/need a background service you can just run:
  OLLAMA_FLASH_ATTENTION="1" OLLAMA_KV_CACHE_TYPE="q8_0" /opt/homebrew/opt/ollama/bin/ollama serve
==> Summary
🍺  /opt/homebrew/Cellar/ollama/0.12.6: 8 files, 27.8MB

（二）启动 Ollama 后台服务（关键步骤）

Ollama 依赖后台服务运行，必须启动服务否则无法与模型交互：

# 启动服务并设置开机自启
brew services start ollama

验证服务状态：

brew services list
# 输出中若有「ollama   started」即表示服务正常运行

（三）验证 Ollama 版本

确认安装的版本为 0.12.6（本文实测版本）：

ollama --version
# 成功输出：ollama version is 0.12.6

四、部署 DeepSeek 轻量模型（解决命令差异问题）

（一）版本差异说明

Ollama 0.12.6 暂不支持 ollama search 命令（实测执行会报错 Error: unknown command "search" for "ollama"），需直接使用官方公布的模型标签拉取。

DeepSeek 适合 Mac 的轻量模型标签（实测可用）：

• 通用场景：deepseek-r1:7b（约 4.7GB，平衡性能与体积）
• 代码场景：deepseek-coder:lite（约 1.5GB，轻量代码生成）
• 基础场景：deepseek:lite（约 2.5GB，入门级通用模型）

（二）拉取并启动 deepseek-r1:7b（实测案例）

直接执行以下命令，Ollama 会自动下载模型并进入交互界面：

ollama run deepseek-r1:7b

实测拉取过程（需耐心等待，进度条满即完成）：

pulling manifest 
pulling 96c415656d37: 100% ▕██████████████████▏ 4.7 GB                         
pulling c5ad996bda6e: 100% ▕██████████████████▏  556 B                         
pulling 6e4c38e1172f: 100% ▕██████████████████▏ 1.1 KB                         
pulling f4d24e9138dd: 100% ▕██████████████████▏  148 B                         
pulling 40fb844194b2: 100% ▕██████████████████▏  487 B                         
verifying sha256 digest 
writing manifest 
success 
>>>  # 出现此符号表示进入模型交互界面

五、模型使用与验证（实测交互示例）

（一）基础对话测试

在 >>> 提示符后输入问题，模型会实时响应：

>>> 你好，介绍一下自己
Hello! 我是 DeepSeek-R1，一款由深度求索（DeepSeek）开发的轻量级大模型。我可以协助你解决问题、回答疑问，或者进行日常交流。有什么我能帮你的吗？😊

>>> 用 Python 写一个简单的冒泡排序
以下是 Python 实现的冒泡排序算法：

def bubble_sort(arr):
    n = len(arr)
    # 遍历所有数组元素
    for i in range(n):
        # 最后 i 个元素已经就位
        for j in range(0, n-i-1):
            # 遍历数组从 0 到 n-i-1
            # 交换如果当前元素大于下一个元素
            if arr[j] > arr[j+1]:
                arr[j], arr[j+1] = arr[j+1], arr[j]
    return arr

# 测试示例
arr = [64, 34, 25, 12, 22, 11, 90]
bubble_sort(arr)
print("排序后的数组:", arr)

（二）退出与重启

• 退出交互 ：输入 /exit 并回车，返回终端命令行。
• 重启模型 ：无需重新下载，直接执行 ollama run deepseek-r1:7b 即可快速启动。

（三）查看已安装模型

ollama list
# 实测输出（安装后显示）：
# NAME              ID              SIZE    MODIFIED
# deepseek-r1:7b    8e6871999988    4.7 GB  10 minutes ago

六、常见问题解决（补充实测经验）

（一）Ollama 安装失败（curl: (92) PROTOCOL_ERROR）

• 原因：网络波动导致 Homebrew 从 GHCR 仓库拉取包中断。
• 解决 ：重新执行 brew install ollama，Brew 会自动续传或重新下载，多试几次即可成功。

（二）ollama search 命令失效

• 原因 ：Ollama 0.12.6 版本未包含 search 功能（高版本已支持，低版本需手动查询）。
• 解决 ：
  1. 访问 Ollama 官方模型库：https://ollama.com/library
  2. 搜索「deepseek」获取最新模型标签（如 deepseek-r1:7b），直接用标签拉取。

（三）模型启动无响应（输入无反馈）

• 原因：未启动 Ollama 后台服务，模型无法加载。
• 解决 ：执行 brew services start ollama，确认服务状态为 started 后重新启动模型。

（四）模型下载速度慢

• 原因：境外服务器连接不稳定。
• 解决：可尝试切换网络（如手机热点），或耐心等待（Ollama 支持断点续传，中途断网后重新执行命令会继续下载）。

七、总结

基于 Ollama 0.12.6 实测，Mac 部署 DeepSeek 轻量模型的核心流程为：

「Brew 安装 Ollama（带重试）→ 启动后台服务 → 用标签拉取 deepseek-r1:7b → 交互测试」。

重点注意：Ollama 服务必须启动，低版本无 search 命令需手动指定模型标签。deepseek-r1:7b 模型在 16GB 内存的 M1 Mac 上响应延迟约 1-3 秒，适合本地开发、离线调试或学习大模型交互逻辑。

后续可参考 Ollama 官方文档（https://ollama.com/docs）开发 API 接口、自定义模型参数或进行微调。