如果你正在寻找一款推理能力出色且开源且免费的人工智能，那么新推出的DeepSeek R1是一个不错的选择。它与 GPT-4、o1-mini、Claude 3.5 等模型相媲美，并且表现优于它们。我测试过它，赞不绝口！

想在Visual Studio Code中直接运行它作为类似于 GitHub Copilot 的代码代理，而无需花一分钱，请跟着我向你展示如何使用LM Studio、Ollama和Jan等工具来执行此操作。

为什么 DeepSeek R1 最近受到如此热议？

• 它是免费且开源的：与许多收费昂贵的模型不同，你可以免费使用它。它甚至可以在https://chat.deepseek.com上进行聊天。

• 性能：它在涉及逻辑、数学甚至代码生成（这是我最喜欢的部分）的任务中与其他模型竞争并超越其他模型。

• 多个版本：要在本地运行（LLM），有从 1.5B 到 70B 参数的模型，因此你可以根据自己的硬件选择最适合自己 PC 的模型。

• 易于集成：你可以使用Cline或Roo Code等扩展将其连接到 VSCode 。

• 无成本：如果在本地运行，则无需支付代币或 API 费用。建议使用显卡，因为仅依靠 CPU 运行速度较慢。

  
  

开始前的重要提示

• 节省资源：如果你的电脑性能不是很强大，请坚持使用较小的模型（1.5B 或 7B 参数）或量化版本。

• RAM 计算器：使用LLM Calc找出你所需的最小内存。

• 隐私：在本地运行意味着你的数据保留在您的电脑上，不会进入外部服务器。

• 无成本：本地运行是免费的，但如果想使用 DeepSeek API，则需要支付Token。好消息是他们的价格比其它竞争对手低得多。

  
  

选择哪种型号？取决于你的电脑！

DeepSeek R1 有多个版本，选择取决于你的硬件：

• 1.5B参数：

• 所需内存：~4 GB。

• GPU：集成（如 NVIDIA GTX 1050）或现代 CPU。

• 用途：简单的任务和普通的电脑。

• 7B参数：

• 所需内存：〜8-10 GB。

• GPU：专用（如 NVIDIA GTX 1660 或更好）。

• 用途：中级任务和具有更好硬件的PC。

• 70B参数：

• 所需内存：~40 GB。

• GPU：高端（如 NVIDIA RTX 3090 或更高版本）。

• 用途：复杂的任务和超强大的个人电脑。

如何在本地运行 DeepSeek R1

1. 使用 LM Studio

• 下载并安装 LM Studio：只需访问LM Studio网站并下载适合您系统的版本。

• 下载 DeepSeek R1 模型：在 LM Studio 中，转到“发现”选项卡，搜索“DeepSeek R1”，然后选择与您的系统最兼容的版本。如果您使用的是搭载 Apple 处理器的 MacBook，请保持搜索栏旁边的MLX选项处于选中状态（这些版本针对 Apple 硬件进行了优化）。对于 Windows 或 Linux，请选择GGUF选项。

• 加载模型：下载完成后，进入本地模型，选择DeepSeek R1，点击加载。

• 启动本地服务器：在开发人员选项卡中，启用启动服务器。它将开始运行模型http://localhost:1234。

• 继续执行步骤 4与 VSCode 集成！

  
  

2.使用Ollama

• 安装 Ollama ：

  从Ollama网站下载并安装。

• 下载模型：在终端中，运行：

ollama pull deepseek-r1*

• 这是主要模型；如果想要较小的模型，请转到https://ollama.com/library/deepseek-r1并查看在终端中运行哪个命令。

• 启动服务器：

  在终端中执行：

  ollama serve

该命令将开始运行模型http://localhost:11434。

请继续执行步骤 4与 VSCode 集成。

3. 使用 Jan

• 下载并安装 Jan ：在Jan网站上选择适合您系统的版本。

• 下载模型：我在 Jan 中无法直接找到 DeepSeek R1。因此，我前往Hugging Face网站并手动搜索“unsloth gguf deepseek r1”。我找到了所需的版本，单击“使用此模型”按钮，并选择 Jan 作为选项。模型在 Jan 中自动打开，然后我下载了它。

• 加载模型：下载后，选择模型，点击加载。

• 启动服务器：Jan 自动启动服务器，通常在http://localhost:1337。

• 继续执行步骤 4与 VSCode 集成！

  
  

4. 与 VSCode 集成

• 安装扩展：在 VSCode 中，打开扩展选项卡并安装 Cline 或 Roo Code。

• 为 Jan 或 LM Studio 配置扩展：Cline和Roo Code的配置实际上相同。请按照以下步骤操作：

• 点击扩展并访问“设置”。

• 在API 提供程序中，选择“LM Studio”。

• 在基本 URL字段中，输入在 Jan 或 LM Studio 中配置的 URL。

• 如果你只有一个可用模型，则模型 ID字段将自动填充。否则，请手动选择您下载的DeepSeek模型。

• 单击“完成”即可结束。

  
  

配置 Ollama 的扩展：

• 点击扩展并访问“设置”。

• 在API 提供程序中，选择“Ollama”。

• 在Base URL字段中，输入在 Ollama 中配置的 URL。

• 如果你只有一个可用模型，则模型 ID字段将自动填充。否则，请手动选择你下载的DeepSeek模型。

• 单击“完成”即可结束。

• 集成完成，现在只需享受 Cline 或 Roo Code 的功能。

  
  

结论

对于那些想要获得强大的 AI 而又不想花一分钱的人来说，DeepSeek R1 是一个救星。借助LM Studio、Ollama或Jan，你可以在本地运行它并将其直接集成到Visual Studio Code中。

选择适合你 PC 的型号并立即开始使用它吧！

作者：万能的大雄