C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)_Asp.net

前言

自从 deepseek 大模型火了以来，网络上出现了许多关于本地部署的教程和方法。然而，要真正深入了解其功能和应用，还是需要自己动手进行一次本地部署。

deepseek 作为一个高效的自然语言处理模型，其本地部署能力为大家提供了灵活的应用场景。不管是开发私有化的 ai 应用，还是集成到现有的系统中，deepseek 都能提供强大的支持。

本文将详细介绍如何快速部署 deepseek 模型，并通过 c# 调用其 api 接口，从而搭建高效的私有 ai 服务。我们将从环境准备、本地部署、api 客户端配置到实际调用接口，完成整个过程。

搭建基础环境

ollama 是一个轻量级ai模型运行框架，支持 macos、linux 和 windows 跨平台运行，并兼容包括 llama 3.3、deepseek-r1、phi-4 和 gemma 2 在内的 54 种主流开源模型。

它简化了模型的下载、安装和使用过程，提供了统一的操作界面，能够方便地在本地环境中运行和测试不同的语言模型，简单的说就是相当于一个容器。

1、安装 ollama

首先先下载 ollama，进入官网，根据大家当前的操作系统选择安装包（windows/linux/macos）。

官网下载地址：download ollama on windows

如上图所示点击 download 下载安装包，然后直接安装就可以。

注意：ollama默认安装是在c盘的以及下载的大模型数据包也是默认在c盘，所以一定要注意自己c盘的存储空间够用，

当然我们也有方式改变他的安装路径的。如果不想折腾的可以直接点击安装就可以了。

本文示例是修改了安装路径，具体步骤如下：

首先在目标路径（如 d:\ollaman）创建一个新文件夹并放置 ollama 安装包

然后在该路径下打开命令窗口并输入 ollamasetup.exe /dir=d:\ollama，接着在安装界面点击 "install"，即可将 ollama 安装到指定目录，大模型数据包也会默认下载到该目录中。

ollama 安装好了就会自动启动。

查看是否安装成功 windows+r，输入cmd进入命令窗口，输入：ollama -v有版本号就说明安装好了，在任务栏右下角有个羊驼的图标。

2、下载 deepseek r1 模型

在 ollama 官网点击 models，选择deepseek-r1

选择对应的模型，可以看到模型的相信介绍、各种参数的模型。

普通用户：选择 8b 版本，适合日常对话、写作等

高性能显卡用户（显存 16gb 以上）：可选 16b 版本，体验更强大性能

各个版本模型对硬件要求，官方没有明确的说明，根据网友分享的大概整理如下，大家可以根据自己的电脑配置选择模型。

选择要下载的模型，复制指令。

打开命令窗口，粘贴运行指令。等待下载完成。下载过程中，会显示下载进度和速度等信息。由于模型文件较大，下载时间可能会较长，需要耐心等待。

至此，已经可以与deepseek进行会话。

同时在浏览器访问：http://127.0.0.1:11434，有如下提示也代表启动成功了。

客户端 chatbox ai接入 deepseek

chatbox ai 是一款 ai 客户端应用和智能助手，支持众多先进的 ai 模型和 api，可在 windows、macos、android、ios、linux 和网页版上使用。

1、下载 chatbox ai

浏览器中访问 chatbox ai的官方网站（chatboxai.app/zh），下载安装。

2、配置环境变量

添加两个环境变量，允许外部访问，填写：0.0.0.0，代表允许任何电脑访问。

ollama_host：0.0.0.0

ollama_origing：*

点击我的电脑，右键属性->高级系统设置->环境变量。

注意：设置完环境变量后退出一下 ollama，然后重新启动下ollama。

3、chatbox ai 连接本地模型

启动 chatbox ai 软件，选择 ollama api后，然后选择下载的 deepseek模型，如果大家还有其他模型也可以选择对应的模型。

模型设置

选择api类型：ollama api

模型名称：deepseek-r1:8b

点击检查连接，如果状态正常，可以开始使用了。

以上设置完成。我们就可以在客户端使用ai聊天了，

c# 调用 deepseek api

ollama 还提供了 api 接口功能，使得自定义客户端开发或集成到应用系统变得非常方便。

其相关生态系统也非常完善，使用 c# 版本的 ollama sdk（如 ollamasharp）可以快速进行开发。

下面通过一个简单的例子来演示如何使用 ollama：

1、安装依赖包

首先，安装 ollamasharp 依赖包：

2、示例代码

新建一个 ollamaapiexamplecontroller控制器，添加如下代码：

using microsoft.aspnetcore.mvc;
using microsoft.extensions.ai;
using ollamasharp;

namespace dotnetcore.deepseekapi.controllers
{
    /// <summary>
    /// ollamaapi示例控制器
    /// </summary>
    [apicontroller]
    [route("api/[controller]")]
    public class ollamaapiexamplecontroller : controllerbase
    {
        private readonly uri _modelendpoint = new uri("http://localhost:11434");
        private readonly string _modelname = "deepseek-r1:1.5b";

        /// <summary>
        /// 初始化
        /// </summary>
        /// <param name="httpclient"></param>
        /// <param name="configuration"></param>
        public ollamaapiexamplecontroller(){}

        /// <summary>
        /// 提问接口
        /// </summary>
        /// <param name="request"></param>
        /// <returns></returns>
        [httppost("ask")]
        public async task<iactionresult> askquestion([frombody] askrequest request)
        {
            var chatclient = new ollamaapiclient(_modelendpoint, _modelname);
            var question = request.question;

            if (string.isnullorempty(question))
            {
                return badrequest("请输入您的问题？");
            }
            // 使用 await foreach 遍历每个 chatresponseupdate
            var responsebuilder = new list<string>();
            await foreach (var update in chatclient.getstreamingresponseasync(question))
            {
                responsebuilder.add(update.tostring());
            }
            var response = string.join("", responsebuilder);
            return ok(new { response = response });
        }
    }

    /// <summary>
    /// 实体类
    /// </summary>
    public class askrequest
    {
        /// <summary>
        /// 问题
        /// </summary>
        public string question { get; set; }
    }
}

3、运行结果