本地部署

用 LM Studio 下载并加载 DeepSeek 兼容模型，启动本地服务，读取实际模型 ID，再用 Python 检查请求状态、截断情况与最终答案。

Claude 的服务入口、API 与开源权重是不同层次。是否能调用 API 或在网页中使用，不能推出模型权重可以下载和本地部署。

先明确设备是否只负责采集、是否必须离线、请求是否能出网，再测试端到端延迟和断网时的降级行为。

用发布仓库、版本标签和许可证文件核对；模型能力相近、某个服务可调用另一个模型，都不是代码复用的证据。

先选定精确模型和量化方案，阅读模型卡与许可，再在自己的硬件上跑最小请求；显存数字不能单独证明可稳定运行。

用 PyTorch 保存 state_dict，在 CPU 重建模型并加载权重，检查固定输入的输出一致性，定位路径、参数键和形状冲突。

用 Ollama 查看本机 DeepSeek 模型标签，停止正在运行的目标模型，执行删除命令并核对列表；同时说明模型目录和常见误区。

在 Windows 11 安装 Ollama，运行 DeepSeek-R1 7B，并用 PowerShell 请求本地 Generate API，逐步核对模型、响应与常见失败。

A770如何部署DeepSeek：工具对比、操作步骤与注意事项完整指南。

怎么跑DeepSeek：工具对比、操作步骤与注意事项完整指南。