服务器繁忙？用绿联NAS搭个DeepSeek本地版。

Hello，亲爱的小伙伴大家好，我是炫彩，新年快乐！！

这个春节，科技圈被DeepSeek投下「开源核弹」！

从AI旧照修复，到AI拜年红包祝福语，再到AI基金理财——作为2025开年现象级AI工具，DeepSeek以「人人可用的高智AI」标签强势破圈，在春节期间创下日活用户破千万的惊人纪录。

DeepSeek的AI推理能力毋庸置疑，甚至就连苹果首席执行官蒂姆·库克都表示看好。但最近在高峰时段使用时总提示“服务器繁忙”，拦住了我求知的脚步。

“服务器繁忙”解决方案——本地部署

之前我也纳闷，为啥DeepSeek动不动就“罢工”？研究了一圈发现几个关键原因：

● 用户挤爆+算力不足：春节大家都闲，疯狂薅AI羊毛，服务器GPU根本扛不住；

● 黑客疯狂搞事：美国IP的DDoS攻击、密码爆破，服务器一边应付用户还得防贼；

● 网络带宽不够：数据传得慢，就像春运抢票，再好的系统也得卡。

用户暴涨、算力告急、还要防着黑客搞破坏，服务器能不忙吗？于是我看了网上的很多教程决定，用绿联NAS的Docker功能，直接把DeepSeek部署到本地，从此告别“繁忙”，24小时随叫随到！

本地部署相当于给DeepSeek安了个“私人别墅”——模型在自己家NAS上跑，不用和全网用户抢资源，更不怕黑客半路截胡！尤其像我这种隐私敏感的人，也不用担心聊天记录被传到云端了。

DeepSeek NAS端本地部署教程

一开始听到“本地部署”的时候，我头皮都麻了，这得多大的工程啊，一番操作下来其实也蛮简单的。

1. 创建Open WebUI容器

首先，我们需要在Docker里通过Docker-compose项目，部署一个能够离线运行的AI智能托管容器【Open WebUI】。

compose项目名称可设置为open-webui，也可以自定义。并将Compose 下方配置文件粘贴至指定配置框内即可。

services:

open-webui:

container_name: open-webui

image: ghcr.io/open-webui/open-webui:ollama # 镜像名

restart: always # 重启策略

ports:

- 3000:8080 # Web 服务访问端口

volumes:

- ./ollama:/root/.ollama # 存储与 ollama 相关的数据

- ./open-webui:/app/backend/data # 存储 Web UI 的后台数据

open-webui会比较久，需要耐心等待一段时间，拉取完成后，在部署日志窗口点击【完成】即可。

2. 访问、注册Open WebUI

我们需要在局域网内使用<NAS IP:容器端口号>访问,以NAS IP为192.168.31.1为例，Open WebUI的 Web 界面地址即为<192.168.31.1:3000>，3000是Open WebUI的端口号。

点击【开始使用】创建Open WebUI管理员账号。

⚠首次登录会有一个较长的空白页面等待时间，需耐心等待。

进入Open WebUI在【管理员面板】-->【设置】-->【外部连接】中关闭OpenAI API调用开关可避免下次打开Open WebUI等待的问题。

3. DeepSeek模型选择与下载

用电脑浏览器打开https://ollama.com/library/deepseek-r1:1.5b模型库，选择你需要的DeepSeek模型版本，并复制一旁的下载命令。

返回Open WebUI页面，在对话界面点击【选择一个模型】，将【模型下载命令】粘贴到搜索框，随后点击搜索到的模型结果，等待下载完成。

温馨提示，DeepSeek模型版本对设备性能有一定要求，需根据NAS实际性能进行选择。

因为我的设备是绿联DXP2800（处理器intel N100、内存16GB），处理器性能跑一般的Win10虚拟机还行，跑大模型就有点捉襟见肘了，所以如果你的设备和我一样，建议选择适合日常AI聊天、写代码、写作的1.5B轻量版。

至此，DeepSeek本地部署就完成了。

这个本地部署的DeepSeek不仅自己能用，还能进行局域网共享，任何人都可以通过<NAS IP:容器端口号>访问进行共享。

实测体验：速度与流畅度如何？

本地部署的DeepSeek，体验如何？我做了几轮测试：

● 响应时间：问题提交后，约7~8秒返回结果。

● 回复速度：每秒5~6个字，基本能达到流畅聊天的水平。

● 整体体验：虽然响应和稳定性都改善了，但生成的回复内容在质量上略显单调，缺乏深度和灵活性，有时会让人觉得回答水平有点“呆瓜”。

写在最后。

所以，如果你追求更有深度、更精准的回复，还得DeepSeek官网提供的671B版本，毕竟受硬件性能限制，在复杂推理、多模态处理等场景中，本地版难以达到官网版本的精准度。

体验了一圈，如果你只是想借用AI进行聊天或写作，这个本地部署DeepSeek还是不错，毕竟模型是在本地运行，基本能做到有问必答，不会出现“服务器繁忙”的问题。

好了，今天就分享到这里了，我是炫彩，我们下回再见！祝大家新年吉祥，万事顺意，♥️