再上层楼，让DeepSeek-R1在16G内存，无GPU的Windows笔记本上本地运行！

16G内存笔记本也能跑ChatGPT❗︎

Ollama+DeepSeek-R1+LeetTools=简化版ChatGPT❗︎

手把手教程来了❗︎在一台普通Windows笔记本上，没有GPU显卡，通过使用Ollama、DeepSeek和LeetTools搭建一个本地的问答以及文章编写平台。本文不再具体介绍上述三个工具、模型的功能，有兴趣的可以从Github上看相应的源码以及ReadMe。前文我们也详细介绍过Ollama与LeetTools的安装教程。

Ollama：https://github.com/ollama/ollama

LeetTools：https://github.com/leettools-dev/leettools

演示

📌 工具环境准备

按照安装Vscode，安装Anaconda3

在Anaconda3中创建一个新的Python环境（python版本选择3.11），例如：命名为leettools。

在Vscode中将Python解释环境选择为在Anaconda3中创建的leettools环境。

从Vscode中拉取Ollama源码以及Leettools源码

打开Ollama的Readme，点击其中windows下载的链接，下载适合Ollama的exe文件

在机器上执行Ollama.exe进行Ollama的安装。执行完成后，退出Vscode，并重新打开Vscode。

📌 本机执行Answer问答

在Terminal中执行：

ollama serve

再新建一个Terminal，其中执行：

ollama pull deepseek-r1:1.5b

继续执行：

ollama pull nomic-embed-text

执行以下几条命令：

set "LEET_HOME=/Users/myhome/leettools" 
set EDS_DEFAULT_LLM_BASE_URL=https://api.deepseek.com/v1
set EDS_LLM_API_KEY=sk-mykey
set EDS_DEFAULT_INFERENCE_MODEL=deepseek-chat
set EDS_DEFAULT_EMBEDDING_BASE_URL=http://localhost:11434/v1
set EDS_EMBEDDING_API_KEY=dummy-key
set EDS_DEFAULT_INFERENCE_MODEL=deepseek-r1:1.5b
set EDS_DEFAULT_EMBEDDING_MODEL=nomic-embed-text
set EDS_EMBEDDING_MODEL_DIMENSION=76

注意：需要把第一条命令中的myhome替换成你自己的目录，第三条命令的mykey替换成你自己的DeepSeek API key

通过leet命令来执行，使用answer这个flow进行一个问题的问答。命令为：

leet flow -t answer -q "How does the FineTune process Work?" -k llmbook -l info

产生的最后结果是用md格式输出的（因为没有指定输出格式，就是用了默认格式以及默认风格），输出的首先是R1的think的推理说明部分

下面输出的是问答结果部分

有兴趣的可以试试其它的flow类型，看看源码。

👇点击获取开源地址

🚀帮我们点亮一颗🌟，愿您的开发之路星光璀璨