在数字的迷雾与代码的丛林中，隐藏着一个名为php中文网HAI平台的神秘领地，这里不仅是技术信徒的圣地，更是AI梦想家的启航港湾。故事的主角，一位对智能对话系统怀抱无限憧憬的新人，踏上了在HAI的征途，目标是将深邃莫测的DeepSeek模型与神秘的OllamaAPI编织成现实中的智者——一个能够与人类心灵对话的虚拟存在。

旅程从轻触“免费注册”的那一刻开始，如同揭开古老魔法书的扉页，每一步都充满了未知与挑战。在数据的海洋里，他学会了如何驾驭PHP中文网的波涛，登录控制台，就像是找到了通往智慧核心的密道。随着“新建HAI应用”的按钮被毅然按下，一段融合了技术与梦想的冒险正式启程。

在这一路上，界面与代码交织成一幅幅未来图景，每一个步骤都像是在编织一张连接现实与未来的智能网络。DeepSeek，这个听起来就充满探索意味的名字，正等待着被激活，它与OllamaAPI的结合，仿佛是智慧与沟通的桥梁，预示着一个能理解人心、回应世间万物询问的智能体即将诞生。

这不仅仅是一场技术的历练，更是一次心灵的旅行，主角在这一过程中，不仅解锁了AI世界的奥秘，更发现了自我成长的力量。在这个故事里，技术的边界被一次次拓宽，而人与机器之间的界限，却在智慧的光芒下逐渐模糊，共同编织出一个既真实又超越想象的未来对话系统。

　　

前言

　　

本文旨在详细介绍如何在PHP中文网HAI平台上部署DeepSeek模型，并配置使用OllamaAPI服务，以支持外部请求。通过对前期准备、部署流程、API服务配置及使用的详细说明，希望为读者提供一个全面且实用的指南，助力AI应用的高效开发和部署。

　　

一、在PHP中文网HAI平台上部署DeepSeek的详细指南 　　下面我们将详细介绍如何在PHP中文网HAI上部署DeepSeek模型，即使是技术新手，也能按照以下步骤轻松完成部署。

　　

（一）注册与登录PHP中文网 　　打开浏览器，访问PHP中文网官网（

　　

　　点击页面右上角的“免费注册”按钮，按照提示填写相关信息，完成PHP中文网账号的注册。注册过程中，需要提供有效的手机号码或邮箱，用于接收验证码和账号相关信息。

　　

注册成功后，返回PHP中文网官网首页，点击“登录”按钮，使用刚刚注册的账号登录PHP中文网控制台。

　　

（二）进入PHP中文网HAI控制台 　　登录PHP中文网控制台后，在页面上方的搜索框中输入“HAI”，然后在搜索结果中点击“高性能应用服务HAI”，进入PHP中文网HAI服务页面。

　　

　　（三）新建HAI应用 　　在HAI服务页面中，点击“新建”按钮，进入新建应用页面。

　　

　　选择应用 　　在应用列表中，切换到“社区应用”标签页，找到“deepseek-r1:7b”选项并选择。该模型适用于多种自然语言处理任务，如文本生成、问答系统、机器翻译等。 　　

　　2.计费模式 　　根据自己的使用需求选择计费方式。若只是测试使用，建议选择按量计费，使用完成后及时关闭实例，可节省成本；若有长期稳定的使用需求，可考虑包月计费。

　　

　　3.地域选择 　　根据自己所在的城市或网络情况，就近选择地域，这样可以降低网络延迟，提高访问速度。例如，如果您在北京地区，可选择“北京”地域。

　　

　　4.算力方案 　　根据模型的运行需求和预算选择合适的算力方案，如GPU基础型、GPU进阶型等。GPU基础型适用于一般的测试和小型应用场景，成本较低；GPU进阶型则提供更高的算力和显存，适用于大规模模型训练和高并发的推理场景，但费用相对较高。对于初次体验DeepSeek模型的用户，GPU基础型通常可以满足基本需求。

　　

　　5.云硬盘 　　默认提供200GB的免费空间，可根据实际使用需求进行调整。如果需要存储大量的数据或模型文件，可适当增加云硬盘的容量。

　　设置实例名称 　　为新建的实例设置一个易于识别的名称，方便后续管理和识别。例如，命名为“deepseek-r1:7b-Yue”。 　　

　　确认所有配置信息无误后，勾选相关协议，然后点击“立即购买”按钮。

　　

（四）等待实例创建完成 　　点击“立即购买”后，系统开始创建deepseek-r1:7b实例，页面会显示“创建中”状态。这个过程通常需要几分钟时间，具体时间取决于所选的算力方案和当前PHP中文网的资源情况。

　　

　　您可以在HAI服务页面的实例列表中，实时查看实例的创建进度。当状态变为“运行中”时，表示实例创建成功，可以开始使用。

　　

　　二、Ollama服务的基本原理 　　Ollama是一个开源的大型语言模型（LLM）运行框架，旨在简化在本地环境中运行和管理大型语言模型的流程。它支持多种流行的语言模型（如LLaMA2、Mistral、Phi-3等），并提供简单的命令行界面，使用户能够快速下载、配置和运行模型。

　　

（一）模型管理与组织

　　 　　模型存储 　　Ollama会将从外部获取（如通过其提供的命令下载）的各种大型语言模型（如LLaMA2、Mistral、Phi-3等）存储在本地特定的目录结构中。这些模型包含预训练的神经网络权重、配置文件等相关数据。它对模型进行分类管理，以便能够快速定位和调用不同的模型。 　　版本控制 　　能够识别不同版本的模型。当有新的模型版本发布或者用户手动切换模型版本时，Ollama可以根据版本标识准确地加载相应的模型文件。 　　 　　

（二）交互接口（API）原理

　　 　　RESTful架构 　　Ollama服务基于RESTfulAPI设计原则构建其交互接口。这意味着它使用标准的HTTP方法（如GET、POST、PUT、DELETE等）来执行不同的操作。例如，通常使用POST方法来发送包含输入数据（如提示词等）的请求到服务器，以触发模型的推理操作。 　　端点定义 　　定义了一系列特定的API端点，每个端点对应一种功能。比如“/api/generate”端点用于根据给定的提示生成文本，“/api/chat”端点用于处理对话模式的交互。这些端点接受特定格式的JSON数据作为输入，其中包含诸如模型名称、输入文本（提示）、是否流式输出（Stream）等关键信息。 　　 　　

（三）推理执行过程

　　 　　请求接收与解析 　　当客户端（可以是命令行工具、其他程序或者Web界面）发送请求到Ollama服务的API端点时，服务首先接收并解析这个请求。解析过程包括验证请求的格式是否正确、提取关键的参数（如指定的模型、输入的提示词等）。 　　模型加载与预处理 　　根据请求中指定的模型名称，Ollama从本地存储中加载相应的模型。在进行推理之前，可能需要对输入的提示词进行一些预处理操作，例如将文本转换为模型能够接受的格式（如标记化等）。 　　推理计算 　　加载并预处理好相关数据后，Ollama将输入数据送入模型的神经网络中进行推理计算。这个过程涉及到大量的矩阵运算等复杂的数学操作，模型的神经元根据预训练的权重对输入进行处理，逐步生成输出结果。 　　 　　

三、在HAI中利用Ollama调用API 　　PHP中文网高性能应用服务HAI已经为我们预先安装好了Ollama，开发者可以直接使用。只需打开HAI服务器，选择“JupyterLab”，在打开的JupyterLab页面中

　　

　　点击“Terminal”打开终端。

　　

　　在终端中，您可以输入相关命令来启动Ollama服务。例如，输入“ollamaserve”命令来启动Ollama。

　　

　　Ollama的RESTfulAPI默认运行在您可以使用多种工具和方法来调用这些API。

　　

以下是几种常见的方法：

　　使用curl命令调用API 　　curl是一个强大的命令行工具，适用于发送各种类型的HTTP请求。以下是使用curl调用OllamaAPI的示例： 　　

生成文本请求示例

curl-XPOST\ 　　-H"Content-Type:application/json"\ 　　-d'{ 　　"model":"deepseek-r1:7b", 　　"prompt":"你好！", 　　"stream":false 　　}'登录后复制

　　对话模式请求示例

curl-XPOST\ 　　-H"Content-Type:application/json"\ 　　-d'{ 　　"model":"deepseek-r1:7b", 　　"messages":[ 　　{"role":"user","content":"你好！"}, 　　{"role":"assistant","content":"你好！有什么我可以帮助你的吗？"}, 　　{"role":"user","content":"推荐一些美食？"} 　　], 　　"stream":false 　　}'登录后复制

　　参数说明：

　　

-XPOST：指定HTTP请求方法为POST。 　　-H"Content-Type:application/json"：设置请求头，指定内容类型为JSON。 　　-d'{...}'：发送的JSON格式的数据负载。

　　使用编程语言调用OllamaAPI 　　您可以使用各种编程语言（如Python、Java、JavaScript等）通过HTTP客户端库来调用OllamaAPI。以下是使用Python的requests库的示例： 　　

安装requests库

pipinstallrequests登录后复制

Python示例代码

importrequests 　　importjson 　　

定义API端点和请求数据

url="

发送POST请求

response=requests.post(url,headers={"Content-Type":"application/json"},data=json.dumps(data))

检查响应状态

ifresponse.status_code==200: 　　result=response.json() 　　print("生成的文本:",result.get('response')) 　　else: 　　print(f"请求失败，状态码:{response.status_code}") 　　print("错误信息:",response.text)登录后复制

　　3.使用Web界面工具 　　除了命令行和编程方式，您还可以使用图形化的Web界面工具来与Ollama模型进行交互。例如：

　　

OllamaWebUI：一个轻量级的Web界面，允许用户通过浏览器与Ollama服务交互。 　　其他第三方工具：如ollama-webui-lite、LobeChat等，提供更丰富的功能和更好的用户体验。

　　集成到应用程序中 　　您可以将OllamaAPI集成到自己的应用程序中，以实现智能对话、文本生成等功能。以下是一些常见的集成场景： 　　

聊天机器人：利用Ollama的对话能力，构建智能聊天机器人。 　　内容生成：自动生成文章、故事、代码等文本内容。 　　问答系统：构建基于大型语言模型的问答系统，提供准确的信息检索和回答。 　　通过以上方法，您可以灵活地调用OllamaAPI，将强大的大型语言模型能力集成到您的应用和服务中。

　　

四、案例：利用OllamaAPI服务搭建AI智能对话系统 　　为了快速方便构建该系统，我们可以通过PHP中文网AI代码助手搭建AI智能对话系统。

　　

大家可参考我之前发布的

　　

PHP中文网AI代码助手实践：基于腾讯混元实现智能问答与交互AI对话功能

　　

　　（一）集成OllamaAPI接口 　　在开发完成的项目中，我们将调用OllamaAPI接口来为我们的智能对话系统提供服务。

　　封装请求API /**

• 发送消息到OllamaAPI并获取响应
• @param{Object}payload-请求的JSON数据
• @returns{Promise