本地Ollama部署DeepSeek R1模型接入Word

DeepSeek-R1%E6%A8%A1%E5%9E%8B-toc" name="tableOfContents" style="margin-left:0px">1.本地部署DeepSeek-R1模型

2.接入Word

3.效果演示

4.问题反馈

上一篇文章办公新利器：DeepSeek+Word，让你的工作更高效-CSDN博客https://blog.csdn.net/qq_63708623/article/details/145418457?spm=1001.2014.3001.5501https://blog.csdn.net/qq_63708623/article/details/145418457?spm=1001.2014.3001.5501我们通过API key的方式，实现了DeepSeek与Word的有机结合，帮助我们提高办公效率。而DeepSeek由于近期服务器压力较大，暂时停止了API key的注册服务，那么要想实现DeepSeek与Word的结合，我们也可以通过本地部署的方式进行。

本地部署的优势如下：

1.响应速度快

本地处理减少网络传输，响应速度更快。且本地部署的稳定性更强，不受网络波动影响，确保服务持续可用。

2.数据隐私与安全

文本数据无需上传至外部服务器，降低了泄露风险。

3.完全免费

虽然DeepSeek的API key费用极低，但在高强度的办公场景下仍需要消耗一笔费用。本地部署模型能够做到完全免费，不花一分钱。

接下来，本文将讲述如何本地部署DeepSeek-R1模型，并将其集成到Word中。

DeepSeek-R1%E6%A8%A1%E5%9E%8B" name="1.%E6%9C%AC%E5%9C%B0%E9%83%A8%E7%BD%B2DeepSeek-R1%E6%A8%A1%E5%9E%8B">1.本地部署DeepSeek-R1模型

访问ollama官网，点击download。Ollama

根据电脑系统选择相应的版本。点击下载。若下载速度过慢，可关注公众号并回复“ollama”领取安装包。

打开下载的安装包，点击“Install”

等待安装完成后，按win+r键，输入cmd调出命令行窗口。

输入

ollama --version

按下回车后出现版本号，即为安装成功。

我们选择推理能力更强的deepseek-r1模型进行本地部署。小编的笔记本显存为6G，因此选择最小的1.5b模型进行部署，如果显存更大的话，可以选择更大的模型。

在命令行窗口中输入：

ollama run deepseek-r1:1.5b

按下回车，模型开始自动下载。

模型下载成功后，自动进入对话模式，我们可以在这里跟模型进行对话。

至此，恭喜你已经完成了deepseek-r1模型的本地部署。

2.接入Word

在进行接下来的操作之前，希望你已经阅读了这篇文章。

办公新利器：DeepSeek+Word，让你的工作更高效-CSDN博客https://blog.csdn.net/qq_63708623/article/details/145418457?spm=1001.2014.3001.5501https://blog.csdn.net/qq_63708623/article/details/145418457?spm=1001.2014.3001.5501

这篇文章讲的是如何利用API key来调用云端的大模型，而本文讲的是调用本地部署的模型，请按照这篇文章进行Word端所有的操作，但在复制代码时，替换为下面的代码：

Function CallDeepSeekAPI(api_key As String, inputText As String) As StringDim API As StringDim SendTxt As StringDim Http As ObjectDim status_code As IntegerDim response As String'本地部署的大模型API地址API = "http://localhost:11434/api/chat"' 修改请求体为与本地大模型相匹配的格式SendTxt = "{""model"": ""deepseek-r1:1.5b"", ""messages"": [{""role"":""user"", ""content"":""" & inputText & """}], ""stream"": false}"Set Http = CreateObject("MSXML2.XMLHTTP")With Http.Open "POST", API, False.setRequestHeader "Content-Type", "application/json".setRequestHeader "Authorization", "Bearer " & api_key.send SendTxt    status_code = .Statusresponse = .responseTextEnd With' 弹出窗口显示 API 响应（调试用）'MsgBox 
"API Response: "& response, vbInformation, 
"Debug Info"If status_code = 200 ThenCallDeepSeekAPI = responseElseCallDeepSeekAPI = "Error: " & status_code & " - " & responseEnd IfSet Http = Nothing
End FunctionSub DeepSeekV3()Dim api_key As StringDim inputText As StringDim response As StringDim regex As ObjectDim matches As Object    Dim originalSelection As Objectapi_key = "pass"If api_key = "" ThenMsgBox "Please enter the API key."Exit SubElseIf Selection.Type <> wdSelectionNormal ThenMsgBox "Please select text."Exit SubEnd If' 保存原始选中的文本Set originalSelection = Selection.Range.DuplicateinputText = Replace(Replace(Replace(Replace(Replace(Selection.Text, "\", "\\"), vbCrLf, ""), vbCr, ""), vbLf, ""), Chr(34), "\""")response = CallDeepSeekAPI(api_key, inputText)If Left(response, 5) <> "Error" ThenSet regex = CreateObject("VBScript.RegExp")'步骤
1
：提取大模型回复内容    With regex.Global = True.MultiLine = True.Pattern = """content"":\s*""([\s\S]*?)"""  ' 更稳健的提取逻辑End WithIf regex.Test(response) Thenresponse = regex.Execute(response)(0).SubMatches(0)'步骤
2
：处理
Unicode
转义字符（如\u003c -> <）response = Replace(response, "\u003c", "<")response = Replace(response, "\u003e", ">")' 步骤3：删除标签及其内容With regex.Global = True.MultiLine = True.IgnoreCase = True.Pattern = "[\s\S]*?"End Withresponse = regex.Replace(response, "")'步骤
4
：转换\n为实际换行符    response = Replace(response, "\n", vbCrLf)' 步骤5：移除Markdown格式With regex.Global = True.Pattern = "(#+\s*|\*\*|__|`|\*{1,2}|_{1,2}|~~|^>\s)"response = .Replace(response, "")End Withresponse = regex.Replace(response, "")'取消选中原始文本Selection.Collapse Direction:=wdCollapseEnd' 将内容插入到选中文字的下一行Selection.TypeParagraph '插入新行Selection.TypeText Text:=response' 将光标移回原来选中文本的末尾originalSelection.SelectElseMsgBox "Failed to parse API response.", vbExclamationEnd If    ElseMsgBox response, vbCriticalEnd If
End Sub

此代码在上一次代码的基础上进行了优化，对大模型md格式的输出进行了优化，去掉了md格式的修饰，只保留纯文本；在上一个版本中，大模型输出的“\n”会被当做文本显示，而此版本的代码直接将“\n”当作回车处理，结果更加美观。

替换代码后，即可实现本地大模型的Word调用。