保姆级! 本地部署DeepSeek-R1大模型 安装Ollama Api 后,Postman本地调用 deepseek

server/2025/2/27 5:48:33/
aidu_pl">

要在Postman中访问Ollama API并调用DeepSeek模型,你需要遵循以下步骤。首先,确保你有一个有效的Ollama服务器实例运行中,并且DeepSeek模型已经被加载。

可以参考我的这篇博客 保姆级!使用Ollama本地部署DeepSeek-R1大模型 并java通过api 调用

具体的代码实现参考我这个博客 保姆级!springboot访问Ollama API并调用DeepSeek模型 Api

使用Postman配置请求

单论对话

请求类型为 POST

在“输入”框中输入Ollama的API URL,通常是 http://localhost:11434/v1/completions(确保你的Ollama服务正在本地运行,并且使用的是正确的端口)。

在“头”标签页中,添加以下内容:

Key: Content-Type

Value: application/json

编写请求体:

在“Body”标签页中,选择“raw”并设置编码为“JSON (application/json)”。

输入以下JSON格式的请求体:

{"model": "deepseek-r1:32b","prompt": "你好","max_tokens": 50,"temperature": 0.7,"top_p": 1,"stream": false
}

model: 指定要使用的模型名称。

prompt: 输入你想要模型生成文本的起始语句。

max_tokens: 生成文本的最大token数。

temperature: 控制输出的随机性。较低的值意味着更确定的输出。值越低,生成的文本越保守和一致,越高则越具创意。如果不需要非常有创意的回答,可以将其设置为 0.7 或更低。

top_p: 核取样参数,用于多样性控制。控制采样的累积概率,通常在 0 到 1 之间,越接近 1,模型越可能尝试不同的答案。

stream: 如果设置为true,将流式传输结果。

具体如下图
在这里插入图片描述

上面的 http://localhost:11434/v1/completionsdeepseekapi 地址 我们继续访问一下 Ollama Api http://192.168.110.118:7777/api/generate

在这里插入图片描述
一样是可以的

多轮对话补全

我们访问 http://localhost:7777/api/chat 试一下

请求体 传入

{"model": "deepseek-r1:14b","messages": [{"role": "user", "content": "你好"},{"role": "assistant", "content": "你好!很高兴见到你,有什么我可以帮忙的吗?无论是学习、工作还是生活中的问题,都可以告诉我哦!😊"},{"role": "user", "content": "请问1+1等于几?"}],"max_tokens": 50,"temperature": 0.7,"top_p": 1,"stream": false
}

返回

{"model": "deepseek-r1:14b","created_at": "2025-02-25T01:06:00.1257844Z","message": {"role": "assistant","content": "<think>\n嗯,用户之前用中文问候了我,我也回应了他。现在他问了一个数学题:“请问1+1等于几?”这看起来很简单,可能是在测试我的基本能力,或者他真的需要帮助计算。\n\n首先,我要确定他的身份。也许是个学生,在做作业时遇到了问题,或者是家长在辅导孩子,甚至可能是想确认我是否能正确回答基础问题。不管怎样,这个问题本身不难,但作为AI,我需要准确无误地回答。\n\n接下来,考虑用户的真实需求。表面上是数学题,但实际上他可能在测试我的反应速度和准确性,或者有其他隐藏的需求,比如验证我的知识库是否更新到最新的数学知识。\n\n另外,用户的使用场景可能是学习环境,比如在学校或家里。如果是在课堂上,学生可能会用这个问题来确认老师的知识点是否正确,或者作为开始对话的简单问题。\n\n可能还有深层需求,比如用户想了解我能否处理更复杂的数学问题,所以先从简单的题目入手。因此,正确的回答不仅是对当前问题的回答,也是建立信任的第一步。\n\n综上所述,我应该直接给出准确的答案,并且保持友好的语气,让用户感到被支持和帮助。\n</think>\n\n你好!1 + 1 等于 **2**。😊"},"done_reason": "stop","done": true,"total_duration": 58231935600,"load_duration": 10134100,"prompt_eval_count": 40,"prompt_eval_duration": 459000000,"eval_count": 266,"eval_duration": 57761000000
}

在这里插入图片描述

文件上传并提问

先看这里 Official Prompts

在这里插入图片描述
文档内容翻译如下:

官方提示
在官方的DeepSeek网络/应用程序中,我们不使用系统提示,而是为文件上传和网络搜索设计了两个特定的提示,以获得更好的用户体验。此外,web/app中的温度为0.6。
对于文件上传,请按照模板创建提示,其中{file_name}、{file_content}和{question}是参数。
file_template =
“”“[file name]: {file_name}
[file content begin]
{file_content}
[file content end]
{question}”“”

我们先用postman请求试试
14b模型是不支持文件的 我们用32b model
在这里插入图片描述

body内容如下

{"model": "deepseek-r1:32b","messages":[{"role":"user","content":"[file name]: 1111.txt\n[file content begin]\n123456789\n[file content end]\n文档中写了什么?"}],"max_tokens": 50,"temperature": 0.7,"top_p": 1,"stream": true
}

返回内容

{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:26.5392927Z","message": {"role": "assistant","content": "<think>"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:27.1561499Z","message": {"role": "assistant","content": "\n"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:27.753368Z","message": {"role": "assistant","content": "嗯"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:28.3850472Z","message": {"role": "assistant","content": ","},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:29.0560203Z","message": {"role": "assistant","content": "我"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:29.7279329Z","message": {"role": "assistant","content": "需要"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:30.3989966Z","message": {"role": "assistant","content": "回答"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:31.0669576Z","message": {"role": "assistant","content": "用户"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:31.738556Z","message": {"role": "assistant","content": "关于"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:32.4179008Z","message": {"role": "assistant","content": "文件"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:33.0881279Z","message": {"role": "assistant","content": "内容"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:33.6911414Z","message": {"role": "assistant","content": "的问题"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:34.2884323Z","message": {"role": "assistant","content": "。"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:34.8879486Z","message": {"role": "assistant","content": "用户提供"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:35.5587474Z","message": {"role": "assistant","content": "了一个"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:36.344929Z","message": {"role": "assistant","content": "文本"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:36.9433939Z","message": {"role": "assistant","content": "文件"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:37.5398887Z","message": {"role": "assistant","content": "的"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:38.1336335Z","message": {"role": "assistant","content": "名称"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:38.8162284Z","message": {"role": "assistant","content": "和"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:39.602469Z","message": {"role": "assistant","content": "内容"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:40.1967921Z","message": {"role": "assistant","content": "。\n\n"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:40.7911033Z","message": {"role": "assistant","content": "首先"},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:41.3901296Z","message": {"role": "assistant","content": ","},"done": false
}
{"model": "deepseek-r1:32b","created_at": "2025-02-25T09:49:42.054903Z","message"

http://www.ppmy.cn/server/170950.html

相关文章

Touchgfx控件 BOX和textArea

(一)BOX 是TouchGFX中最轻量级的控件之一&#xff0c;因为它不需要读取任何像素数据或进行任何复杂计算。 因此&#xff0c;大部分平台会将方框视为非常快速的控件。特性如下&#xff1a; &#xff08;1&#xff09;一般用来显示背景或者覆盖。 &#xff08;2&#xff09;不会产…

AOP进阶-05.连接点

一.连接点 JoinPoint有两个&#xff0c;要使用org,aspectj.lang package com.gjw.aop;import lombok.extern.slf4j.Slf4j; import org.aspectj.lang.ProceedingJoinPoint; import org.aspectj.lang.annotation.Around; import org.aspectj.lang.annotation.Aspect; import org…

low rank decomposition如何用于矩阵的分解

1. 什么是矩阵分解和低秩分解 矩阵分解是将一个矩阵表示为若干结构更简单或具有特定性质的矩阵的组合或乘积的过程。低秩分解&#xff08;Low Rank Decomposition&#xff09;是其中一种方法&#xff0c;旨在将原矩阵近似为两个或多个秩较低的矩阵的乘积&#xff0c;从而降低复…

开源基准测试模拟器:BlueROV2 水下机器人的控制(更改Z方向控制器)

开源基准测试模拟器:BlueROV2 水下机器人的控制(更改Z方向控制器) 将原有项目的z方向控制器由自适应滑膜控制器(ASMC)更改为自抗扰控制器(ADRC) 原Z控制器 更改为ADRC后图像 原自适应滑膜控制器代码 function u =

django model.object.filter 不等于多个值

关于Django中QuerySet.filter()的使用问题。首先&#xff0c;我会分别针对“不等于多个值”的代码开发问题和可能遇到的报错问题给出解答。 代码开发问题&#xff1a;QuerySet.filter()不等于多个值 在Django中&#xff0c;如果你想在查询中排除多个值&#xff0c;可以使用__i…

C++ Primer Plus第八章课后习题总结

1. 编写通常接受一个参数&#xff08;字符串的地址&#xff09;&#xff0c;并打印该字符串的函数。然而&#xff0c;如果提供了第二个参数&#xff08;int类型&#xff09;&#xff0c;且该参数不为0&#xff0c;则该函数打印字符串的次数将为该函数被调用的次数&#xff08;注…

Springboot使用Milvus的基本操作

Milvus 先得保证数据的正确安装并且正确运行 <dependency><groupId>com.google.code.gson</groupId><artifactId>gson</artifactId> </dependency> <dependency><groupId>io.milvus</groupId><artifactId>milvu…

Express + MongoDB 实现更新用户时用户名变化验证数据库是否存在,不变不验证

User.findById()&#xff1a;方法根据用户 ID 查找当前用户的信息&#xff0c;若用户不存在则返回 404 错误。 User.findOne()&#xff1a;方法检查新用户名是否已存在于数据库中。 User.findByIdAndUpdate()&#xff1a;方法更新用户信息&#xff0c;new: true 表示返回更新后…