如何在 Visual Studio Code 中通过 Cline 或 Roo Code 免费使用 DeepSeek R1

如果您正在寻找一款推理能力出色且开源免费的人工智能，那么新推出的DeepSeek R1是一个不错的选择。它的性能可与 GPT-4、o1-mini、Claude 3.5 等模型相媲美，甚至更胜一筹。我已经测试过它，并且对其赞不绝口！

如果您想在Visual Studio Code中直接运行它作为类似于 GitHub Copilot 的代码代理，而无需花一分钱，请跟着我一起学习如何使用LM Studio、Ollama和Jan等工具来做到这一点。

为什么 DeepSeek R1 最近如此受热议？

• 它是免费开源的：与许多收费昂贵的模型不同，您可以免费使用它。它甚至可以在https://chat.deepseek.com上进行聊天。

• 性能：它在涉及逻辑、数学甚至代码生成（这是我最喜欢的部分）的任务中与其他模型竞争并胜过其他模型。

• 多个版本：要在本地运行（LLM），有从 1.5B 到 70B 参数的模型，因此您可以根据您的硬件选择最适合您 PC 的模型。

• 易于集成：您可以使用Cline或Roo Code等扩展将其连接到 VSCode 。

• 无成本：如果您在本地运行，则无需支付代币或 API 费用。建议使用显卡，因为仅使用 CPU 运行速度较慢。

开始之前的重要提示

• 节省资源：如果您的 PC 性能不是很强大，请坚持使用较小的模型（1.5B 或 7B 参数）或量化版本。

• RAM 计算器：使用LLM Calc找出您需要的最小 RAM。

• 隐私：在本地运行意味着您的数据保留在您的电脑上，而不会进入外部服务器。

• 无成本：本地运行免费，但如果您想使用 DeepSeek API，则需要支付代币费用。好消息是，他们的价格比竞争对手低得多。

选择哪种型号？取决于您的电脑！

DeepSeek R1 有多个版本，选择取决于您的硬件：

• 1.5B参数：

  • 所需 RAM：~4 GB。
  • GPU：集成（如 NVIDIA GTX 1050）或现代 CPU。
  • 用途：简单的任务和普通的电脑。

• 7B参数：

  • 所需 RAM：~8-10 GB。
  • GPU：专用（如 NVIDIA GTX 1660 或更好）。
  • 用途：中级任务和具有更好硬件的 PC。

• 70B参数：

  • 所需 RAM：~40 GB。
  • GPU：高端（如 NVIDIA RTX 3090 或更高版本）。
  • 用途：复杂的任务和超强大的个人电脑。

如何在本地运行 DeepSeek R1

1. 使用 LM Studio

• 下载并安装 LM Studio：只需访问LM Studio网站并下载适合您系统的版本。

• 下载 DeepSeek R1 模型：在 LM Studio 中，前往“发现”选项卡，搜索“DeepSeek R1”，然后选择与您的系统最兼容的版本。如果您使用的是搭载 Apple 处理器的 MacBook，请选中搜索栏旁边的MLX选项（这些版本已针对 Apple 硬件进行了优化）。对于 Windows 或 Linux 系统，请选择GGUF选项。

• 加载模型：下载完成后，进入Local Models，选择 DeepSeek R1，点击Load。

• 启动本地服务器：在“开发人员”选项卡中，启用“启动服务器”。它将在 开始运行模型http://localhost:1234。

• 继续执行步骤 4与 VSCode 集成！

2. 使用 Ollama

• 安装 Ollama ：从Ollama网站下载并安装。
• 下载模型：在终端中，运行*：

   ollama pull deepseek-r1  

*这是主要模型；如果您想要更小的模型，请转到https://ollama.com/library/deepseek-r1并查看在终端中运行哪个命令。

• 启动服务器：在终端中执行：

   ollama serve  

该命令将开始运行模型http://localhost:11434。

• 继续执行步骤 4与 VSCode 集成！

3. 使用 Jan

• 下载并安装 Jan ：在Jan网站上选择适合您系统的版本。

• 下载模型：我在 Jan 的时候没能直接找到 DeepSeek R1。于是，我去了Hugging Face网站，手动搜索了“unsloth gguf deepseek r1”。我找到了想要的版本，点击了“使用此模型”按钮，并选择了 Jan。模型在 Jan 的时候自动打开了，然后我就下载了它。

• 加载模型：下载完成后，选择模型，点击加载。

• 启动服务器：Jan 自动启动服务器，通常在http://localhost:1337。

• 继续执行步骤 4与 VSCode 集成！

4. 与 VSCode 集成

• 安装扩展：在 VSCode 中，打开扩展选项卡并安装 Cline 或 Roo Code。

• 配置 Jan 或 LM Studio 的扩展： Cline和Roo Code的配置几乎相同。请按照以下步骤操作：

  • 点击扩展并访问“设置”。
  • 在API 提供程序中，选择“LM Studio”。
  • 在基本 URL字段中，输入在 Jan 或 LM Studio 中配置的 URL。
  • 如果您只有一个可用模型，则模型 ID 字段将自动填充。否则，请手动选择您下载的DeepSeek模型。
  • 单击“完成”即可结束。

• 配置 Ollama 的扩展：

  • 点击扩展并访问“设置”。
  • 在API 提供程序中，选择“Ollama”。
  • 在基本 URL字段中，输入在 Ollama 中配置的 URL。
  • 如果您只有一个可用模型，则模型 ID 字段将自动填充。否则，请手动选择您下载的DeepSeek模型。
  • 单击“完成”即可结束。

• 集成完成，现在只需享受 Cline 或 Roo Code 的功能。

结论

对于那些想要拥有强大 AI 又不想花钱的人来说，DeepSeek R1 简直是救星。借助LM Studio、Ollama或Jan，您可以在本地运行它，并将其直接集成到Visual Studio Code中。选择适合您电脑的型号，立即开始使用！