本地基于Ollama部署的DeepSeek详细接口文档说明

        前文，我们已经在本地基于Ollama部署好了DeepSeek大模型，并且已经告知过如何查看本地的API。为了避免网络安全问题，我们希望已经在本地调优的模型，能够嵌入到在本地的其他应用程序中，发挥本地DeepSeek的作用。因此需要知道本地DeepSeek的API结构，知道什么接口地址要输入什么参数，以及如何使用。

       前置文章：

        （1）个人windows电脑上安装DeepSeek大模型：https://lzm07.blog.csdn.net/article/details/145491693

        （2）查看和使用本地Windows系统下通过Ollama部署的DeepSeek模型的API：https://lzm07.blog.csdn.net/article/details/145601121

        先了解接口的详细内容，再postman对接口进行验证。

一、核心接口文档说明

1. ‌模型列表查询‌

‌接口地址‌：GET http://localhost:11434/api/tags

‌功能‌：获取本地已部署的模型列表，包含模型名称、版本及大小信息‌。

‌响应示例‌（json）：

{"models": [{"name": "deepseek-r1:8b", "modified_at": "2025-03-20T12:00:00Z", "size": 8.2e9}]}

2. ‌文本生成‌

‌接口地址‌：POST http://localhost:11434/api/generate

‌功能：根据输入提示生成文本内容，支持代码、文章、问答等场景‌。

请求参数（json）‌：

{"model": "deepseek-r1:8b",  // 必填，需与本地模型名称一致‌:ml-citation{ref="2,4" data="citationList"}"prompt": "输入问题",        // 必填"stream": false,           // 是否流式输出（默认true）‌:ml-citation{ref="4,7" data="citationList"}"temperature": 0.7,        // 随机性控制（0-1，默认0.8）‌:ml-citation{ref="4,7" data="citationList"}"max_tokens": 1000         // 最大输出长度‌:ml-citation{ref="4,7" data="citationList"}}

‌响应示例‌（json）：

{"response": "生成内容","created_at": "2025-03-21T10:00:00Z","done": true}

3. ‌对话交互‌

‌接口地址‌：POST http://localhost:11434/api/chat

‌‌功能‌: 支持多轮对话交互，维护上下文语义。

请求参数（json）‌：

{"model": "deepseek-r1:8b","messages": [{"role": "user", "content": "你好"},{"role": "assistant", "content": "有什么可以帮助您？"}],"options": {"temperature": 0.7,      // 可选参数‌:ml-citation{ref="4,7" data="citationList"}"num_ctx": 4096          // 上下文窗口大小‌:ml-citation{ref="7" data="citationList"}}}

‌响应示例（json）‌：

{"message": {"role": "assistant", "content": "回复内容"},"done": true}

二、模型管理接口

4. ‌拉取模型‌

‌接口地址‌：POST http://localhost:11434/api/pull

‌功能‌: 从仓库下载指定模型到本地。

请求参数（json）‌：

{"name": "deepseek-r1:14b",  // 需与模型仓库名称一致‌:ml-citation{ref="5,8" data="citationList"}"stream": false             // 是否显示下载进度流‌:ml-citation{ref="5,8" data="citationList"}}

‌响应示例‌（json）：

{"status": "success", "digest": "sha256:..."}

5. ‌创建自定义模型‌

‌接口地址‌：POST http://localhost:11434/api/create

‌

请求参数‌（json）：

{"name": "custom-model",    // 自定义模型名称"modelfile": "FROM deepseek-r1:8b\nPARAMETER temperature 0.9"  // 模型配置文件‌:ml-citation{ref="5,8" data="citationList"}}

6. ‌删除模型‌

‌接口地址‌：DELETE http://localhost:11434/api/delete

‌功能‌: 移除本地已部署的模型。

请求参数‌（json）：

{"name": "deepseek-r1:1.5b"}  // 需删除的模型名称‌:ml-citation{ref="6,8" data="citationList"}

三、高级接口

7. ‌查看模型信息‌

‌接口地址‌：GET http://localhost:11434/api/show

‌请求参数‌（json）：

{"name": "deepseek-r1:8b"}    // 模型名称‌:ml-citation{ref="8" data="citationList"}

‌响应示例（json）‌:

{"license": "Apache-2.0","modelfile": "...","parameters": "temperature 0.8"}

‌8. 流式响应处理‌

‌说明‌: 在请求（文本生成/对话）中设置 "stream": true 时，响应将以数据流形式分块返回‌。

‌‌数据格式‌: 分块返回SSE（Server-Sent Events）格式数据。

示例‌（使用 curl）（CMD中执行）:

curl http://localhost:11434/api/generate -d '{"model": "deepseek-r1:8b","prompt": "写一首关于春天的诗","stream": true}'

四、Postman下载安装

        了解了以上接口之后，我们要先对接口进行验证，看接口的地址、类型、以及请求的参数是否都正常，便于之后在其他程序中应用这些接口。当前我们使用来postman验证接口。

        先下载和安装postman程序。

1. 下载postman

       官方网址：https://www.postman.com/downloads/

2. postman安装

       点击Postman-win64-Setup.exe。不用登录，点击下方的“Continue without an account”。

       不用登录，点击“Open Lightweight API Client”。

       进入postman主界面

五、Postman测试说明

‌1.配置请求头‌

设置 Content-Type: application/json‌。

‌

2.发送请求示例（对话接口）‌

‌步骤‌：

（1）选择 POST 方法，输入 http://localhost:11434/api/chat

（2）在 ‌Body‌ 标签中选择 ‌raw‌ 格式，粘贴以下内容（json）：

       模型名称一定要写对，根据自己本地安装好的模型修改，如我们前面已经在本地部署好了deepseek模型，并将模型命名为my_model_name ，则此时，应该填写："model": "my_model_name"

{"model": "deepseek-r1:8b","messages": [{"role": "user", "content": "解释机器学习中的过拟合"}]}

（3）点击 ‌Send‌ 获取响应‌。

‌3.流式响应处理‌

若设置 "stream": true，需在Postman中启用 ‌Stream‌ 模式，逐块接收数据‌。

（1）在 ‌Body‌ 标签选择 ‌raw‌ → ‌JSON‌，输入以下内容（json）：

{"model": "deepseek-chat", "messages": [{"role": "user", "content": "你的问题"}], "stream": true  // 关键参数，启用流式输出‌:ml-citation{ref="7,8" data="citationList"}}

‌

（2）关闭 SSL 验证（可选）‌

在 Postman 设置（Settings → General）中关闭 ‌SSL certificate verification‌，避免证书错误中断流式传输‌。

六、注意事项

‌       （1）模型名称匹配‌：确保接口中的 model 参数与通过 ollama list 查看到的名称完全一致‌。

‌       （2）显存限制‌：高参数版本（如14B）需至少32GB内存，低配置设备建议使用1.5B或8B版本‌。

‌       （3）端口占用‌：若端口11434被占用，可通过 OLLAMA_HOST 环境变量修改服务端口‌。

‌       （4）跨域问题‌: 若通过 Swagger 调用，需在Ollama服务端配置CORS头（bash）：

# 启动服务时添加参数OLLAMA_ORIGINS=* ollama serve

通过以上接口，可全面管理本地部署的DeepSeek模型并实现交互式调用。