企业官网建设流程全解析

1. 为什么要把 deepseek-r1 从命令行搬到日常工具里

很多人第一次跑通 deepseek-r1，都是在终端里敲一句ollama run deepseek-r1:7b，然后对着黑底白字的窗口一问一答。这个阶段能证明模型确实跑起来了，但离“能用来干活”还差得远：聊天记录没法保存、代码片段不能直接塞进项目、每次都要切窗口复制粘贴。真正影响效率的，是把它接进你每天已经打开的网页界面和代码编辑器里。

这篇就聚焦 deepseek-r1 在本地开发环境的落地路径：先用 Ollama 把模型服务拉起来，再分别接入 web-ui 做网页对话，接入 VS Code 的 Cline / Continue 做本地代码助手。中间会给出可复制的config.toml、settings.json骨架，以及 TaoToken 统一 Key / API 通道的配置示例，最后附上逐步验证动作——服务连通、模型响应、编辑器调用，争取一次跑通本地 AI 编码工作流。

适合谁看：已经装好 Ollama、能跑起 deepseek-r1，但不知道怎么把它变成“顺手工具”的开发者；或者想给团队搭一套隐私可控的本地编码助手的人。全程不需要额外硬件，一台能跑动 7B/8B 模型的机器就够起步。

2. 前置准备：Ollama 服务与 TaoToken 通道骨架

2.1 确认 Ollama 服务在监听

Ollama 默认在11434端口提供 HTTP 服务，web-ui 和编辑器插件都是通过这个端口跟模型通信的。先确认它活着：

ollama list curl http://localhost:11434/api/tags

第一条能看到你拉下来的deepseek-r1:7b、deepseek-r1:8b等模型；第二条返回一段 JSON，里面models数组就是可用模型列表。如果curl报连接拒绝，说明 Ollama 没启动，Windows 下在开始菜单搜 Ollama 打开即可，macOS/Linux 用ollama serve。

注意：Ollama 默认只监听127.0.0.1。如果你打算让 Docker 里的 web-ui 访问宿主机模型，需要设置环境变量OLLAMA_HOST=0.0.0.0再重启服务，否则容器里连不上。

2.2 TaoToken 统一 Key / API 通道

本地模型适合隐私敏感、离线场景，但遇到需要更强模型或统一管理多个模型通道时，用 TaoToken 做一层统一入口会省事很多。它的作用是给你一个兼容 OpenAI 风格的 API 地址和 Key，编辑器插件、web-ui 都能指向它，不用每个工具单独配一遍。

配置骨架长这样，先记下三个值：

# ~/.taotoken/config.toml 骨架示例 [api] base_url = "https://taotoken.net/api" api_key = "sk-你的Key" # 模型对话入口 chat_endpoint = "https://taotoken.net/api/v1/chat/completions"

Key 在控制台的 API Keys 页面生成，接入文档里有各语言的调用示例。这一步不用急着填，后面接编辑器时会用到。如果你只是纯本地跑 deepseek-r1，TaoToken 可以先跳过，等需要混合调用时再回来配。

3. 可复制配置：web-ui 与代码编辑器接入

3.1 用 Docker 拉起 Open WebUI

web-ui 我选的是 Open WebUI，界面接近 ChatGPT，支持多会话管理和模型切换。前提是装好 Docker Desktop，然后一条命令：

docker run -d -p 3000:8080 \ --add-host=host.docker.internal:host-gateway \ -v open-webui:/app/backend/data \ --name open-webui \ --restart always \ ghcr.io/open-webui/open-webui:main

-p 3000:8080把容器内 8080 映射到宿主机 3000；--add-host让容器能通过host.docker.internal访问宿主机的 Ollama；-v把数据持久化，重启不丢会话。等镜像拉完，浏览器打开http://localhost:3000，注册一个本地账号就能进。

进去后点右上角设置，找到“连接”或“模型”一栏，把 Ollama 地址填成http://host.docker.internal:11434。保存后模型下拉框里应该能看到deepseek-r1:7b。如果列表为空，回到容器日志看报错：

docker logs open-webui --tail 50

常见的是地址填成了localhost，容器里的 localhost 指向容器自己，不是宿主机。

3.2 VS Code + Cline 配置骨架

Cline 是 VS Code 里的 Agent 型插件，能读写文件、跑命令。在扩展市场搜 Cline 安装后，打开设置，API Provider 选 Ollama，Base URL 填http://localhost:11434，Model 填deepseek-r1:8b。对应的settings.json骨架：

{ "cline.apiProvider": "ollama", "cline.ollamaBaseUrl": "http://localhost:11434", "cline.model": "deepseek-r1:8b", "cline.customInstructions": "使用中文回答，代码给出必要注释。" }

如果你想让 Cline 走 TaoToken 通道调用云端模型，把 provider 换成 OpenAI Compatible，Base URL 填https://taotoken.net/api/v1，Key 填控制台生成的，模型名按接入文档里支持的填。这样本地和云端可以按任务切换。

3.3 VS Code + Continue 配置骨架

Continue 更偏补全和对话，配置文件在~/.continue/config.json。在models数组里加两项：

{ "models": [ { "title": "deepseek-r1:8b", "provider": "ollama", "model": "deepseek-r1:8b", "apiBase": "http://localhost:11434", "systemMessage": "You are an expert software developer. Keep answers concise." }, { "title": "deepseek-r1:14b", "provider": "ollama", "model": "deepseek-r1:14b", "apiBase": "http://localhost:11434", "systemMessage": "You are an expert software developer. Keep answers concise." } ] }

保存后左侧 Continue 面板的模型下拉里就能选到这两个。14B 对显存要求更高，8G 显存的机器建议先用 7B/8B，跑 14B 会明显变慢甚至 OOM。

4. 验证请求：从服务连通到编辑器调用

4.1 验证 Ollama 直连

先用最原始的方式确认模型能响应：

curl http://localhost:11434/api/generate -d '{ "model": "deepseek-r1:8b", "prompt": "用一句话说明什么是快速排序", "stream": false }'

返回 JSON 里的response字段就是模型输出。这一步通了，说明模型服务本身没问题，后面出问题就集中在插件配置上。

4.2 验证 web-ui 对话

在 Open WebUI 里新建对话，选deepseek-r1:8b，问一句“写一个 Python 读取 CSV 并打印前五行的函数”。正常情况几秒内开始流式输出。如果一直转圈，按 F12 看 Network 里对/api/chat的请求是否 500，再对照容器日志。

4.3 验证编辑器调用

Cline 里输入一个具体任务，比如“在当前目录创建一个 hello.py，打印 1 到 10”。观察它是否弹出文件写入确认、是否执行成功。Continue 则在侧边栏选中模型后直接提问，看是否返回代码块。实测下来，8B 模型在简单任务上响应稳定，复杂重构建议换更大模型或走 TaoToken 通道。

5. 本篇常见错排查

连不上 11434：先curl本机确认 Ollama 活着；Docker 场景检查是否用了host.docker.internal；Windows 防火墙可能拦了端口，临时放行测试。

web-ui 模型列表为空：九成是地址填错。容器内访问宿主机必须用host.docker.internal，不是localhost。改完保存，刷新页面。

Cline 报 404 或 model not found：模型名要和ollama list里完全一致，包括:8b这种 tag。少写 tag 会找不到。

Continue 配置不生效：config.json是 JSON 格式，多一个逗号就整份失效。改完在 Continue 面板点重新加载，或重启 VS Code。

响应特别慢：先看任务管理器里 GPU/内存占用。7B 模型量化版约 4-5G 显存，14B 要 9G 以上。显存不够会退到 CPU，速度断崖式下降。

TaoToken 调用返回 401：Key 没填对或过期，去控制台 API Keys 页面重新生成；Base URL 注意带不带/v1，以接入文档为准。

6. 把本地模型接进日常工具，才算真正落地

跑通之后，我的习惯是：隐私相关的代码和文档走本地 deepseek-r1，需要更强推理或长上下文时切到 TaoToken 通道的模型，两套配置在编辑器里一键切换。web-ui 留着做资料整理和长对话，编辑器插件负责写代码和改 bug。

如果你还在命令行阶段，建议先按第 3 节的骨架把 Open WebUI 和 Cline 配起来，再回头补 TaoToken 的统一入口。模型对话入口、Coding Plan、控制台和 API Keys 都在官网能找到，接入文档里有各工具的详细参数。先把一条链路跑通，再逐步加工具，比一次性全配齐更不容易踩坑。