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。
![[已解决]jupyter notebook报错 500 : Internal Server Error及notebook闪退](https://i-blog.csdnimg.cn/direct/f995056786aa4b5093204a8cec5eca04.png)
