本地Ollama部署DeepSeek R1模型接入Excel
时间: 2025-03-01 18:08:45 浏览: 208
### 部署DeepSeek R1模型并将其与Excel集成
#### 在本地Ollama环境部署DeepSeek R1模型
为了在本地Ollama环境中成功部署DeepSeek R1模型,需遵循特定步骤来确保顺利安装。首先确认已正确配置好Ollama环境[^1]。
通过命令提示符启动所需操作,在Windows操作系统下可以通过按下`Win`键打开应用程序列表,并利用搜索栏输入“CMD”,从而调出命令提示符窗口[^2]。一旦进入命令行界面,则可执行用于下载和设置DeepSeek R1模型的相关指令:
```bash
ollama pull deepseek/r1
```
此命令告知Ollama平台拉取指定版本的DeepSeek R1模型至本地存储空间内完成初步部署工作。
#### 将DeepSeek R1模型与Excel连接
对于希望将上述已经部署完毕的AI能力嵌入日常办公软件如Microsoft Excel之中使用的场景来说,存在多种方法可供选择。一种较为简便的方式是借助Python脚本作为桥梁实现自动化处理流程;另一种则是采用VBA宏编程直接操控文档内部逻辑结构。这里推荐使用前者——即编写一段简单的Python程序来调用RESTful API接口访问由Ollama托管的服务端点,并读写Excel文件数据。
下面给出了一段示范性的Python代码片段,展示了怎样创建这样一个简易的应用程序框架:
```python
import requests
from openpyxl import load_workbook, Workbook
def query_deepseek(prompt):
url = "http://localhost:8000/api/v1/predict"
headers = {"Content-Type": "application/json"}
data = {"prompt": prompt}
response = requests.post(url=url, json=data, headers=headers)
result = response.json()
return result['text']
wb = load_workbook('example.xlsx')
ws = wb.active
for row in ws.iter_rows(min_row=2, max_col=1, values_only=True):
question = str(row[0])
answer = query_deepseek(question)
cell_to_update = f'B{row[0].row}'
ws[cell_to_update] = answer
wb.save('output.xlsx')
```
这段代码实现了从名为`example.xlsx`的工作簿里逐行提取待解答问题并向DeepSeek服务发起请求获取回应的过程,最后再把得到的结果保存回新的表格文件当中去。
阅读全文
相关推荐


















