现在，大家用手机的时间越来越长，对隐私安全的关注也越来越高。各大厂商也在琢磨，怎么才能让大模型直接跑在手机上。这几天写文章时，发现不少小伙伴都在问：怎么在手机上部署 DeepSeek？

既然大家都感兴趣，那今天就把我之前折腾的部署步骤整理出来，分享给大家，希望能帮到你！

在 Android 手机上运行 LLM 安装指南

1. 安装 Termux 应用

安装有两种方法，如果第一种能用，别浪费时间试第二种。

• 打开Termux GitHub Releases页面

• 下载termux-app_v0.119.0-beta.1+apt-android-7-github-debug_arm64-v8a.apk。

• 安装 APK 文件。

2. 运行 Ollama 服务器前的环境配置

打开 Termux 后，你会看到一个看起来像 Linux 终端的界面。接下来，我们需要配置 Ollama 运行环境。

• 先授予存储权限：

`termux-setup-storage` 

• 1
• 2
• 3
• 4
• 5

运行后，让 Termux 能够访问你的 Android 存储系统。执行后，系统会弹出“设置”应用，找到 Termux 并手动授予存储权限。

• 更新软件包

在安装任何工具之前，先更新软件包，就像在 Linux 上做的那样：

`pkg upgrade` 

• 1
• 2
• 3
• 4
• 5

执行后，如果提示Y/N，直接输入Y并回车。

• 安装 Git、CMake 和 Golang

这些工具是下载和构建 Ollama 所必要依赖：

`pkg install git cmake golang` 

• 1
• 2
• 3
• 4
• 5

3. 安装并构建 Ollama

• clone Ollama GitHub 仓库

如果你经常使用 Termux，可以先进入你想安装 Ollama 的目录；否则，直接执行以下命令：

`git clone --depth 1 https://github.com/ollama/ollama.git` 

• 1
• 2
• 3
• 4
• 5

• 进入 Ollama 目录

下载完成后，切换到 Ollama 目录：

`cd ollama` 

• 1
• 2
• 3
• 4
• 5

• 生成 Go 代码并构建 Ollama

运行以下命令，先生成 Go 代码：

`go generate ./..` 

• 1
• 2
• 3
• 4
• 5

然后编译 Ollama（这一步耗时比较久，需要一点耐心）：

`go build .` 

• 1
• 2
• 3
• 4
• 5

等待构建完成后，我们成功在手机上安装 Ollama！

4. 运行 DeepSeek 模型或其他小型模型（1B 或 2B 参数）

选择一个合适的模型

注意：参数超过 3B（30 亿）的模型在手机上运行太慢，甚至可能无法加载进显存，所以别折腾太大的模型。

进入Ollama模型库，寻找适合手机的小型语言模型（SLM，Small Language Models）。一旦找到合适的模型，就可以开始跑 本地模型 了！

在 Ollama 模型库 页面，你会看到一个“复制”按钮（如果用手机访问，看不到的话，切换到“桌面视图”模式）。点击复制，等会儿我们部署时可以用的上。

• 下载并运行模型

这里以DeepSeek 1.5B模型为例，当然你可以选择其他模型，步骤都是一样的。

• 运行 DeepSeek 1.5B 模型：

`./ollama run deepseek-r1:1.5b --verbose` 

• 1
• 2
• 3
• 4
• 5

运行你自己选择的模型（如果你是选择其他模型时请输入对应的命令）：

`./<刚刚从 Ollama 官网复制的命令>` 

• 1
• 2
• 3
• 4
• 5

等待下载完成

这个命令会开始下载模型到你的手机上，请耐心等待。下载时间取决于你的网速，如果你用的是移动数据，确保至少还有 1.5GB 流量，否则容易翻车！

开始使用 LLM

下载完成后，Termux 终端里会出现交互界面，你可以像在 PC 上那样使用 LLM。不过别对性能抱太高期待，毕竟这是在手机上运行的“小型”模型，速度肯定比不上 ChatGPT。

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, ?有需要的小伙伴，可以 扫描下方二维码领取?↓↓↓

?CSDN大礼包?：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）?

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, ?有需要的小伙伴，可以 扫描下方二维码领取?↓↓↓

?CSDN大礼包?：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）?

​