DeepSeek 的落地方式不止一种。从当前公开的教程资料看，至少存在四条路径：本地部署、可视化界面接入、办公软件集成和 API 调用。它们并非互相替代，而是对应不同的使用场景和工程约束。

路径一：本地部署

本地部署的核心工具是 ollama。多篇教程（#4、#7）都提到，先在 Linux 或本地环境安装 ollama，再配置模型存储位置，然后下载 DeepSeek 模型并运行。硬件需求在 #5 中被提及，但具体门槛各教程表述不一。

这条路径的适用场景是：数据不出本地、需要离线推理、或希望完全控制模型版本。但教程中容易被一带而过的环节包括：模型存储路径的磁盘规划、ollama 服务端口与防火墙的配合、模型下载中断后的恢复方式，以及不同 DeepSeek 模型规格对显存/内存的实际占用。这些配置项在 #4 和 #7 中虽有提及，但往往缺少失败模式说明。

路径二：可视化界面接入

3 和 #7 介绍了通过 Chatbox 实现界面化问答。Chatbox 可以从官网下载安装，配置方式有两种：填入 API Key 调用远程模型，或指向本地 ollama 服务使用本地模型。

这条路径适合不习惯命令行的开发者或非技术用户。关键配置点是 API Key 与本地模型地址的切换逻辑——如果同时配置了两者，需要确认界面实际调用的是哪一个。教程中通常只展示成功路径，未说明连接本地服务时常见的端口不通、模型名称不匹配等报错。

路径三：办公软件集成

6 专门介绍了在 WPS 中使用 DeepSeek 的方法：先本地部署 DeepSeek，再通过 Office AI 插件接入，实现文档校对、文案生成、翻译润色等功能。

这条路径的前提是本地部署已经跑通，然后叠加插件层。适用场景是日常办公文档处理。需要核验的环节包括：插件与 WPS 版本的兼容性、本地服务在办公软件运行期间是否保持可用、以及插件调用模型时的超时设置。

路径四：API 调用

5 提供了最完整的 API 路径说明：通过 DeepSeek 开发者平台申请 API Key，然后用 Python 调用 DeepSeek API。资料中提到了 DeepSeek-R1 和 DeepSeek-V3 两款模型的定位差异，以及官网和 API 两种调用方式。

这条路径适合需要将 DeepSeek 集成到自有应用、或不想维护本地推理环境的场景。工程上需要关注的是 API Key 的管理、调用配额、以及网络依赖——与本地部署的离线可用形成直接对比。

选型对照

从资料归纳：本地部署和可视化界面偏向个人或小团队的自用场景，办公集成面向文档处理流程，API 调用面向应用集成。四条路径的依赖关系是：本地部署是可视化界面（本地模型模式）和办公集成的前置条件；API 调用则独立于本地环境。

排错清单

本地部署教程中需要单独核验的环节：ollama 安装后的服务状态确认、模型存储路径的权限与空间、模型下载的完整性校验、本地服务端口是否被占用、可视化界面连接本地服务时的地址与模型名一致性、办公插件调用本地服务时的进程存活状态。这些环节在现有教程中往往只给成功步骤，缺少失败时的排查方向，建议在实际落地时逐项验证。