帮朋友小胖“去”德国封装AI大模型镜像

楔子

• 烦 又是小胖（上回说到小胖学python从入门到放弃，干脆这回主角也叫小胖，不是上次那个小胖，反正都胖）。前天晚上小胖给我打电话，说他们公司也要部署deepseek大模型。问我这好弄不？我倒是回答，这东西挺简单。请我吃烧烤，我就帮你弄！还问他要8b,32b大模型？小胖都不知道8b，32b是什么！啊！还是先把烧烤吃了再说。

前奏

• 烧烤 终于坐到饭桌上了，这是重要的的一步开始。先把东西吃了，再说，然后再想如何帮小胖部署大模型，不就三句话的事情么！终于等到小胖了，一顿酒桌寒暄与拉家常下（其实嘴也没停下来）。终于进入正题了。其实，也不算他们公司想部署大模型，他们上层公司倒是有这个意思，但是目前没精力弄。目前，就是他们部门先弄一个出来看看，看看能不能解决他们的业务需要（其实理论上可以的）。然后掏出一顿话术，给他解释了，8b模型笨，32b模型聪明点，满血600B模型他们肯定是玩不起云云。还有他们的工作流配置问题，需要用一个叫Dify的工具等等。

• 纠结 结果他一听32b大模型可能要烧掉他20GB显存（也就是需要大概4090显卡才能带动，大概价格1万）。小胖说他们公司都是穷逼，电脑都没显卡。现在这个接骨点，又没看到效果，申请不到经费的。他只能把自己的老AMD显卡贡献出来（啊！这儿要单独适配驱动，又增加活）。然后问能不能先跑一个8b.当然酒足饭饱后只能答应了。

部署

• pull 第二天，头痛脑热的醒来。一看还要给小胖配置大模型呢。到底怎么办呢？按照他的需求其实就是ollama+deepseek-r1:8b+Dify总体来说其实也简单。就是几个pull命令事情（关键Dify没有镜像，网络又不通）。直接去小胖公司部署，又耽误时间，而且小胖还没有把他显卡拿过去。先把上面的这些工具与大模型，调调通用适配，然封装成一个docker镜像。把镜像发给小胖，小胖一键部署就行了。

• 理想 理想是丰满的现实是残酷的，打开的我的远程实例（电脑）把所有东西，一个两个小时过去了，都安装好了，突然发现我的实例没有权限构建docker镜像（因为本身就是一个docker）.现在轮到我头大了。最后只能托朋友看看谁有空闲服务器借我用用。最后终于找到一个德国服务器，最终把小胖要的镜像打包好了！妈耶！都晚上12点了。把链接给了小胖让他自己下载。结果速度就是只有十几KB(总笔github他下载不了，好)。等他自己下载四天。

END

• 肚子 终于算是把小胖破事给弄完了！这个故事告诉我们一个什么道理，不要乱吃东西。就因为吃了烧烤，我肚子痛了一天，现在还在痛呢。