deepseek 调参

在 Ollama 下，deepseek 常用参数有以下几项

参数名	描述	推荐值范围	适用场景
temperature	控制输出的随机性与创造力，值越高随机性越高	0.3~0.7	代码任务控制在 0.10.3 写作任务控制在 0.60.8
top-p	核采样，控制候选词的范围，值越高词汇越多样	0.85~0.95	与 temperature 搭配，平衡生成质量
num_ctx	上下文窗口大小，单位为 token，ai能看到的会话历史量	2048~8192	长文档分析则需要调高
repeat_penalty	重复惩罚，值越高模型越倾向于不重复生成内容	1.1~1.3	1.0 时不惩罚 大于 1.5 时可能会把常用词也一起干掉

还有一些其他参数

参数名	描述	推荐值范围	适用场景
top_k	固定保留概率最高的 k 个词，再重新归一化采样	1~100	现在用 top_p 多一点
num_predict	本次生成最多输出的 token 数	200~2048	摘要为 200300 写文章时为 10242048 写代码时为 512~1500
stop	数组，碰到任意一个字符串就立刻刹车	["\n", "User:", "问题：", "```"]	放置模型“自问自答”或者把提示模板也写出来

要创建自定义模型，需要西安创建一个文本文件（如 ModelFile 或 ModelFile.deepseek），然后写入相关参数

# 基于官方模型
FROM deepseek-r1:8b

# 设置系统提示词，定义模型角色
SYSTEM """你是一个有帮助且严谨的AI助手。回答应准确、简洁。"""

# 设置参数
PARAMETER temperature 0.3
PARAMETER top_p 0.9
PARAMETER num_ctx 4096
PARAMETER repeat_penalty 1.2

然后构建并运行该自定义模型

浓浓的 Docker 味。

ollama create my-deepseek-8b -f ./Modelfile
ollama run my-deepseek-8b