Cloudflare 平台一键部署 DeepSeek R1 推理模型教程：一分钟搞定，真正免费！

DeepSeek 作为当下最热门的 AI 大模型之一，有时会因用户过多导致服务器繁忙。想要本地部署，又面临 GPU 算力资源的高门槛，这让随时随地轻松使用 DeepSeek 变得困难。

这时，我们的“大善人” Cloudflare 又一次出手了！他们在平台上悄悄上线了 Deepseek-R1 32B 推理大模型，让我们能够快速且免费地部署 DeepSeek，畅享大模型的魅力。

今天，就为大家详细讲解如何利用 Cloudflare 的免费平台，轻松白嫖属于自己的 DeepSeek 大模型！

一、注册或登录 Cloudflare 平台 (CF 老手可跳过)

如果您已经是 Cloudflare 用户，可以直接跳过此步骤。

进入 Cloudflare 平台官网，访问 Cloudflare 官网，点击登录或注册账号。
新用户注册：
- 注册过程可能需要您选择域名，无需理会，直接点击页面底部的 Start building 按钮。
进入仪表盘：
- 成功登录后，您将进入 Cloudflare 仪表盘。

二、正式开始部署 Deepseek API 项目

创建 Workers AI 项目：
- 在 Cloudflare 仪表盘左侧菜单栏中，找到 【AI】 选项，点击展开。
- 在 AI 菜单下，选择 【Workers AI】。
- 您可能会看到不同的界面，但目标一致：创建新的 Worker 项目。通常会看到类似 Llama 3 Worker 或 Create project 的选项，按照页面提示创建即可。
为项目命名并部署：
- 为您的项目取一个易于识别的名称，例如 DeepSeek-R1-API。
- 命名完成后，点击 【部署】 按钮，开始项目初始化部署。
编辑 Worker 代码：
- 项目部署完成后，您需要编辑 Worker 的默认代码，替换为 DeepSeek R1 的推理代码。
获取 DeepSeek R1 部署代码：
- 复制代码。

export default {
 async fetch(request, env) {
   // 检查 Authorization 请求头中的 Bearer Token
   const apiKey = this.getApiKeyFromAuthorization(request);

   if (!apiKey || apiKey !== "Pullautumn") {
     return new Response('Unauthorized', { status: 401 });
   }

   if (request.method === 'POST' && request.url.includes('v1/chat/completions')) {
     try {
       const requestData = await request.json();
       const { model, messages, stream: isStream = false } = requestData;

       const created = Math.floor(Date.now() / 1000);
       const uuid = crypto.randomUUID();

       const aiResponse = await env.AI.run('@cf/deepseek-ai/deepseek-r1-distill-qwen-32b', {
         messages,
         max_tokens: 2048,
         stream: isStream,
       });

       if (isStream) {
         return this.handleStreamResponse(aiResponse, model, uuid, created);
       } else {
         return this.handleJsonResponse(aiResponse, model, uuid, created);
       }
     } catch (error) {
       return this.handleError(error);
     }
   }

   return new Response('Not Found', { status: 404 });
 },

 // 从请求头中提取 API 密钥
 getApiKeyFromAuthorization(request) {
   const authorizationHeader = request.headers.get('Authorization');
   if (authorizationHeader && authorizationHeader.startsWith('Bearer ')) {
     return authorizationHeader.slice(7); // 返回 Bearer 后面的部分
   }
   return null;
 },

 handleStreamResponse(stream, model, uuid, created) {
   const { readable, writable } = new TransformStream();
   const writer = writable.getWriter();
   const reader = stream.getReader();

   const processStream = async () => {
     const decoder = new TextDecoder();
     const encoder = new TextEncoder();

     try {
       while (true) {
         const { done, value } = await reader.read();
         if (done) break;

         const stringValue = decoder.decode(value);
         const lines = stringValue.split('\n').filter(line => !!line);

         for (const line of lines) {
           if (line.endsWith('data: [DONE]')) continue;

           try {
             const json = JSON.parse(line.replace(/^data: /, ''));
             const formattedValue = this.formatStreamResponse(json, model, uuid, created);
             await writer.write(encoder.encode(formattedValue));
           } catch (e) {
             console.error('Failed to parse JSON: ', e);
           }
         }
       }

       await writer.write(encoder.encode('data: [DONE]\n\n'));
       writer.close();
     } catch (err) {
       console.error('Stream processing error: ', err);
       writer.close();
     }
   };

   processStream().catch(err => {
     console.error('Stream processing error: ', err);
   });

   return new Response(readable, {
     headers: {
       'content-type': 'text/event-stream',
       'Cache-Control': 'no-cache',
       'Connection': 'keep-alive',
     },
   });
 },

 handleJsonResponse(aiResponse, model, uuid, created) {
   return Response.json({
     id: uuid,
     model,
     created,
     object: 'chat.completion',
     choices: [
       {
         index: 0,
         message: {
           role: 'assistant',
           content: aiResponse.response,
         },
         finish_reason: 'stop',
       },
     ],
     usage: {
       prompt_tokens: 0,
       completion_tokens: 0,
       total_tokens: 0,
     },
   });
 },

 formatStreamResponse(json, model, uuid, created) {
   return `data: ${JSON.stringify({
     id: uuid,
     created,
     object: 'chat.completion.chunk',
     model,
     choices: [
       {
         delta: { content: json.response },
         index: 0,
         finish_reason: null,
       },
     ],
   })}\n\n`;
 },

 handleError(error) {
   console.error('Error processing request: ', error);
   return new Response(JSON.stringify({ error: 'Invalid request' }), {
     status: 400,
     headers: { "Content-Type": "application/json" },
   });
 },
};

粘贴并部署代码：
- 返回 Cloudflare Worker 项目编辑页面。
- 清空编辑器中原有的默认代码。
- 将 第 4 步复制的 DeepSeek R1 代码 粘贴到代码编辑器中。
- 确认代码粘贴完整后，点击右上角的 【部署】 按钮，完成代码更新部署。
获取项目 URL：
- 部署完成后，返回 Cloudflare 仪表盘，点击您刚刚部署的项目名称。
- 进入项目详情页面，点击 【设置】 选项卡。
- 在设置页面中，找到平台为您分配的 项目网址 (通常以 .workers.dev 结尾)。
- 复制此网址，并妥善保存，后续配置 UI 软件时需要用到。

三、选择可用的 UI 软件 (以 Chatbox AI 为例，Cherry Studio也很好用)

Cloudflare 部署的 DeepSeek API 接口兼容 OpenAI API 规范，因此可以与许多支持 OpenAI API 的 UI 软件或插件配合使用。这里我们以 Chatbox AI 为例进行演示。

下载 Chatbox AI：
- 根据您使用的操作系统平台 (Windows/macOS/Linux 等)，下载对应的 Chatbox AI 安装包。
- 您可以在 Chatbox AI 官网下载，或者从博主提供的 全平台软件安装包 中获取。
打开 Chatbox AI 并进入设置：
- 安装完成后，打开 Chatbox AI 客户端。
- 点击 Chatbox AI 界面左下角的 【设置】 图标 (通常是齿轮状)。
添加自定义提供方：
- 在设置菜单中，选择 【添加自定义提供方】 选项。
配置自定义提供方：
- 按照以下说明填写自定义提供方信息：
  - 【模型提供方名称】：您可以自定义名称，例如 Cloudflare DeepSeek R1。
  - 【API 域名】：填写您在 第二步第 6 点复制的项目网址， 务必在网址末尾加上 /v1。例如：https://your-project-name.your-namespace.workers.dev/v1
  - 【改善网络兼容性】： 务必开启 此功能，以确保网络连接的稳定性。
  - 【API 密钥】： 默认 API 密钥为 ”Pullautumn” (注意是英文双引号)。您可以根据代码中的设置自行修改密钥。如果使用默认密钥，此处填写 Pullautumn 即可。
保存配置并开始使用：
- 填写完毕后，点击 【保存】 按钮。
- 现在，您就可以在 Chatbox AI 中选择您刚刚配置的 Cloudflare DeepSeek R1 提供方，开始与 DeepSeek R1 模型进行对话了！