既然想压榨单兵成本，我就用 DeepSeek 做了本地化部署。这念头不是突然冒出来的，是看着 OpenAI API 账单上那串数字，再想想自己 40 岁还在为这点算力成本焦虑，一股火就上来了。什么技术情怀都是扯淡，安全感就是银行卡余额和服务器控制权。
去年被 GPT-4 的推理能力震得一愣一愣的，但今年风向变了。国产模型追得是真快，DeepSeek-V2 的 MoE 架构，128K 上下文，关键价格是 OpenAI 的零头。我算了一笔账，一个中等复杂度的客服自动化流程，用 GPT-4 跑一个月，成本够我买台二手的 RTX 4090 了。这账没法算，必须切。
本地化部署第一关就是硬件。我没选云服务器，那玩意儿月租是慢性失血。直接海鲜市场蹲了张矿潮褪去后的 4090，24G 显存是硬门槛。系统装 Ubuntu 22.04，驱动、CUDA、Docker 一套组合拳打下来，命令行里滚过的日志就是我中年技术男的镇静剂。
模型部署选的是 llama.cpp，看中的就是它的量化能力和纯 C++ 实现，没那么多花里胡哨的依赖。把 DeepSeek-V2 的模型文件下载下来，用 q4_k_m 量化一遍，显存占用直接砍到 13 个 G，推理速度还能接受。启动服务，绑定本地端口，那一刻的感觉，就像在自家后院挖了口井，再也不用看自来水公司的脸色。
但光有个模型跑起来屁用没有，得能干活。我的主战场在 n8n，所有自动化流程的血脉都在这里。OpenAI 节点用惯了，现在要换自家后院的模型，得自己造轮子。n8n 支持自定义 HTTP Request 节点，这就是突破口。
我给本地模型服务封装了一个兼容 OpenAI API 格式的简易网关。用 Python 写的，不到两百行代码，核心就是接收 n8n 发过来的标准格式请求，拆解出 prompt 和参数，转发给本地的 llama.cpp 服务，再把返回的文本重新包装成 OpenAI 的格式吐回去。难点在流式输出上，OpenAI 是 stream，llama.cpp 也是 stream，但两边数据块格式不一样，得在网关里做实时转换，保证 n8n 那边能无缝接收 token by token 的流式响应，不然编辑长文本的时候体验就是灾难。
调试才是最耗人的。同一个提示词，GPT-4 输出结构清晰，DeepSeek 偶尔会“放飞自我”，在 JSON 格式里夹带私货。没办法，只能在 n8n 的流程里加后处理节点，用正则或者简单的 Python 代码块去清洗和矫正输出。成本是低了，但心智负担转移了，从付钱变成了花时间调教。这大概就是自由的代价，把对巨头的依赖，转化成了对自己运维和调试能力的压榨。
流程跑通那天晚上，我看着 n8n 编辑器里那个绿色的“成功”标记，它调用的源头是我桌子底下那台嗡嗡作响的主机。一种很原始的满足感。省钱了，当然高兴，但更关键的是，整个链条握在自己手里了。API 服务商不会突然涨价，不会突然封我账号，不会因为国际网络波动而卡壳。这种确定性，对于我这种经历过各种“突然死亡”的老鸟来说，比模型本身多几分智商更重要。
技术自主权是什么？就是当你四十岁，不想再被任何平台或供应商掐脖子时，能弯下腰去拧螺丝、改代码、调试协议的那点能力。它不酷，甚至很土，但能让你睡得着觉。压榨单兵成本，压榨到最后，压榨的不是钱，是那份必须亲手掌控核心环节的偏执。DeepSeek 本地部署只是开始，下一个目标，是把整个 n8n 的工作流都容器化，扔进家庭 NAS 里，实现真正的离线自动化。到那时候，才算真正有了自己的数字堡垒。
