Ollama 入门：一行命令跑起本地大模型

前言

想在自己电脑上跑大模型，但看到”CUDA””量化””显存”这些词就头疼？Ollama 把这个门槛降到了最低——安装、下载模型、开始对话，三步搞定，不需要配置任何环境。

它在后台自动处理了模型量化、GPU 加速、内存管理这些脏活累活，对用户来说就是在终端里敲几行命令。

---

一、安装

macOS：下载 Ollama.app，拖到 Applications 即可。

Linux：

curl -fsSL https://ollama.com/install.sh | sh

Windows：从 ollama.com/download 下载安装包，双击安装。

验证安装：

ollama --version
# ollama version is 0.9.0

---

二、拉取并运行第一个模型

# 拉取并直接运行（没下载会自动先下载）
ollama run llama3.2

下载完成后会直接进入对话模式：

>>> 你好，请做一下自我介绍
我是 Llama，由 Meta 开发的 AI 助手……

>>> 用 Python 写一个斐波那契函数
def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

退出对话：输入 /bye 或按 Ctrl+D。

常用模型推荐

# 通用对话
ollama run llama3.2          # Meta 最新，综合能力强，3B 参数（约 2GB）
ollama run qwen2.5:7b        # 阿里通义千问，中文能力强，7B（约 4.5GB）
ollama run deepseek-r1:7b    # 深度求索，推理能力强，7B（约 4.5GB）

# 编程专用
ollama run codellama:7b      # Meta 编程模型
ollama run deepseek-coder    # 编程能力突出

# 轻量模型（配置低的电脑也能跑）
ollama run qwen2.5:1.5b      # 最小的通义千问，1.5B（约 1GB）
ollama run llama3.2:1b       # 最小的 Llama，1B（约 700MB）

模型命名规则

qwen2.5:7b-instruct-q4_K_M
  │      │    │        └── 量化方式
  │      │    └── instruct（指令微调版）/ base（基础版）
  │      └── 参数规模
  └── 模型名称

不指定量化方式时，Ollama 自动选最适配你硬件的那一个。

---

三、模型管理命令

ollama list                  # 查看已下载的模型
ollama show qwen2.5:7b       # 查看模型详细信息
ollama cp qwen2.5:7b my-qwen # 复制/重命名模型
ollama rm qwen2.5:7b         # 删除模型
ollama pull llama3.2         # 单独下载（不运行）
ollama ps                    # 查看当前加载到内存的模型

---

四、多轮对话与系统提示

# 带系统提示词的对话
ollama run qwen2.5:7b "你是一个 Linux 运维专家。用一句话解释什么是反向代理。"

# 管道输入
echo "将这段文字翻译成英文：今天天气真好" | ollama run qwen2.5:7b

# 逐行处理文件
cat questions.txt | while read line; do
    echo "Q: $line"
    echo "$line" | ollama run llama3.2
    echo "---"
done

---

五、Modelfile：自定义模型行为

Modelfile 相当于 Dockerfile，定义模型的系统提示、温度、上下文长度等。

# Modelfile
FROM qwen2.5:7b

# 系统提示词（定义模型"人设"）
SYSTEM """
你是一个资深 Python 后端工程师，擅长代码审查。
回答风格：先指出问题，再给出修改建议，最后附上改进后的代码。
回答长度：不超过 300 字。
"""

# 参数
PARAMETER temperature 0.3    # 创造性（0=严谨，1=天马行空）
PARAMETER top_p 0.9
PARAMETER top_k 40

# 上下文窗口
PARAMETER num_ctx 4096

构建并使用：

ollama create code-reviewer -f Modelfile
ollama run code-reviewer

常用参数说明：

参数	含义	推荐值
temperature	输出随机性，越高越”有创意”	代码/翻译 0.10.3，写作 0.70.9
top_p	核采样，只考虑概率累加到 p 的词	0.8~0.95
top_k	只考虑概率最高的 k 个词	30~50
num_ctx	上下文窗口大小（token 数）	2048~32768
num_predict	最大输出 token 数	-1（不限制）

---

六、REST API 调用

Ollama 自带了一个兼容 OpenAI 格式的 HTTP API（默认端口 11434）。

基本调用

# 非流式
curl http://localhost:11434/api/generate -d '{
  "model": "qwen2.5:7b",
  "prompt": "用一句话解释什么是 Docker",
  "stream": false
}'

返回：

{
  "model": "qwen2.5:7b",
  "response": "Docker 是一种容器化技术，可以将应用及其依赖打包成一个独立的标准化单元，在任何环境中一致运行。",
  "done": true,
  "total_duration": 1234567890,
  "eval_count": 42
}

聊天格式（推荐）

curl http://localhost:11434/api/chat -d '{
  "model": "qwen2.5:7b",
  "messages": [
    {"role": "system", "content": "你是一个 Linux 运维专家"},
    {"role": "user", "content": "如何查看磁盘剩余空间？"}
  ],
  "stream": false
}'

Python 调用

import requests

def ask_ollama(prompt, model="qwen2.5:7b"):
    resp = requests.post(
        "http://localhost:11434/api/chat",
        json={
            "model": model,
            "messages": [
                {"role": "user", "content": prompt}
            ],
            "stream": False
        }
    )
    return resp.json()["message"]["content"]

print(ask_ollama("用 Python 写冒泡排序"))

OpenAI 兼容端点（Ollama 0.5+）：

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:11434/v1",
    api_key="ollama"  # Ollama 不需要真实 API Key
)

response = client.chat.completions.create(
    model="qwen2.5:7b",
    messages=[{"role": "user", "content": "Hello!"}]
)

print(response.choices[0].message.content)

这个兼容性意味着所有为 OpenAI API 写的代码，改一下 base_url 就能直接对接 Ollama。

---

七、搭配 Open WebUI 使用

如果觉得命令行太简陋，可以装 Open WebUI：

docker run -d \
  --name open-webui \
  -p 3000:8080 \
  -v open-webui-data:/app/backend/data \
  ghcr.io/open-webui/open-webui:main

然后浏览器打开 http://localhost:3000，在设置中配置 Ollama 地址（默认 http://host.docker.internal:11434），就能得到一个界面和 ChatGPT 几乎一样的私人 AI 助手。

Open WebUI 还支持：

• 多模型切换和对比
• 上传文件让 AI 分析
• RAG 知识库（上传文档，AI 基于文档回答）
• 对话历史管理
• 多用户权限管理

---

八、常见问题

Q：需要什么配置的电脑？

• 1B~3B 模型：8GB 内存，不需要独显，普通笔记本能跑
• 7B~8B 模型：16GB 内存，推荐 6GB+ 显存的独显
• 14B+ 模型：32GB+ 内存，推荐 12GB+ 显存
• 70B+ 模型：需要多张高端显卡，个人电脑跑不动

Q：Ollama 和直接用 Transformers 跑模型有什么区别？

Ollama 底层用的是 llama.cpp，做了大量量化优化。同样的模型，Ollama 占用的内存/显存通常比原生 Transformers 少 30~50%。

Q：模型文件存在哪？

• macOS：~/.ollama/models/
• Linux：/usr/share/ollama/.ollama/models/
• Windows：C:\Users\<用户名>\.ollama\models\

以上覆盖了 Ollama 的常用操作，日常使用足够了。更进阶的用法（GPU 多卡、并发调优、模型量化）可以参考 Ollama 官方文档。