Ollama：本地大模型部署完全指南：私有化LLM方案的完整教程

背景

大语言模型（LLM）的快速发展正在改变各行各业的工作方式。然而，将业务数据发送到第三方 API 存在隐私泄露风险，对于处理敏感数据的企业而言，本地部署大模型成为刚性需求。

Ollama 正是为解决本地大模型部署而生的开源工具。它简化了大模型的部署和运行流程，让开发者能够在本地设备上轻松运行各种开源大模型，如 Llama 2、Mistral、DeepSeek 等。本文将详细介绍 Ollama 的部署和配置方法，帮助读者快速搭建私有化的大模型服务。

一、项目概述

1.1 Ollama 简介

Ollama 是一款开源的大模型本地部署工具，GitHub Star 数超过 80K。它提供了简单的命令行界面来下载、运行和管理大模型，同时支持通过 API 调用模型。

Ollama 的核心特点：

• 简单易用：一行命令即可运行模型
• 模型库丰富：支持 Llama 2、Mistral、DeepSeek、Gemma 等
• 跨平台：支持 macOS、Windows、Linux
• API 支持：提供 RESTful API 集成
• GPU 加速：自动利用 GPU 加速推理
• 轻量高效：资源占用优化

1.2 支持的模型

Ollama 模型库涵盖多种类型的模型：

模型	参数量	适用场景
Llama 2	7B-70B	通用对话
Mistral	7B-8x22B	通用对话
DeepSeek	7B-67B	编程辅助
Gemma	2B-27B	轻量对话
Phi	2B-3B	轻量对话
Qwen	7B-72B	中文对话

二、安装部署

2.1 macOS 安装

2.1.1 Homebrew 安装

brew install ollama

2.1.2 手动安装

1. 下载 macOS 安装包：https://ollama.com/download
2. 双击安装包完成安装

2.2 Windows 安装

访问 Ollama 官网下载页面，下载 Windows 版本安装包：

1. 下载 .exe 安装包
2. 双击运行安装程序
3. 安装完成后在终端中使用

2.3 Linux 安装

# 一键安装脚本
curl -fsSL https://ollama.com/install.sh | sh

2.4 Docker 运行

# 拉取镜像
docker pull ollama/ollama:latest

# 运行容器
docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama:latest

2.5 GPU 配置

Ollama 自动支持 NVIDIA GPU 加速，确保已安装：

• NVIDIA 驱动
• CUDA 工具包
• cuDNN

验证 GPU 支持：

ollama show llama2

三、快速入门

3.1 运行第一个模型

下载并运行 Llama 2 7B 模型：

ollama run llama2

首次运行会自动下载模型，下载完成后即可开始对话。

3.2 基本操作

3.2.1 对话示例

>>> 你好，请介绍一下自己
你好！我是 Llama 2，一个由 Meta AI 开发的大语言模型。我可以帮你回答问题、
写文章、写代码等。有什么我可以帮你的吗？

3.2.2 退出对话

输入 /bye 或按 Ctrl+D 退出对话。

3.3 模型管理

3.3.1 查看已下载模型

ollama list

3.3.2 拉取模型

# 拉取指定模型
ollama pull mistral

# 拉取特定版本
ollama pull llama2:13b

3.3.3 删除模型

ollama rm llama2

四、API 使用

4.1 启动 API 服务

Ollama 默认在端口 11434 提供 RESTful API：

# 测试 API
curl http://localhost:11434/api/generate -d '{
  "model": "llama2",
  "prompt": "为什么天空是蓝色的？"
}'

4.2 Python 调用示例

安装 Python SDK：

pip install ollama

调用模型：

import ollama

response = ollama.generate(
    model='llama2',
    prompt='用 Python 写一个快速排序算法'
)

print(response['response'])

4.3 JavaScript 调用示例

安装 Node.js SDK：

npm install ollama

调用模型：

import Ollama from 'ollama';

const response = await Ollama.generate({
    model: 'llama2',
    prompt: '解释什么是 RESTful API'
});

console.log(response.response);

4.4 API 参数

参数	类型	说明
model	string	模型名称
prompt	string	输入提示
stream	boolean	是否流式输出
options	object	额外选项
context	array	对话上下文

五、高级配置

5.1 Modelfile 自定义模型

创建自定义模型配置：

# 创建 Modelfile
cat > Modelfile << 'EOF'
FROM llama2

PARAMETER temperature 0.7
PARAMETER top_p 0.9

SYSTEM """
你是一个专业的技术写作助手，用简洁清晰的语言解释技术概念。
"""
EOF

# 创建自定义模型
ollama create tech-writer -f Modelfile

# 运行自定义模型
ollama run tech-writer

5.2 参数调整

5.2.1 常用参数

参数	说明	范围
temperature	创造性控制	0-2
top_p	采样控制	0-1
num_ctx	上下文长度	-
num_gpu	GPU 数量	-
num_thread	CPU 线程	-

5.2.2 示例

ollama run llama2 --param temperature 0.5 --param num_ctx 4096

5.3 模型量化

量化模型以减少资源占用：

# 拉取量化版本
ollama pull llama2:13b-q4_0

# 创建自定义量化
ollama create custom-model -f Modelfile

六、WebUI 集成

6.1 Open WebUI

安装 Open WebUI 获取图形化界面：

# 使用 Docker 运行
docker run -d -p 3000:8080 \
  -v open-webui:/app/backend/data \
  -e OLLAMA_BASE_URL=http://localhost:11434 \
  --name open-webui \
  ghcr.io/open-webui/open-webui:main

访问 http://localhost:3000 开始使用。

6.2 Chatbot UI

另一个 WebUI 选择：

docker run -d -p 3000:3000 \
  -e VITE_API_BASE_URL=http://localhost:11434/api \
  --name chatbot-ui \
  ghcr.io/rickstaa/chatbot-ui:latest

七、应用场景

7.1 编程辅助

使用 DeepSeek 模型辅助编程：

ollama run deepseek-coder:6.7b

# 代码补全示例
response = ollama.generate(
    model='deepseek-coder:6.7b',
    prompt='写一个 Python 异步 HTTP 请求函数'
)

7.2 文档处理

搭建本地文档问答系统：

# 使用 qwen 模型处理中文
ollama run qwen:7b

7.3 私有知识库

结合向量数据库构建知识库：

1. Ollama 运行模型
2. Embedding 模型生成向量
3. 向量数据库存储和检索
4. RAG 模式问答

八、性能优化

8.1 内存优化

模型内存需求参考：

模型	参数量	最低内存	推荐内存
Llama 2 7B	7B	8GB	16GB
Llama 2 13B	13B	16GB	24GB
Mistral 7B	7B	8GB	16GB

8.2 并发优化

调整并发数量：

# 设置并发请求数
export OLLAMA_MAX_LOADED_MODELS=2

8.3 GPU 利用率

监控 GPU 使用：

nvidia-smi

九、常见问题

9.1 安装问题

Q：Linux 安装失败

A：检查系统依赖：

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

Q：GPU 不被识别

A：检查 NVIDIA 驱动和 CUDA：

nvidia-smi
nvcc --version

9.2 使用问题

Q：模型下载慢

A：使用代理或手动下载：

export HTTP_PROXY=http://proxy:port
export HTTPS_PROXY=http://proxy:port
ollama pull llama2

Q：内存不足

A：使用更小的量化模型：

ollama run llama2:7b-q4_0

十、总结

Ollama 作为本地大模型部署的利器，以其简单易用的设计和丰富的模型支持，为开发者和企业提供了便捷的私有化大模型解决方案。

通过本文的保姆级教程，读者应该已经掌握了：

1. 安装部署：在各平台安装 Ollama
2. 模型运行：下载和运行大模型
3. API 集成：通过 API 调用模型
4. 高级配置：自定义模型和参数调优
5. WebUI：集成图形化界面
6. 应用场景：编程辅助、文档处理、知识库

对于需要本地化部署大模型的开发者和企业，Ollama 是一个值得信赖的开源选择。

---

© 版权归无边界科技所有，版权所有。