Ollama作为当下最热门的本地大模型运行框架，让开发者能够轻松在个人电脑上部署和运行各类开源大语言模型。本文将手把手教你从安装到高级使用的完整流程，避开那些官方文档没明说的坑。

Ollama是什么？

Ollama是一款开源的本地大模型运行框架，支持在个人电脑上快速部署和运行Llama、Mistral、DeepSeek等主流开源大语言模型。它通过简洁的命令行工具实现了模型拉取、版本管理和API服务等核心功能，让开发者无需复杂配置就能体验最新AI能力。不同于云服务，Ollama的所有计算都在本地完成，兼顾了数据隐私和定制灵活性，是学习大模型原理和开发AI应用的理想工具。

核心优势：一键部署 | 多模型支持 | 本地隐私保护 | 硬件资源优化

安装Ollama

Windows

• • 访问地址即可下载 https://ollama.com/download/OllamaSetup.exe

• • 双击安装包即可按提示安装

• • 安装完成后建议将Ollama安装目录加入系统PATH环境变量

Linux

• • Linux下安装后通过systemd管理

• • 安装命令 - curl -fsSL https://ollama.com/install.sh | sh

• • 启动命令 - systemctl start ollama

• • 停止命令 - systemctl stop ollama

• • 查看状态 - systemctl status ollama

• • 查看日志 - journalctl -u ollama

• • 设置开机自启 - systemctl enable ollama

• • 常见问题：若遇到权限问题，可尝试将当前用户加入docker组（若有使用docker）

修改Ollama地址

• • Step1.运行命令 - systemctl edit ollama.service

• • Step2.添加环境信息

[Service]
Environment="OLLAMA_HOST=0.0.0.0"

• • Step3.保存退出

• • Step4.加载配置 - systemctl daemon-reload

• • Step5.重启服务 - systemctl restart ollama

---

Ollama使用

基础篇：快速上手

• • 基本设置

  • • 服务地址(环境变量) - export OLLAMA_HOST=http://ip:port

    • • 实例 - export OLLAMA_HOST=http://10.10.10.10:11434

  • • 模型文件路径(环境变量) - export OLLAMA_MODELS=<path to ollama models>

    • • 实例 - export OLLAMA_MODELS=/d/service/ollama/models

• • 如何设置

  • • 对于Windows可以在高级设置的环境变量里设置OLLAMA_HOST和OLLAMA_MODELS

  • • 对于Linux下以systemd方式启动的可以通过修改ollama.service文件来设置

    • • 打开文件 - systemctl edit ollama.service

    • • 设置变量 - 对于每个环境变量在[Service]下都增加单独行Environment="NAME=VALUE"

      • • 实例 - Environment="OLLAMA_HOST=http://10.10.10.10:11434"

        • • Environment="OLLAMA_MODELS=/d/service/ollama/models"

    • • 保存并退出

    • • 重新加载配置并启动

      • • 加载配置 - systemctl daemon-reload

      • • 重启 - systemctl restart ollama

进阶篇：模型管理

拉取模型

• • 命令格式 - ollama pull <model>

  • • 实例 - ollama pull deepseek-r1:7b

删除模型

• • 命令格式 - ollama rm <model>

  • • 实例 - ollama rm deepseek-r1:7b

列出本地所有模型

• • 命令格式 - ollama list

  • • 输出说明：

    • • NAME - 模型名称及版本

  • • 实例 - ollama list

运行模型

• • 命令格式 - ollama run <model> [prompt] [flags]

  • • prompt为提示词字符串

  • • flags为各类选项

    • • --format string - 响应格式(比如json)

    • • --insecure - 使用非安全registry

    • • --keepalive string - 保持一个模型被加载多长时间(比如5m)

    • • --nowordwrap - 不要自动换行

    • • --verbose - 显示响应时间信息

    • • -h, --help - 显示帮助

  • • 实例 - ollama run deepseek-r1:7b

停止模型

• • 命令格式 - ollama stop <model>

  • • 实例 - ollama stop deepseek-r1:7b

查看当前加载的模型

• • 命令格式 - ollama ps

  • • 实例 - ollama ps

高级篇：API集成

提供接口服务

• • 命令格式 - ollama serve

  • • 配置(只能通过环境变量设置)

    • • OLLAMA_HOST - 服务地址host:port,默认127.0.0.1:11434

    • • OLLAMA_ORIGINS - 逗号分隔允许的origin列表

    • • OLLAMA_MODELS - 模型目录(默认~/.ollama/models)

    • • OLLAMA_KEEP_ALIVE - 模型保留在内存中的时长(默认5m)

    • • OLLAMA_DEBUG - 是否DEBUG模式(会打印更多日志,可设置为1)

  • • 实例 - ollama serve

• • 接口列表

  • • /api/version - 获取版本信息

  • • /api/tags - 获取本地可用模型

  • • /api/ps - 获取正在运行的模型列表

实用技巧

• • 模型下载加速：可通过设置镜像源加速下载

export OLLAMA_MIRROR=https://mirror.example.com

 如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

​