[大模型实战 01] 本地大模型初体验：Ollama 部署与 Python 调用指南
![[大模型实战 01] 本地大模型初体验：Ollama 部署与 Python 调用指南](https://qiniu.meowparty.cn/coder.2023/2026-03-23/cover_1774198995963_661b261f7b5d4022a1fd07afb0c824cd.png)
[大模型实战 01] 本地大模型初体验：Ollama 部署与 Python 调用指南
核心摘要 (TL;DR)工具：Ollama (最流行的本地大模型运行工具)。目标：在本地电脑运行大模型，并提供 API 给 Python 调用。痛点解决：教咱们如何用国内 ModelScope 替代 HuggingFace 实现极速下载。干货：包含修改端口、显存计算公式、以及 Embedding/多模态等概念科普。
01. Ollama 介绍
官网地址：https://ollama.com/
Ollama 是目前最火的本地大模型部署工具。
简单来说，它能帮咱们快速拉取模型文件，让模型在本地直接运行并进行对话。同时，它还能把模型打包成一个标准的接口，通过端口开放给咱们写的 Python 脚本调用。
对于咱们来说，它就是在大模型时代装在电脑里的“运行环境”，必不可少。
02. 安装 Ollama
- 安装：打开下载好的安装包，选一个咱们喜欢的位置安装即可。
测试运行：按下 Win+R 打开运行窗口，输入 cmd 打开命令提示符。输入命令 ollama --version。如果看到版本号，就说明 Ollama 已经安装完毕，正在运行了。
第一阶段顺利完成！
验证：安装完毕后，开始菜单里会出现一个羊驼图标。
选择版本：点击 Download 按钮，根据咱们的操作系统（Windows/Mac/Linux）下载。
下载：登录官网 https://ollama.com/ 。
03. Ollama 常用命令速查
这些命令咱们以后会经常用到，建议收藏：
| 场景 | 命令示例 | 备注 |
|---|---|---|
| 第一次下模型 | ollama run qwen3:7b | 会自动先 pull 再运行，一步到位 |
| 只下载不运行 | ollama pull llama3:8b | 适合提前囤模型 |
| 国内加速 | ollama pull modelscope.cn/Qwen/Qwen3-7B-GGUF | 推荐！下文会细讲 |
| 查看本地库存 | ollama list 或 ollama ls | 大小/ID/修改时间一目了然 |
| 删除省空间 | ollama rm llama2:latest | 支持通配符，可写 llama2:* |
| 给模型改短名 | ollama cp qwen3:7b q7 | 后面直接 ollama run q7 方便调用 |
| 查模型详情 | ollama show q7 | 参数量、量化层、标签全列出 |
04. 下载模型（解决网速慢的问题）
Ollama 官网收录了很多模型，可以通过详情页复制命令下载，但由于服务器在海外，咱们在国内访问经常断连，速度也很慢。
主流的模型平台是 HuggingFace，但它也在海外，国内下载需要魔法工具。
咱们的解决方案：使用阿里的 魔搭社区 (ModelScope)。
- HuggingFace 官网：https://huggingface.co/
- ModelScope (魔搭) 官网：https://modelscope.cn/
操作步骤：
- 进入 HuggingFace 点击 Models，或者进入魔搭点击模型库。
- 回到命令提示符，加上前缀进行下载，网速直接拉满：
- 魔搭下载 (推荐):
ollama pull modelscope.cn/Qwen/Qwen3-0.6B-GGUF - HuggingFace 下载:
ollama pull hf.co/Qwen/Qwen3-0.6B-GGUF
- 魔搭下载 (推荐):
- 下载完毕后，运行
ollama list查看信息：
进入模型详情页，复制模型 ID，例如 Qwen/Qwen3-0.6B-GGUF。
在搜索框输入咱们想要的模型，比如 Qwen3-0.6B-GGUF。
注意：Ollama 目前主要支持 GGUF 格式，搜索时一定要带上这个后缀。
NAME ID SIZE MODIFIED modelscope.cn/Qwen/Qwen3-0.6B-GGUF:latest xxxxxxx xxx MB x ago 05. 运行模型
在命令行工具输入 ollama run modelscope.cn/Qwen/Qwen3-0.6B-GGUF。
看到交互界面后，咱们就可以愉快地跟大模型对话了。
06. 更改服务端口（进阶）
Ollama 默认服务运行在端口 11434 上。如果咱们在自己的服务器上部署，为了安全或避免端口冲突，可以修改它。
Windows 环境
- 设置环境变量：
- 按下
Win + S，搜索“编辑账户环境变量”并打开。 - 在“用户变量”部分，点击“新建”。
- 变量名：
OLLAMA_HOST
- 按下
- 重新启动：从开始菜单重新运行 Ollama 软件。
- 检验：在浏览器输入
http://localhost:5656，如果显示Ollama is running说明端口修改成功了。
变量值：0.0.0.0:5656 （假设咱们想改到 5656 端口，0.0.0.0 表示允许所有网卡访问）。
退出 Ollama：在任务栏右下角的托盘图标上右键，选择 Quit Ollama。
Linux 环境
- 执行命令：
sudo systemctl edit ollama.service - 在打开的编辑器中（通常是空白或带注释），加入以下内容：
[Service] Environment="OLLAMA_HOST=0.0.0.0:5656" - 保存并退出，然后重载并重启服务：
sudo systemctl daemon-reload sudo systemctl restart ollama 07. 在 Python 脚本中使用模型
为了运行连接 Ollama 的 Python 脚本，我们需要准备以下环境：
- Python 版本：Python 3.8 以上
- OpenAI 库依赖：在命令行输入
pip install openai
Ollama 完美兼容 OpenAI 的 API 格式，所以咱们直接用 OpenAI 的库就行：
from openai import OpenAI # 初始化客户端 client = OpenAI(# 这里的端口号要对应咱们上面修改后的端口号，记得加上 /v1 base_url='http://localhost:5656/v1',# Ollama 不需要真正的 Key，但这里随便填一个，不能留空 api_key='ollama',)# 发起对话请求 response = client.chat.completions.create(# 填入咱们在 ollama list 中看到的模型名称 model="modelscope.cn/unsloth/Qwen3-0.6B-GGUF", messages=[{"role":"system","content":"你是一个有用的助手。"},{"role":"user","content":"你好，请简单介绍一下你自己。"},])print(response.choices[0].message.content)08. 常见问题 (Q&A)
这里整理了咱们在入门时最关心的问题：
Q: 除了 Ollama 还有哪些方式可以部署，它们有什么差别？
A:
- LM Studio / AnythingLLM：带有图形界面的部署工具。适合完全不懂代码或者完全不想碰代码的初学者，也可以一键建立知识库做 RAG。
- vLLM：高性能推理框架。通常用于服务器级别，速度极快，适合多人并发，工业级部署使用。
- 差别：Ollama 更轻量，适合开发；LM Studio 胜在可视化；vLLM 胜在极致性能。
Q: Ollama 开机自动启动，我要怎么关闭？关闭后如何手动启动？
A:
- Windows：右键点击任务栏图标 ->
Quit Ollama只是临时关闭。要彻底关闭自启，请在 任务管理器 -> 启动应用 中找到Ollama并设为禁用。 - Linux：使用命令
sudo systemctl disable ollama关闭自启。 - 手动启动：Windows 直接运行桌面图标；Linux 执行
ollama serve即可。
Q: HuggingFace 和魔搭 (ModelScope) 有什么区别？
A:
- Hugging Face (HF)：全球最大的“AI 模型图书馆”，资源最全、社区最活跃，但服务器在海外，国内访问速度较慢。
- 魔搭 (ModelScope)：阿里旗下的国内版“模型图书馆”。国内下载速度极快，模型齐全（基本和 HF 同步），主要是为了解决国内下载慢、需要魔法的问题。
Q: 平台看起来很丰富，还有什么别的好玩儿的功能？
A:
- Spaces / 创空间：可以直接在 Web 上体验最新的模型应用（如 AI 绘画、变声），不用本地部署，但有时需要排队。
- Datasets (数据集)：训练模型的数据集也可以在上面下载。
Q: 大模型有什么类型？
A:
- 语言模型 (LLM)：常规的大模型，如 Llama3, DeepSeek, 千问。主要是聊天和文字处理。
- 多模态模型：如 LLaVA。能看图片，根据图片进行对话，也就是传统的大模型 + 能看图的眼睛。
- 嵌入模型 (Embedding)：用来将文字直接转化为向量数值。主要用在 RAG (检索增强生成) 中，对问题进行搜索以找到相近的文档回答。
- 视觉/视频/语音模型：用以生成图像、视频和语音。
Q: 我该如何快速计算我的电脑能支持多大的模型？
A: 一般来说模型的占用可以通过一个快速公式来计算：
模型显存占用 ≈ 参数量 × 0.7
- 比如下载 0.6B 模型，全量参数 (16bit) 就是：
0.6 × 0.7 ≈ 0.42GB。 - 如果是 7B 模型（4-bit 量化）：
7 × 0.7 ≈ 4.9GB，咱们至少需要 6GB 显存。
Q: 大模型不是需要显卡吗？为什么 Ollama 可以运行在没有显卡的设备上？
A: Ollama 底层使用了 llama.cpp 技术。如果它检测到咱们没有显卡，会将模型权重从**显存(VRAM)**加载到 系统内存 (RAM) 中，使用 CPU 指令集进行计算。虽然速度比在显卡上慢，但让手机、普通轻薄本等设备也有了运行大模型的可能性。
本文作者： Algieba
本文链接： https://blog.algieba12.cn/run-our-own-model-on-pc/
版权声明： 本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
