跳到主要内容
极客日志极客日志面向AI+效率的开发者社区
首页博客我的书AI学习GitHub 精选镜像AI 生图工具UI配色美学关于
搜索内容 / 工具 / 仓库 / 镜像...⌘K搜索
注册
博客列表
PythonAI算法

Ollama Windows 安装与使用指南:本地运行 Llama、DeepSeek 等大模型

Ollama 是一款开源工具,支持在 Windows 系统上本地运行 Llama、DeepSeek 等大语言模型。两种安装方式(官方安装包或命令行),详细说明了模型管理命令及硬件要求。进阶部分涵盖 API 调用(含 Python 示例)和图形化界面(Open WebUI)部署。同时提供了常见问题解决方案,如下载慢、端口冲突等,旨在帮助用户实现本地 AI 开发与隐私保护。

云间漫步发布于 2026/4/6更新于 2026/9/1092 浏览
Ollama Windows 安装与使用指南:本地运行 Llama、DeepSeek 等大模型

Ollama Windows 安装与使用全指南

在这里插入图片描述


🎯 核心摘要

Ollama 是一个开源工具,可让用户在 Windows 电脑上轻松运行 Llama、DeepSeek 等主流大语言模型。安装过程简单,支持两种方式:官方安装包(推荐新手)或命令行安装。安装后,通过 ollama run 命令即可启动模型交互,常用命令包括模型管理(list/pull/rm)和状态查看(ps)。根据硬件配置,可选择不同参数规模的模型(如 8GB 内存建议 7B 参数模型)。进阶应用支持API 调用(默认端口 11434)和图形界面(Open WebUI),提供类似ChatGPT的体验。常见问题包括模型下载慢、端口冲突等,可通过代理、修改环境变量等方式解决。该工具无需复杂配置,保障数据隐私,适合本地 AI 开发与使用。

一、环境准备与系统要求

在开始安装前,请确保您的 Windows 设备满足以下条件,这是顺利运行的基础。

组件最低要求推荐配置
操作系统Windows 10/11 64 位Windows 11 22H2 或更新版本
内存(RAM)8 GB(可运行 1B-7B 参数模型)16 GB 或以上(可流畅运行 13B 参数模型)
存储空间至少 10 GB 可用空间50 GB 或更多(SSD 优先,用于存放模型文件)
显卡(GPU)集成显卡(使用 CPU 模式运行)NVIDIA 独立显卡(显存 ≥ 8GB) 以获得 GPU 加速

必要检查:

  • 验证显卡驱动:按 Win + R 键,输入 cmd 打开命令提示符,然后输入 nvidia-smi。如果显示出显卡驱动和 CUDA 版本信息,说明驱动已就绪。
  • 确认 Python:在命令提示符中输入 python --version,建议版本为 3.8 或以上。

二、安装 Ollama

您可以选择以下任意一种方法进行安装。

方法一:使用官方安装包(最简单,推荐新手)

这是最直接的方式,适合绝大多数用户。

  1. 下载安装程序:访问 https://ollama.com/download,选择 'Download for Windows'。这会下载一个名为 的文件。
OllamaSetup.exe
  • 运行安装:双击下载的 .exe 文件,如果出现用户账户控制(UAC)提示,请点击'是'。安装程序将自动完成所有配置,包括将 Ollama 添加到系统路径。
  • 验证安装:安装完成后,重新打开一个新的命令提示符(CMD)或 PowerShell 窗口,输入以下命令:

    ollama --version 
    

    如果正确显示版本号(例如 ollama version 0.1.20),则说明安装成功。

    方法二:通过命令行安装(可选)

    如果您习惯使用命令行,或者遇到网络问题,可以尝试此方法。

    1. 以管理员身份打开 PowerShell。

    执行以下命令一键安装:

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

    如果因网络问题下载缓慢,可以尝试使用国内镜像源加速。(可选)修改模型存储路径:默认情况下,模型会下载到 C 盘用户目录。如果 C 盘空间紧张,可以提前修改存储位置。右键点击'此电脑' -> '属性' -> '高级系统设置' -> '环境变量',在'系统变量'中点击'新建',创建一个名为 OLLAMA_MODELS 的新变量,将其值设置为您想要的路径,例如 D:\ollama\models。设置后需重启 Ollama 服务。

    三、基础使用:快速开始

    安装成功后,您就可以开始体验本地大模型了。

    1. 拉取并运行您的第一个模型

    在命令提示符中,使用 ollama run 命令。例如,要运行 Meta 发布的 Llama 3 模型:

    ollama run llama3 
    

    Ollama 会自动从模型库下载所需的文件。下载完成后,会直接进入交互式对话界面,您可以开始输入问题。

    2. 常用模型管理命令

    掌握以下几个命令,就能高效管理您的本地模型:

    命令作用示例
    ollama list列出本地已下载的所有模型ollama list
    ollama pull仅下载模型,但不立即运行ollama pull deepseek-r1:7b
    ollama rm删除本地不再需要的模型ollama rm llama2:13b
    ollama ps查看当前正在运行的模型ollama ps

    3. 模型选择建议

    根据您的硬件配置选择合适的模型,可以在性能和效果间取得良好平衡:

    • 低配设备(8GB 内存):建议运行 1.5B 或 7B 参数模型,如 deepseek-r1:1.5b。
    • 中端设备(16GB 内存):可流畅运行 7B 或 13B 参数模型,如 llama3:8b 或 qwen2:7b。
    • 高性能设备(32GB+ 内存):可尝试 34B 或 70B 参数的大型模型。

    四、进阶应用

    Ollama 不仅是一个命令行工具,更是一个本地 AI 服务器,支持多种集成方式。

    1. 使用 API 接口

    Ollama 在安装后会自动在后台启动一个服务,默认监听 http://localhost:11434。这意味着您可以通过任何编程语言来调用它。

    Python 调用示例:Ollama 提供了官方的 Python 库,可以非常方便地集成到您的项目中。

    # 首先安装 Python 库
    pip install ollama
    import ollama
    response = ollama.chat(model='llama3', messages=[{'role': 'user', 'content': '为什么天空是蓝色的?'}])
    print(response['message']['content'])
    

    测试 API:您可以使用 curl 进行快速测试:

    curl http://localhost:11434/api/generate -d '{ "model": "llama3", "prompt": "请用中文介绍一下你自己", "stream": false }'
    

    2. 使用图形化界面(WebUI)

    如果您不习惯命令行,可以部署 Open WebUI 等图形界面,获得类似 ChatGPT 的体验。使用 Docker 是启动 Open WebUI 最简单的方式:

    docker run -d --network=host -v open-webui:/app/backend/data -e OLLAMA_BASE_URL=http://127.0.0.1:11434 --name open-webui --restart always ghcr.io/open-webui/open-webui:main 
    

    安装后,在浏览器中访问 http://localhost:3000 即可使用。首次使用需要创建账号,在设置中确保'Ollama Base Url'正确指向 http://127.0.0.1:11434。

    五、常见问题与优化

    问题原因与解决方案
    模型下载慢或失败由于网络原因,可以尝试使用代理或多次重试命令。部分社区教程提供了通过国内镜像站手动下载模型文件的方法。
    端口冲突如果 11434 端口被占用,可以设置环境变量 OLLAMA_HOST 来更改端口,例如 set OLLAMA_HOST=127.0.0.1:11435,然后重启 Ollama 服务。
    显存不足尝试拉取参数更小或经过量化的模型版本(通常在模型名中带有 q4_0, q6_k 等后缀),或在运行命令时添加 --num_gpu 1 等参数限制 GPU 使用层数。

    目录

    1. Ollama Windows 安装与使用全指南
    2. 🎯 核心摘要
    3. 一、环境准备与系统要求
    4. 二、安装 Ollama
    5. 方法一:使用官方安装包(最简单,推荐新手)
    6. 方法二:通过命令行安装(可选)
    7. 三、基础使用:快速开始
    8. 1. 拉取并运行您的第一个模型
    9. 2. 常用模型管理命令
    10. 3. 模型选择建议
    11. 四、进阶应用
    12. 1. 使用 API 接口
    13. 首先安装 Python 库
    14. 2. 使用图形化界面(WebUI)
    15. 五、常见问题与优化

    更多推荐文章

    查看全部
    • CCF-GESP 2025 年 6 月 C++ 二级真题解析
    • Java 8 ConcurrentHashMap 源码深度剖析
    • OpenClaw 在 Linux/Ubuntu 上的安装与部署实战
    • IntelliJ IDEA 集成 GitHub Copilot 安装配置与实战技巧
    • Python FastAPI 入门实战:从零构建 API 服务
    • Python 盲水印工具 BlindWaterMark 使用指南
    • OpenClaw 多端交互实测指南:Web/TUI/钉钉集成配置
    • 网络安全从业者常用术语解析:攻击技术与工具
    • 【AIGC】COT思维链:让AI学会拆解问题,像人一样思考
    • VSCode Cline 配置 ChatGPT Plus 与 GitHub Copilot 模型教程
    • Python 标准库与第三方库实战:日期处理与 Excel 操作
    • 基于 A 星算法的多无人机与移动机器人协同路径规划
    • C++ 模板编程基础:泛型编程入门与实践
    • Linux TCP 服务器开发:从 Echo 到远程命令执行的并发与安全
    • Java 集成高德开放平台 POI 搜索 API 实战
    • C++ 平面图算法设计与实现详解
    • 基于 AI 辅助的 Java 在线图书借阅平台开发实践
    • JDK21 集成 IntelliJ IDEA 开发环境详解
    • Fooocus 部署指南:本地手动配置与云端一键启用对比
    • 如何使用 Kiro 进行 Java 开发

    相关免费在线工具

    • 加密/解密文本

      使用加密算法(如AES、TripleDES、Rabbit或RC4)加密和解密文本明文。 在线工具,加密/解密文本在线工具,online

    • RSA密钥对生成器

      生成新的随机RSA私钥和公钥pem证书。 在线工具,RSA密钥对生成器在线工具,online

    • Mermaid 预览与可视化编辑

      基于 Mermaid.js 实时预览流程图、时序图等图表,支持源码编辑与即时渲染。 在线工具,Mermaid 预览与可视化编辑在线工具,online

    • 随机西班牙地址生成器

      随机生成西班牙地址(支持马德里、加泰罗尼亚、安达卢西亚、瓦伦西亚筛选),支持数量快捷选择、显示全部与下载。 在线工具,随机西班牙地址生成器在线工具,online

    • Gemini 图片去水印

      基于开源反向 Alpha 混合算法去除 Gemini/Nano Banana 图片水印,支持批量处理与下载。 在线工具,Gemini 图片去水印在线工具,online

    • curl 转代码

      解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具,curl 转代码在线工具,online