Windows 11 配置 CUDA 版 llama.cpp 并实现系统全局调用
前言
在本地快速部署大模型进行离线聊天，llama.cpp 是轻量化、高性能的首选工具，尤其是 CUDA 版本能充分利用 NVIDIA 显卡的算力，大幅提升模型推理速度。本文将详细记录在 Windows 11 系统中，从环境准备、CUDA 版 llama.cpp 配置，到实现系统全局调用、快速运行 GGUF 格式模型的完整步骤。
https://github.com/ggml-org/llama.cpp
一、前置准备
1. 硬件要求
- 核心：NVIDIA 独立显卡（需支持 CUDA 12 或 13，算力 7.5 及以上，如 RTX 30/40/50 系列、TITAN 等）
- 显存：根据模型大小选择，20B 4/3 量化模型建议 16G 及以上显存，7B 模型 8G 显存即可流畅运行
- 硬盘：预留足够空间存放 GGUF 格式模型（单模型文件通常 3-20G 不等）
2. 软件要求
- 操作系统：Windows 11 64 位（专业版 / 家庭版均可）
- 显卡驱动：最新 NVIDIA 官方驱动（保证 CUDA 兼容性）
- CUDA 工具包：需与 llama.cpp 版本匹配（本文使用 CUDA 13.1，llama.cpp 为 b7907 版本）
- 注：若未安装 CUDA，可从 NVIDIA 官网 下载对应版本，默认安装即可
3. 下载必备文件
- CUDA 版 llama.cpp 预编译包：无需手动编译，直接下载官方预编译的 Windows 版本，推荐从 llama.cpp 官方发布页 下载
- GGUF 格式模型：llama.cpp 仅支持 GGUF 格式模型，推荐从 Hugging Face、TheBloke 等仓库下载
- 注：选择模型时，优先匹配自身显存大小，量化等级（Q2_K-Q6_K）越高，效果越好但显存占用越大
二、解压 llama.cpp 并整理目录
为了方便管理和后续全局调用，建议将 llama.cpp 解压到固定目录，避免路径含中文、空格。
- 解压下载的
llama-b7907-bin-win-cuda-13.1-x64.zip到自定义目录，本文选择D:\llama - 解压后目录包含核心文件：
llama-cli.exe（命令行聊天主程序）、ggml-cuda.dll（CUDA 加速核心库）、llama-server.exe（API 服务程序）等 - 重命名文件夹为极简的名称（避免过多占用系统环境变量的字符数量）
三、配置系统环境变量，实现全局调用
这是实现「任意目录随时调用 llama-cli.exe」的关键步骤，配置后无需切换到 D:\llama 目录，在 CMD/PowerShell 任意路径下都能直接运行命令。
步骤 1：打开环境变量配置界面
- 按下
Win + R，输入sysdm.cpl，回车打开「系统属性」窗口 - 切换到「高级」选项卡，点击右下角「环境变量」按钮
步骤 2：添加 llama.cpp 目录到系统 Path
- 在「系统变量」列表中，找到并双击
Path变量（系统变量，不是用户变量）
