引言
在人工智能浪潮席卷全球的今天，大型语言模型（LLM）不再是遥不可及的云端技术。借助 Ollama，每一位开发者都能轻松地将强大的模型部署在自己的本地计算机上，实现无缝、私密且可定制的 AI 体验。本文将带领您一步步在 Ubuntu 20.04 系统上完成 Ollama 的安装与模型部署，并最终搭建美观易用的图形化界面（Open WebUI）。
Ollama 简介
Ollama 是一个开源项目，专为在本地运行、管理和部署大型语言模型（如 Llama 3、Mistral、Gemma 等）而设计。 它的核心概念与优势非常清晰：
- 简单易用：通过简单的命令行工具，即可完成模型的下载（pull）、运行（run）和管理。一条命令就能启动与模型的对话。
- 丰富的模型库：它提供了官方支持的模型库（Ollama Search），包含 deep-seek、qwen 等数十种经过优化的大型语言模型，满足从代码生成到创意写作的各种需求。
- '开箱即用'：它自动处理了模型运行所需的大部分复杂配置和环境依赖，用户无需关心繁琐的底层细节。
使用示例
想象一下，在您的终端中，直接与一个几十亿参数的大模型进行流畅的对话和代码编写，是一种怎样的体验？以下是在 Ubuntu 终端中运行 ollama run deepseek-coder:6.7b 后的截图：
本地部署优势与局限
选择在本地运行 Ollama，意味着选择了一种新的 AI 交互方式，但它也并非完美无缺。
优势
- 数据隐私与安全：您的所有对话提示（Prompts）和模型生成的内容完全在本地处理，不会离开您的计算机。这对于处理敏感代码、商业数据或个人信息的用户至关重要。
- 完全离线可用：一旦模型下载完成，您就无需依赖互联网连接或担心 API 服务宕机，可以在任何没有网络的环境中使用。
- 可定制性：您可以尝试各种不同规模和专长的模型，甚至可以根据需要加载自定义模型（Modelfiles），灵活性远超固定的云端 API。
- 无使用成本：除了电费和硬件成本外，没有按次收费或订阅费用，您可以无限次地与模型交互。
局限
- 硬件要求高：本地部署对计算机硬件，尤其是内存（RAM）和显存（VRAM） 有较高要求。运行大型模型可能需要数十 GB 的资源。
- 性能差异：虽然本地推理延迟低，但模型的能力和响应速度通常无法与 OpenAI GPT-4 这类顶级付费 API 相提并论，尤其是在复杂推理任务上。
- 知识陈旧：本地部署的模型知识库是静态的，其知识截止日期取决于它被训练的时间点，无法像一些云端模型那样实时获取最新信息。
环境准备
系统信息
lsb_release -a
资源检查
- 储存空间至少预留十几 G，因为一个模型的大小都在几个 G 左右
- 检查显存大小，显存大小决定了能运行模型的参数量
nvidia-smi
Ollama 安装
下载与安装脚本
运行安装脚本：
curl -fsSL https://ollama.com/install.sh | bash
管理服务
# 启动 Ollama 服务
sudo systemctl start ollama
# 停止 Ollama 服务
sudo systemctl stop ollama
# 重启 Ollama 服务
sudo systemctl restart ollama
# 设置开机自启
sudo systemctl enable ollama
# 查看服务日志
sudo journalctl -u ollama -f
常用命令
# 查看所有命令帮助
ollama --help
# 运行模型（如果不存在会自动下载）
ollama run <model-name>
# 运行模型并直接提问
ollama run <model-name>"你的问题"
# 拉取（下载）模型
ollama pull <model-name>
# 列出已下载的模型
ollama list
# 删除模型
ollama rm <model-name>
# 查看已下载模型的详细信息
ollama show llama3
# 查看模型配置
ollama show llama3 --modelfile
模型部署
查看可用模型
- 通过命令行查看
ollama list
- 通过模型库查看
访问 Ollama 官方的模型库：模型库，选择自己感兴趣的模型，注意参数量大小，一般先选择参数少一些的模型进行试验。
下载与运行
下载并运行 deepseek-r1:7b 模型：
ollama run deepseek-r1:7b
如果已经下载了 deepseek-r1:7b，就不会重复下载而是启动命令行交互对话：
ollama run deepseek-r1:7b
对话控制与参数
在交互模式下，可以使用一些特殊命令：
# 退出对话
/bye 或者按 Ctrl + D
# 清空对话上下文（开始新对话）
/clear
可以调整模型生成参数以获得不同效果：
# 设置温度（控制随机性，0-1）
ollama run deepseek-r1:7b --temperature 0.7
# 限制输出 token 数量
ollama run deepseek-r1:7b --num-predict 100
# 指定随机种子（确保可重复性）
ollama run deepseek-r1:7b --seed 42
Open WebUI 部署
界面介绍
Open WebUI 是一个功能强大的开源 Web 界面，专为 Ollama 和其他本地语言模型设计。它具有以下特点：
- 类 ChatGPT 体验：熟悉的聊天界面，支持多轮对话、对话历史管理
- 多模型支持：轻松切换不同的语言模型
- 可视化操作：图形化的模型管理和设置界面
- 高级功能：支持 RAG（检索增强生成）、文档上传、角色预设等
- 多用户支持：可注册多个账户，每个用户有自己的对话历史
- 完全本地化：所有数据仍然保存在本地，保障隐私安全
前置依赖
Open WebUI 通过 Docker 容器部署，因此需要先安装 Docker。请确保已安装 Docker，可参考官方文档进行安装。
启动服务
# 确保 Docker 服务已启动
sudo systemctl start docker
sudo systemctl enable docker
# 检查 Docker 服务状态
sudo systemctl status docker
容器部署
安装好 Docker 后，只需一条命令即可部署 Open WebUI：
docker run -d --network="host" -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main
部署完成后，检查容器状态：
docker ps
访问使用
容器正常运行后，即可通过浏览器访问：
- 打开浏览器，访问：http://localhost:8080
- 首次注册：
- 点击'Sign Up'注册新账户
- 输入邮箱和密码（无需真实邮箱，仅用于本地识别）
- 确认密码并完成注册
- 登录系统：
- 使用刚才注册的邮箱和密码登录
- 首次登录会自动检测本地的 Ollama 服务
- 开始使用：
- 在左侧模型选择器中选择要使用的模型（如 llama3）
- 在输入框中开始对话
- 右侧可以查看对话历史、切换模型、调整参数等
