本地AI大模型部署革命：Ollama部署和API调试教程

Ollama：你的私人AI助手

还在为云端AI服务的高昂费用和隐私问题而烦恼吗？Ollama横空出世，它是一款专为本地环境打造的大模型部署神器，让你轻松在自己的设备上运行各种强大的AI模型。无论你是开发者还是普通用户，Ollama都能让你以简单直观的方式与AI互动，享受本地化带来的速度与隐私保障。

全平台覆盖，无缝体验

Ollama的魅力之一就是它的全平台兼容性：

• macOS：适用于所有现代版本的macOS。

• Windows：支持Windows 10及更高版本。

• Linux：支持多种Linux发行版，如Ubuntu、Fedora等。

• Docker：通过Docker容器，Ollama可以在几乎任何支持Docker的环境中运行。

这种跨平台的灵活性意味着无论你使用什么设备，都能轻松加入本地AI的世界。

三步安装，即刻启动

安装Ollama简直就是小菜一碟：

1. 访问官网下载：打开浏览器直奔Ollama官网

2. 选择系统版本：根据你的操作系统选择合适的安装包

3. 一键安装：按照提示完成安装，几分钟内就能体验AI的魅力

安装完成后，只需在命令行输入 ollama ，就能验证一切是否就绪。就这么简单！

快速上手，AI触手可及

想立即体验AI的强大？跟着这些步骤走：

1. 启动服务：命令行输入 ollama 启动服务

2. 部署模型：执行 ollama run gemma:2b 命令，系统会自动下载并安装Gemma模型

3. 开始对话：模型加载完成后，你就可以开始与AI进行对话了

4. 探索更多：随着熟悉度提升，你可以尝试更多高级功能和定制选项

即使你是AI领域的新手，这些简单步骤也能让你迅速掌握Ollama的基本操作，开启你的本地AI之旅。

Ollama的安装与配置

Windows & Mac

对于Windows和Mac用户，安装过程简直不能再简单：

• Mac用户：访问 https://ollama.com/download/Ollama-darwin.zip 下载安装包

• Windows用户：前往 https://ollama.com/download/OllamaSetup.exe获取安装程序

下载后双击安装，几分钟内就能完成全部设置。

Linux：服务器部署的最佳选择

对于追求性能的用户，Linux服务器是运行大模型的理想选择。以下是详细的部署步骤：

step 1: 一键安装

终端执行这行命令，一切搞定：

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

安装成功后，系统会显示配置文件位置：

Created symlink /etc/systemd/system/default.target.wants/ollama.service → /etc/systemd/system/ollama.service.

接下来，我们采用如下命令查看下服务状态， running 就没问题了：

systemctl status ollama

查看是否安装成功，出现版本号说明安装成功：

ollama -v

step 2: 服务启动

服务启动与验证

浏览器访问http://your_ip:11434/，看到"Ollama is running"就说明一切正常！

step 3:个性化配置（可选）

想要更高级的设置？编辑配置文件：/etc/systemd/system/ollama.service

开启远程访问：

[Service] 
Environment="OLLAMA_HOST=0.0.0.0"

自定义模型存储位置：

[Service] 
Environment="OLLAMA_MODELS=/data/ollama/models"

指定GPU使用：

Environment="CUDA_VISIBLE_DEVICES=0,1"

修改配置后，别忘了重启服务：

systemctl daemon-reload 
systemctl restart ollama

Ollama实战指南

常用命令一览

Ollama的命令体系与Docker类似，简洁而强大。输入 ollama 可查看所有可用命令，包括模型管理、运行控制等核心功能。

模型库：AI的百宝箱

Ollama的模型库（ https://ollama.com/library ）堪比AI界的Docker Hub，提供了丰富多样的大模型选择：

明星模型 参数规模 存储大小 一键部署命令 DeepSeek-R1

Model	Parameters	Size	Download
DeepSeek-R1	7B	4.7GB	ollama run deepseek-r1
DeepSeek-R1	671B	404GB	ollama run deepseek-r1:671b
Llama 3.3	70B	43GB	ollama run llama3.3
Llama 3.2	3B	2.0GB	ollama run llama3.2
Llama 3.2	1B	1.3GB	ollama run llama3.2:1b
Llama 3.2 Vision	11B	7.9GB	ollama run llama3.2-vision
Llama 3.2 Vision	90B	55GB	ollama run llama3.2-vision:90b
Llama 3.1	8B	4.7GB	ollama run llama3.1
Llama 3.1	405B	231GB	ollama run llama3.1:405b
Phi 4	14B	9.1GB	ollama run phi4
Phi 4 Mini	3.8B	2.5GB	ollama run phi4-mini
Gemma 2	2B	1.6GB	ollama run gemma2:2b
Gemma 2	9B	5.5GB	ollama run gemma2
Gemma 2	27B	16GB	ollama run gemma2:27b
Mistral	7B	4.1GB	ollama run mistral
Moondream 2	1.4B	829MB	ollama run moondream
Neural Chat	7B	4.1GB	ollama run neural-chat
Starling	7B	4.1GB	ollama run starling-lm
Code Llama	7B	3.8GB	ollama run codellama
Llama 2 Uncensored	7B	3.8GB	ollama run llama2-uncensored
LLaVA	7B	4.5GB	ollama run llava
Granite-3.2	8B	4.9GB	ollama run granite3.2

从轻量级的1B模型到庞大的671B巨兽，从通用对话到专业编程，总有一款适合你的需求。

模型安装与对话

以Llama3.2为例，安装模型只需一行命令：

ollama run Llama3.2

当看到"Send a message"提示时，你就可以开始与AI对话了！对话结束后，按 control+d 退出，下次使用同样的命令即可重新开始。

API调试：解锁无限可能

Ollama最强大的特性之一是它为每个模型自动提供了API接口，让你能将AI能力无缝集成到自己的应用中。

使用 Apifox 调试API

1. 复制以下cURL命令：

curl --location --request POST 'http://localhost:11434/api/generate' \
--header 'Content-Type: application/json' \
--data-raw '{"model": "llama3.2","prompt": "Why is the sky blue?","stream": false}'

2. 在Apifox中新建HTTP项目，创建接口并粘贴上述cURL

3. 点击"发送"，即可收到AI的回复

4. 想要体验流式输出？将 "stream": false 改为 "stream": true 即可

通过API接口，你可以将Ollama的AI能力集成到网站、应用程序、自动化工作流等各种场景中，创造无限可能。

未来展望：本地AI的无限潜力

随着大模型技术的快速发展和硬件性能的不断提升，本地部署AI将成为越来越多开发者和企业的首选。Ollama作为这一领域的先行者，不仅简化了部署流程，还为AI应用的普及铺平了道路。

在不久的将来，我们可以期待更多轻量级但功能强大的模型出现，让普通消费级设备也能流畅运行复杂AI任务。同时，本地部署也将解决数据隐私、网络延迟等云端AI的痛点，为特定行业应用提供更安全可靠的解决方案。

你是否已经迫不及待想尝试Ollama了？欢迎在评论区分享你的使用体验，或者有任何问题也可以留言讨论。如果这篇文章对你有帮助，别忘了转发给可能需要的朋友，让更多人了解本地AI部署的魅力！