在本地运行大语言模型：Ollama 完全指南

在本地运行大语言模型：Ollama 完全指南

引言

在人工智能快速发展的今天，大语言模型（LLM）已经成为技术创新的核心驱动力。然而，云服务的高成本和隐私问题让许多开发者和企业望而却步。Ollama 的出现完美解决了这一痛点，它让我们能够在本地轻松部署和运行各种大语言模型。

为什么选择 Ollama？

• 🔐 隐私保障：数据完全在本地处理
• 💰 成本节约：无需支付昂贵的云服务费用
• 🚀 快速响应：本地部署带来极低延迟
• 🛠️ 高度可定制：支持自定义模型配置
• 🌐 多平台支持：macOS、Linux、Windows 全兼容

快速入门

安装 Ollama

Ollama 官方下载地址：https://ollama.com/download。

复制# 一键安装
curl -fsSL https://ollama.com/install.sh | sh

运行第一个模型

ollama run llama2

开始对话

>>> 你好，能介绍一下你自己吗？
我是基于Llama 2大语言模型的AI助手...

核心功能详解

模型管理

# 查看可用模型
ollama list

# 下载特定版本
ollama pull mistral:7b

# 删除模型
ollama rm codellama:13b

自定义配置

编写一个 Modelfile：

FROM deepseek-coder
SYSTEM """
你是一位资深Python开发工程师，回答需要：
1. 提供完整代码示例
2. 解释实现原理
3. 给出优化建议
"""
PARAMETER temperature 0.7

构建自定义模型：

ollama create my-python-expert -f Modelfile

API 集成

import requests

def ask_ollama(prompt):
    response = requests.post(
        'http://localhost:11434/api/generate',
        json={
            'model': 'mistral',
            'prompt': prompt,
            'stream': False
        }
    )
    return response.json()['response']

print(ask_ollama("用Python实现快速排序"))

性能优化技巧

GPU 加速

# 设置GPU加速层数
OLLAMA_GPU_LAYERS=35 ollama run codellama:34b

内存管理

# 限制内存使用
OLLAMA_RAM="16000" ollama run llama2:13b

并行处理

# 启用多线程
OLLAMA_NUM_PARALLEL=8 ollama run mistral

延伸阅读

• Ollama 官方文档
• 模型库大全
• 社区最佳实践