下载安装
下载
https://ollama.com/download/windows
安装
Windows 安装
-
如果直接双击 OllamaSetup.exe 安装，默认会安装到 C 盘，如果需要指定安装目录，需要通过命令行指定安装地址，如下：
# 切换到安装目录 C:\Users\lisiyu>D: # 执行安装 D:\ollama>OllamaSetup.exe /DIR="d:\ollama\"
设置模型存储路径
要更改 Ollama 存储下载模型的位置，而不是使用你的主目录，可以在你的用户账户中设置环境变量 OLLAMA_MODELS。
如下，先在安装 ollama 目录下创建 models 文件夹，然后在 windows 下设置环境变量：
快捷使用
- 查看 ollama 版本
C:\Users\lisiyu>ollama --version
ollama version is 0.5.7
- 查看 ollama 已下载模型列表
C:\Users\lisiyu>ollama list
NAME ID SIZE MODIFIED- 拉取模型
模型列表：https://ollama.com/search
PS C:\Users\lisiyu\Desktop> ollama pull deepseek-r1:8b
pulling manifest
pulling 6340dc3229b0... 26% ▕█████████████████████████████████████ ▏ 1.3 GB/4.9 GB 3.5 MB/s 17m32s
- 运行模型（如果模型未拉取，默认会先执行 pull 拉取）
C:\Users\lisiyu>ollama run deepseek-r1:8b
>>> Send a message (/? for help)# 此时进入对话窗口
# 如果要退出，输入 /bye 执行退出
# 退出后，ollama 也会在后台运行
- 更多命令，参考帮助说明：
C:\Users\lisiyu>ollama help
Large language model runnerUsage:ollama [flags]ollama [command]Available Commands:serve Start ollamacreate Create a model from a Modelfileshow Show information for a modelrun Run a modelstop Stop a running modelpull Pull a model from a registrypush Push a model to a registrylist List modelsps List running modelscp Copy a modelrm Remove a modelhelp Help about any commandFlags:-h, --help help for ollama-v, --version Show version informationUse "ollama [command] --help" for more information about a command.
Ollama API
-
默认访问地址：https://localhost:11434 或者 https://127.0.0.1:11434
-
允许外网访问：
由于默认只能在本机访问，所以，要允许外网访问，要监听 0.0.0.0 地址。
且有些场景需要指定端口。
此时可以通过设置环境变量 OLLAMA_HOST 来定义，如下：
-
Ollama 支持的 API：
参考官方文档：https://ollama.readthedocs.io/api/
| API URL | 请求方式 | 请求参数 | 响应参数 | API 说明 | CURL 请求示例 |
|---|---|---|---|---|---|
/api/generate | POST | model（模型名称）、prompt（提示文本）、可选参数（如 stream、suffix 等） | response（生成的文本）、tokens（生成的 token 数量）等 | 生成文本 | curl http://localhost:11434/api/generate -d '{"model": "llama2", "prompt": "为什么天空是蓝色的？"}' |
/api/chat | POST | model（模型名称）、messages（消息列表，包含角色和内容） | response（回复内容）、tokens（生成的 token 数量）等 | 聊天对话 | curl http://localhost:11434/api/chat -d '{"model": "llama2", "messages": [{"role": "user", "content": "你好！"}]}' |
/api/pull | POST | name（模型名称）、可选参数（如 insecure、stream 等） | 返回拉取进度或模型信息 | 拉取模型 | curl http://localhost:11434/api/pull -d '{"name": "llama2"}' |
/api/delete | DELETE | name（模型名称） | 返回状态码（200 OK 或 404 Not Found） | 删除模型 | curl -X DELETE http://localhost:11434/api/delete -d '{"name": "llama2"}' |
/api/tags | GET | 无 | 返回模型列表 | 获取本地模型列表 | curl http://localhost:11434/api/tags |
/api/show | POST | name（模型名称）、可选参数 verbose（是否返回详细信息） | 返回模型详细信息，包括 modelfile、parameters、template 等 | 查看模型信息 | curl http://localhost:11434/api/show -d '{"name": "llama2"}' |
/api/copy | POST | source（源模型名称）、destination（目标模型名称） | 返回状态码（200 OK 或 404 Not Found） | 复制模型 | curl http://localhost:11434/api/copy -d '{"source": "llama2", "destination": "llama2-backup"}' |
/api/create | POST | name（新模型名称）、modelfile（模型文件内容） | 返回创建状态或错误信息 | 创建自定义模型 | curl http://localhost:11434/api/create -d '{"name": "llama2-custom", "modelfile": "FROM llama2\nSYSTEM You are a helpful assistant."}' |
注意
尽管在本地使用 AI 是一个美好的想象，感觉上是免费使用 AI，还不用担心网络卡顿、数据安全。
但实际上，大部分好用的模型，在消费级的机器上，根本跑不了。
能跑的都是很小规模的模型，效果很差。
所以，使用本地化 AI 的前提，一定是要有足够资源的机器。
我的实验机器，是 14 核 32 G，N卡 4080，8G 显存。
目前本地部署的 AI，勉强能用的就是 llama3.2 和 deepseek-r1:8b 感觉还不错。
其他的模型用起来，效果真的不忍直视。
当然，本地这些模型的使用，我没有专门做测评，如果有专门做了测评的朋友，非常欢迎在此分享！
