Ollama 完整安装教程 - macOS/Linux/Windows

什么是 Ollama？

Ollama 是一个开源的本地大模型运行框架，它的核心设计理念非常简单：让任何人都能在个人电脑上运行 AI 模型。

在此之前，想要在本地跑 Llama、Mistral 这些大模型需要复杂的依赖配置和 CUDA 环境设置。而 Ollama 把这些都抽象成了几个简单的命令：

# 安装后只需这行代码就能运行一个 AI
ollama run llama3.1

就这么简单！

为什么选择 Ollama？

🎯 核心优势

特性	Ollama	传统方案 (PyTorch+Transformer)
安装难度	⭐️一键安装	⭐️⭐️⭐️⭐️⭐️需配置复杂环境
资源占用	自动优化	手动调优
模型支持	数十种预训练模型	需单独配置每个模型
更新速度	每周新模型上线	手动下载权重文件
API 支持	内置 RESTful API	需额外搭建服务

💡 适用场景

🔐 隐私优先：数据不出本地，不上传云端
💰 成本节约：无需支付 API 调用费用
🏃 低延迟：响应速度快，无需网络传输
🧪 开发者友好：便于快速原型验证和实验

系统要求

最低配置

CPU: 64 位处理器 (x86_64 或 ARM64)
内存: 8GB RAM
存储: 至少 10GB 可用空间（每增加一个模型约 +5~20GB）

支持的操作系统版本

✅ macOS: 12.0 (Monterey) 及以上
✅ Linux: Ubuntu 20.04+, Debian 11+, Fedora 36+
✅ Windows: Windows 10/11 (64 位)，需要 WSL2 或直接安装包

macOS 安装步骤

方法一：官方安装器（推荐新手）

这是最简单的方式，适合大多数 Mac 用户。

Step 1：下载安装包

打开终端，运行以下命令：

# 访问官网下载页面
open https://ollama.com/download

或者直接在浏览器访问 https://ollama.com/download

你会看到两个选项：

Apple Silicon (M1/M2/M3): 如果你的 Mac 是 2020 年后购买的，选这个
Intel Mac: 较旧的 Mac 机型选这个

点击下载按钮，会获取到一个 .pkg 安装包。

Step 2：运行安装程序

双击下载的 ollama-darwin-x86_64.pkg 或 ollama-darwin-arm64.pkg

安装向导会提示：

欢迎使用 Ollama 安装程序
--------------------------------
将创建启动代理和默认安装路径为 /Applications/Ollama.app
是否继续？[Y/n]

输入 Y 然后按回车确认。

Step 3：验证安装

打开终端，运行：

ollama --version

如果看到类似 ollama version 0.5.2 的输出，说明安装成功！

方法二：Homebrew 安装（适合开发者）

如果你习惯用 Homebrew 管理应用：

# 先安装 Homebrew（如果没有）
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# 安装 Ollama
brew install ollama

Linux 安装步骤

方法一：官方脚本安装（通用）

适用于几乎所有 Linux 发行版。

Step 1：运行安装脚本

# 以 root 权限运行安装脚本
curl -fsSL https://ollama.com/install.sh | sh

脚本会自动检测你的系统类型，选择合适的安装方式。

注意：如果使用非 root 用户，请先提权：

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

Step 2：启动 Ollama 服务

脚本安装完成后，Ollama 会通过 systemd 自动启动。你可以检查状态：

# 查看服务状态
systemctl status ollama

# 如果未运行，手动启动
sudo systemctl start ollama

# 设置为开机自启
sudo systemctl enable ollama

输出示例：

● ollama.service - Ollama Service
     Loaded: loaded (/etc/systemd/system/ollama.service; enabled)
     Active: active (running) since Mon 2026-04-15 10:30:00 CST

Step 3：验证安装

ollama --version

方法二：Docker 容器化安装

如果你有 Docker 环境，也可以用容器运行：

# 拉取镜像
docker pull ollama/ollama

# 运行容器
docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

Windows 安装步骤

方法一：直接安装包（Windows 10/11）

Step 1：下载安装程序

在浏览器中访问 https://ollama.com/download，点击 Windows 版本的下载按钮。

下载完成后会得到 ollama-setup.exe 文件。

Step 2：运行安装向导

双击 ollama-setup.exe，安装向导会依次询问：

安装位置: 默认为 C:\Program Files\Ollama，可直接下一步
创建桌面快捷方式: 建议勾选
关联模型文件夹: 建议保持默认设置

完成后，Ollama 会在后台自动启动。

Step 3：从命令行使用

打开 PowerShell 或 CMD，运行：

ollama --version

方法二：WSL2 安装（Linux 用户在 Windows 上）

如果你想用 Linux 环境：

# 1. 确认已安装 WSL2
wsl --install

# 2. 进入 WSL 子系统（Ubuntu）
wsl

# 3. 按照上述 Linux 安装步骤操作
curl -fsSL https://ollama.com/install.sh | sh

首次运行与模型下载

安装完成后，让我们第一次运行一个 AI 模型吧！

Step 1：启动 Ollama

如果是图形界面系统（macOS/Windows），Ollama 已经作为后台服务运行了。你可以通过任务管理器或活动监视器确认进程存在。

如果是 Linux 服务器，确保服务正在运行：

systemctl status ollama

Step 2：运行第一个模型

在终端中输入：

ollama run llama3.1

首次运行时，Ollama 会自动：

检查本地是否有 llama3.1 模型
如果没有，自动从 Hugging Face 下载（约 4.7GB）
加载到内存并开始对话

耐心等待下载完成，网速快的话大约需要 3-5 分钟。

Step 3：体验对话

模型加载完毕后，你会看到这样的提示：

>>>

这时可以开始输入问题了！比如：

你好，请介绍一下你自己

LLama 3.1 会以自然语言回应你。试着问一些复杂的问题：

请用 Python 写一个快速排序算法，并解释每一步

按 Ctrl+C 退出对话，或输入 /bye 结束会话。

Step 4：列出已安装的模型

ollama list

输出示例：

NAME            ID              SIZE    MODIFIED
llama3.1        8a7b9e...       4.7 GB  2 小时前

Step 5：删除不需要的模型

ollama rm llama3.1

常用模型推荐

Ollama 支持几十种开源模型，以下是精选的几类：

🧠 全能型大模型

模型名称	大小	特点	适用场景
llama3.1	4.7GB	Meta 最新，综合性能最强	日常对话、写作、编程
llama3.1:70b	40GB	更大版本，智商更高但更吃资源	需要高智能的任务
mistral	4.1GB	欧洲开源强模，代码能力强	编程辅助
gemma2:9b	5.6GB	Google 出品，多语言能力优秀	跨语言任务

💻 编程专用

模型名称	大小	特点
codellama	3.8GB	专注代码生成和调试
deepseek-coder	2.9GB	中文代码注释理解好
starcoder2	3.8GB	支持多种编程语言

📱 小型高效

模型名称	大小	特点
phi3	2.3GB	Microsoft 轻量模型，速度超快
tinyllama	0.4GB	极小体积，适合测试
qwen2:0.5b	0.4GB	阿里出品，最小却有用

🚀 快速上手组合推荐

入门用户（普通笔记本）：

# 最平衡的选择
ollama run llama3.1

# 或者更快更小
ollama run phi3

开发者：

# 编程专用
ollama run codellama

# 中英双语
ollama run qwen2:7b

专业用户（高配 PC）：

# 最大能力
ollama run llama3.1:70b

API 接口使用

Ollama 内置了一个简单的 RESTful API，方便你集成到自己的程序中。

启动 API 服务

默认情况下，只要 Ollama 在运行，API 就自动可用。API 监听在 http://localhost:11434

基本 API 端点

1. 生成回答（聊天）

HTTP 请求：

curl http://localhost:11434/api/generate -d '{
  "model": "llama3.1",
  "prompt": "请介绍量子计算的基本原理",
  "stream": false
}'

Python 示例：

import requests

response = requests.post('http://localhost:11434/api/chat', json={
    'model': 'llama3.1',
    'messages': [{'role': 'user', 'content': '你好'}]
})

print(response.json()['message']['content'])

2. 列出可用模型

curl http://localhost:11434/api/tags

3. 复制模型

curl http://localhost:11434/api/copy -d '{
  "source": "llama3.1",
  "destination": "my-llama"
}'

使用 Python 客户端

安装依赖：

pip install ollama

使用示例：

import ollama

# 简单聊天
response = ollama.chat(model='llama3.1', messages=[
  {
    'role': 'user',
    'content': '用 Python 写个斐波那契数列',
  },
])

print(response['message']['content'])

高级配置

环境变量设置

# 自定义模型存储路径
export OLLAMA_MODELS="/data/ollama/models"

# 指定 GPU 设备（CUDA）
export CUDA_VISIBLE_DEVICES=0,1

# 调整批处理大小（影响性能和内存占用）
export OLLAMA_NUM_PARALLEL=4

# 设置日志级别
export OLLAMA_DEBUG=true

Modelfile 自定义模型

你可以基于现有模型修改参数：

创建 Modelfile

FROM llama3.1

# 设置温度（创造性）
PARAMETER temperature 0.7

# 设置上下文长度
PARAMETER num_ctx 4096

# 系统指令
SYSTEM "你是一个专业的编程助手，总是给出简洁准确的代码解答。"

构建自定义模型

ollama create my-coder -f Modelfile
ollama run my-coder

Docker 持久化配置

# 挂载外部存储
docker run -d \
  -v /your/host/path:/root/.ollama \
  -p 11434:11434 \
  --name ollama \
  ollama/ollama

故障排查

问题 1：安装后找不到命令

症状：command not found: ollama

解决方案：

检查 PATH 环境变量：
1
```
echo $PATH | grep ollama
```

重新安装：

# macOS
brew reinstall ollama

# Linux
sudo systemctl restart ollama

重启终端：有时需要完全关闭再打开终端窗口

问题 2：下载模型超时或失败

症状：下载过程卡住或报错

解决方案：

检查网络连接：确保可以访问 GitHub 和 HuggingFace
1
```
ping huggingface.co
```
使用国内镜像源（仅限中国大陆用户）：
1
```
export HF_ENDPOINT=https://hf-mirror.com
```

断点续传：删除失败的文件重新下载

ollama pull --help  # 查看下载进度选项

问题 3：内存不足

症状：out of memory 错误

解决方案：

使用小模型：

ollama run phi3  # 比 llama3.1 小很多

关闭其他应用：释放更多内存
限制并发数：
1
```
export OLLAMA_NUM_PARALLEL=1
```

问题 4：GPU 未启用

症状：模型运行很慢

解决方案：

检查 GPU 识别：

nvidia-smi  # NVIDIA 用户
system_profiler SPDisplaysDataType  # Mac 用户

确认驱动正常：确保显卡驱动已正确安装
环境变量强制指定：
1
```
export ROCM_PATH=/opt/rocm  # AMD GPU
```

问题 5：端口冲突

症状：address already in use

解决方案：

找到占用进程：
1
```
lsof -i :11434
```

杀掉进程或更改端口：

kill -9 <PID>

# 或使用不同端口启动
ollama serve --port 11435

总结

恭喜你完成了 Ollama 的完整安装之旅！现在你已经掌握了：

✅ 三大平台安装方法：macOS、Linux、Windows 任选其一
✅ 模型选择和运行：从 llama3.1 到 phi3，按需选择
✅ API 集成技巧：可以在自己的项目中调用 AI
✅ 问题解决能力：遇到常见错误知道怎么修复

🎉 下一步建议

尝试不同模型：对比各种模型的效果差异
探索 API 功能：把你的网站/App 接入 AI
分享成果：写一篇你的使用体验文章
加入社区：关注 Ollama GitHub 获取最新动态

Ollama 完整安装教程 - macOS/Linux/Windows

什么是 Ollama？

为什么选择 Ollama？

🎯 核心优势

💡 适用场景

系统要求

最低配置

推荐配置

支持的操作系统版本

macOS 安装步骤

方法一：官方安装器（推荐新手）

Step 1：下载安装包

Step 2：运行安装程序

Step 3：验证安装

方法二：Homebrew 安装（适合开发者）

Linux 安装步骤

方法一：官方脚本安装（通用）

Step 1：运行安装脚本

Step 2：启动 Ollama 服务

Step 3：验证安装

方法二：Docker 容器化安装

Windows 安装步骤

方法一：直接安装包（Windows 10/11）

Step 1：下载安装程序

Step 2：运行安装向导

Step 3：从命令行使用

方法二：WSL2 安装（Linux 用户在 Windows 上）

首次运行与模型下载

Step 1：启动 Ollama

Step 2：运行第一个模型

Step 3：体验对话

Step 4：列出已安装的模型

Step 5：删除不需要的模型

常用模型推荐

🧠 全能型大模型

💻 编程专用

📱 小型高效

🚀 快速上手组合推荐

API 接口使用

启动 API 服务

基本 API 端点

1. 生成回答（聊天）

2. 列出可用模型

3. 复制模型

使用 Python 客户端

高级配置

环境变量设置

Modelfile 自定义模型

创建 Modelfile

构建自定义模型

Docker 持久化配置

故障排查

问题 1：安装后找不到命令

问题 2：下载模型超时或失败

问题 3：内存不足

问题 4：GPU 未启用

问题 5：端口冲突

总结

🎉 下一步建议

📚 延伸阅读

推荐阅读

Claude Opus 4.7正式发布：编程能力大幅提升，但token消耗增加引发关注

阿里Qwen3.6：国产最强编程模型开源，智能体能力全面跃升

LM Studio 使用指南 - 像用微信一样简单的本地 AI 工具

OpenAI 发布 GPT-5.4-Cyber：专为网络防御打造的 AI 模型，仅限受信任的安全专家使用

本文相关网站