ollama安装包 电脑版下载

简介

Ollama 是一个基于 Go 语言开发的开源本地大语言模型运行框架，可在 macOS、Windows、Linux 三类系统以及 Docker 环境中，把开源大模型下载到自己的电脑上运行，也支持在云端使用。它要解决的是本地跑模型门槛高的问题：不必先准备 Python 环境，也不用单独配置 CUDA，一个安装包或一条命令即可开始。适合想在自己机器上试用、开发、调试大模型的个人开发者与技术爱好者，核心优势是数据留在本地、无需 API 费用、命令即可拉起模型并对外提供接口。

核心功能

• 一键部署：用简单命令即可下载并运行模型，不必手工管理模型文件与启动参数。
• 跨平台覆盖 macOS、Windows、Linux，官网分别提供对应下载入口与命令行脚本，也支持在 Docker 环境下完成配置。
• 常驻后台：macOS 与 Windows 上 Ollama 装好后常驻后台（菜单栏／托盘图标），API 自动可用；Linux 使用 systemd 服务时同样开机即用。
• 模型来源广：可运行 LLaMA、Mistral、Gemma 等主流模型，并支持从 GGUF 导入，以及从 PyTorch 或 Safetensors 自定义导入。
• 本地隐私：模型在自己的电脑上运行，对话与数据留在本地，无需支付 API 费用。
• 命令行体验与 docker 相近（同基于 cobra 包实现命令行），熟悉容器命令的用户可直接套用操作习惯。

使用场景

• 本地开发与调试：选型文章指出 vLLM 适用于高性能生产环境，Ollama 更适合本地开发场景，便于在自己机器上反复试跑模型。
• 搭建个人本地 AI 工作流：有教程在 Windows 下把 Ollama 与 OpenClaw、飞书组合，把本地模型能力接入日常工具。
• 为桌面客户端提供本地模型接口：例如 Chatbox 的本地模型配置指南，通过 BYOK 方式连接本机的 Ollama 服务。
• 学习与教学：Datawhale 的「动手学Ollama」覆盖 macOS、Windows、Linux、Docker 下的安装与配置，以及模型自定义导入。
• 数据不出机的个人使用：不想把对话上传云端时，在本地运行开源大模型，运行期间数据留在本地，也不产生 API 费用。
• 模型格式导入实验：分别用 GGUF、PyTorch、Safetensors 来源的模型做导入验证，观察不同格式在本机的运行表现。

安装与获取步骤

1. 打开官方下载页 https://ollama.com/download/windows（Windows），或在 https://ollama.com/download 选择 macOS、Linux 对应入口；GitHub 仓库 https://github.com/ollama/ollama 的 Download 区域同样列出了各平台的获取方式。
2. Windows 图形化方式：下载安装包后双击，按照提示逐步完成操作。
3. Windows 命令行方式：在 PowerShell 中执行 irm https://ollama.com/install.ps1 | iex，也可以改为手动下载安装包。
4. macOS 与 Linux 命令行方式：执行 curl -fsSL https://ollama.com/install.sh | sh，或选择手动下载。
5. 验证运行状态：macOS 与 Windows 查看菜单栏／托盘图标，确认已常驻后台且 API 自动可用；Linux 若使用 systemd 服务则开机即用，若手动执行 ollama serve 则需保持终端开启。
6. 在终端输入 ollama 若提示命令无法识别，按下方列出的路径配置环境变量，保存后重新打开终端再试一次。

与同类方案的区别

• 与 vLLM：vLLM 适用于高性能生产环境，Ollama 更适合本地开发场景，两者分别覆盖大模型部署需求的两端。
• 与 LM Studio：两者都能在本地运行 AI 模型，差异集中在交互方式、模型管理与生态扩展性，可按自己习惯的交互与扩展需求取舍。
• 其他替代方案：LM Studio、vLLM、llama.cpp、Jan 等工具都能独立运行模型，分别更偏桌面使用、生产服务与底层控制。
• 官方定位：Ollama 官网说明其用于在本地或云端运行与构建开源模型，覆盖 macOS、Windows、Linux 三个平台。

注意事项

• 若 ollama 命令无法使用，需要配置环境变量，可从以下任一路径进入：开始→设置→关于→高级系统设置→系统属性→环境变量；此电脑→右键→属性→高级系统设置→环境变量；开始→控制面板→系统和安全→系统。
• Linux 下手动执行 ollama serve 时必须保持终端开启，终端关闭后服务即停止；改用 systemd 服务则开机即用。
• 具体版本号、文件大小、发布日期与校验值等信息以官方页面为准，第三方教程中的数值可能已经过时。
• 国内镜像属于社区提供的下载渠道，与官方地址出现差异时以官方页面为准。
• 面向高吞吐的生产服务场景，vLLM 是更对口的选择；Ollama 的定位偏本地开发与调试。
• 使用命令行脚本获取时，核对地址是否为 ollama.com 官方域名，避免从不明来源取文件。