ollama依赖安装使用教程

简介

Ollama 是一个开源的本地大模型运行框架，通过命令行界面和 HTTP API，让开发者在自己的电脑上部署并运行大语言模型，无需依赖云端服务即可完成对话、推理与代码编写。它要解决的是本地环境里依赖分散、服务不易启动的问题：从准备构建依赖 cmake 与 go，到获取安装包、配置 OLLAMA_HOST 与 OLLAMA_MODELS 环境变量，路径都是明确的。教程适合第一次接触本地部署的开发者与需要离线推理的技术人员，核心优势是命令行与 API 双通道、服务后台常驻、模型按需拉取。

核心功能

• 命令行交互：通过 ollama run 与本地模型直接对话，也是验证服务是否正常的第一入口。
• HTTP API：本地应用可直接调用接口完成对话、推理与代码编写等任务，不依赖云端服务。
• 后台常驻服务：流程走完后 Ollama 以服务形式在后台运行，macOS 与 Windows 可通过任务栏或菜单栏图标管理它。
• 模型清单管理：ollama list 列出已拉取的模型，ollama pull 用于补齐缺失的模型。
• 自动更新：macOS 与 Windows 会自动下载更新，点图标选择「重启以更新」，也可以手动下载最新版本覆盖。
• Headless 模式：脚本可在任何操作系统上自动准备好客户端与模型，适合依赖 Ollama 服务器的应用程序。
• 环境变量可定制：OLLAMA_HOST、OLLAMA_MODELS 等参数可在系统环境变量中新建或修改，用于指定服务地址与模型存放目录。

使用场景

• 本地开发调试：在个人电脑上调用本地 API 实现对话与推理，数据不出机器。
• 本地数据分析助手：按 OpenClaw 与 Ollama 的组合流程，依次准备 OpenClaw、Ollama、配置 OpenClaw、定义工作区技能，再创建 Web 应用。
• 云端 GPU 推理：在支持 GPU 的 Cloud Run 服务上，用 Gemma 3 与 Ollama 运行大模型推理。
• 系统学习：动手学 Ollama 教程覆盖从基础入门到进阶使用，配合实际应用案例掌握大模型部署与应用技术。
• Windows 桌面使用：一键完成流程后，按实际需求配置系统环境变量参数即可长期使用。
• 工具接入：ComfyUI 等工具连接 Ollama 时，问题多集中在服务器连接失败与模型加载错误两类。

安装与获取步骤

1. 选择获取方式：从 Ollama 官网下载安装包手动执行，或在终端中运行官方安装脚本；Windows 上不需要管理员权限，默认落在你的用户目录中。
2. 若要自行构建：先确保系统中装有 cmake 与 go 这两项依赖，再开始构建，缺项会在编译阶段直接失败。
3. 启动并验证：完成后 Ollama 会在后台作为一个服务运行，终端执行 ollama run；若提示没有正确启动，先关闭程序，再以管理员身份重启。
4. 准备模型：用 ollama list 查看已拉取的模型列表，用 ollama pull 加模型名补齐缺失项，然后再执行 ollama run。
5. 配置环境变量（可选）：通过控制面板编辑系统环境变量，为 OLLAMA_HOST、OLLAMA_MODELS 编辑或新建变量，点 OK 或 Apply 保存。
6. 自动化部署：Headless Ollama 脚本可在任何操作系统上自动准备好客户端与模型，适合被其他应用程序调用的场景。

依赖与环境变量速查

• 构建依赖：cmake、go，这两项是入门教程明确列出的前置条件。
• 环境变量：OLLAMA_HOST 用于指定服务监听地址，OLLAMA_MODELS 用于指定模型存放目录，均在系统环境变量中新建或修改。
• 磁盘：Windows 上二进制文件至少需要 4GB 空间，模型文件另需额外空间。
• 更新：macOS 与 Windows 自动下载更新，点任务栏或菜单栏图标选择「重启以更新」；也可手动下载最新版本。
• 参考文档：https://ollama.readthedocs.io/quickstart/ 、https://ollama.readthedocs.io/faq/ 、https://ollama.readthedocs.io/windows/ 、https://datawhalechina.github.io/handy-ollama/

注意事项

• Windows 上二进制文件至少需要 4GB 空间，模型文件另占额外空间，规划磁盘时两者要分开计算。
• 修改 OLLAMA_HOST 或 OLLAMA_MODELS 之前，先通过任务栏图标退出 Ollama，改完后从新的终端窗口运行，否则旧会话读不到新值。
• 执行 ollama run 提示未正确启动时，先关闭程序，再以管理员身份重启，确认后台服务在线后再重试。
• 报「模型不存在」时先用 ollama list 核对已拉取列表，再用 ollama pull 补齐，不要直接反复执行 run。
• 具体版本号、下载地址与参数默认值以官方页面为准，不同平台的路径与交互可能有差异。