今天，我们就正式开干：手把手带你安装Ollama，并跑通第一个模型。
别担心，这一篇不会讲一堆复杂的原理，而是从最简单的流程开始：
下载安装 → 配置路径 → 启动 → 拉模型 → 问答测试。
跟着操作，一杯咖啡的功夫，你就能在自己电脑上拥有一个“私人 ChatGPT”。
一、Ollama 是什么？
先用一句话解释：
Ollama 就是一个帮你在本地轻松运行大模型的工具。
它的特点：
- 安装简单：不用折腾环境依赖，几乎“一键装好”；
- 跨平台：Windows、macOS、Linux 都支持；
- 内置模型管理：像装软件一样下载和切换模型；
- 接口友好：除了命令行，还能配合 WebUI 使用。
一句话总结：如果你想体验本地大模型，Ollama 是最省心的入口。
二、下载安装
Windows
打开
Ollama 官方下载页；
https://ollama.com/
下载 Windows 安装包（.exe 格式）；如果下载不了，可以加qq群：887811745，工具都在群文件里可以直接获取
安装避坑步骤（重要）
千万不要双击一直安装完成，因为默认在 Windows 上安装Ollama的时候，默认会安装到
C:\Users\<用户名>\AppData\Local\Programs\Ollama这样占用C盘空间。
应该cmd到exe的安装文件路径下，执行：
OllamaSetup.exe /DIR="你的安装路径"这样就不会安装到C盘了。
macOS
- 直接下载
.pkg安装包； - 等待安装完成。
Linux
Linux 上的安装命令很简洁：
curl -fsSL https://ollama.com/install.sh | sh安装完成后，无论是Windows、Linux、macOS执行
ollama --version如果能显示版本号，就说明安装成功。
其实windows现在Ollama新版本（群里的版本）已经很人性化的在安装完成后出现安装模型弹框：
可以在右下角查找模型名称，然后问一个问题，如果发现你电脑没有这个模型，ollama会从官网自动下载。
但是这里还有一个坑需要避开。就是这个时候下载的模型会默认下载到C盘。需要先执行第三步骤【配置模型存放路径】，当然如果你的C盘空间可忽略，如果C盘空间不足，切记设置默认下载的模型存放路径后再下载。现在可以先关闭该窗口。等设置完模型存放路径后再下载模型。
三、配置模型存放路径（可选）
默认情况下，Ollama 会把下载的模型存在系统盘（C盘 / 根目录）。如果你磁盘空间紧张，建议提前改好存放路径。
方法：
- 找到配置文件位置：
- Windows:
C:\Users\<你的用户名>\.ollama - macOS/Linux:
~/.ollama
- 在系统环境变量里新增（推荐）：
- Windows：设置
OLLAMA_MODELS到你想要的目录，比如D:\ollama\models - macOS/Linux：在
~/.bashrc或~/.zshrc添加：
export OLLAMA_MODELS=/data/ollama/models重启终端，再运行ollama，模型就会存放到新目录里。一定要重启（windows就是关闭再打开）
右键点击Windows右下角的ollama图片，Quit Ollama，然后再找到Ollama图标点击启动即可
这个时候就可以去下载模型问答了，点击Open Ollama再去搜索模型下载并问答。
四、启动 Ollama 服务
Ollama 本质上会在本地启动一个服务进程。安装完成后，启动方法如下：
Windows/macOS：安装后默认会启动后台服务。你在任务栏能看到 Ollama 的小图标。
[截图]
Linux：运行命令：
ollama serve如果一切正常，此时本地的 11434 端口就会监听请求。
五、手动下载并运行第一个模型
Ollama 提供了很多模型选择，这里以Qwen2.5（14B 参数量）为例。
在cmd命令行输入：
ollama run qwen2.5:7b第一次运行会自动下载模型，大小几 GB，根据网速耐心等待。
下载模型小技巧，如果下载模型的过程中，发现下载速度从一开始快慢慢变慢，可以先Ctrl+C再执行ollama run qwen:14b命令的命令，他会从断点开始下载，并且速度会变快哦。
下载完成后，你会看到命令行变成了一个对话界面：
输入任何问题，比如：
小技巧：如果要退出，输入exit或按Ctrl+C即可。
六、简单问答体验
第一次跑通模型后，你可以随便玩几个问题：
- “写一首关于秋天的短诗。”
- “解释一下量子计算的概念。”
- “给我 3 个 Python 学习建议。”
模型会直接在本地生成答案，没有联网请求，速度主要取决于你电脑性能。
七、常见问题
- 下载速度慢？
可以考虑换网络环境，或者找国内的模型镜像站点。 - 显存不足？
别担心，Ollama 内置量化版本，比如 4bit，可以大幅降低内存/显存占用。 - 占用磁盘太大？
一个模型几个 GB 很正常。如果只想体验，可以只下载 1~2 个模型，把路径改到大容量磁盘即可。
到这里，你已经完成了：
- 安装 Ollama
- 配置存储路径
- 启动服务
- 下载并运行第一个模型
- 在本地和模型对话
这就是本地部署大模型的“Hello World”。
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
![]()
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
![]()
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
