封面图：Ollama 本地模型下载教程
爆款标题
Ollama 本地模型下载教程：从安装到拉模型，新手照着做就能跑通
想在自己的电脑上跑大模型，Ollama 是目前最适合新手入门的工具之一。它把“下载模型、运行模型、管理模型、开放本地 API”这几件事封装成几条命令：装好 Ollama，执行 pull 下载模型，再 run 起来，就能在本地终端和应用里使用开源大模型。本文按 2026 年 4 月官方资料整理，适合 Windows、macOS、Linux 用户照着一步步操作。
适合读者：AI 新手、想离线运行模型的用户、需要本地知识库/RAG 的创作者、正在配置 Cursor / VS Code / OpenClaw / Dify 等工具的开发者。
一句话结论：普通用户优先使用官方安装包或官方安装命令；第一次拉模型建议选择 4B/7B/8B 级别的小模型，确认流程跑通后再尝试更大的模型。
图：从安装 Ollama 到拉取模型的完整流程
一、Ollama 是什么？为什么适合本地模型入门
Ollama 可以理解为“本地大模型运行器”。它负责把模型下载到你的电脑上，并在本机启动一个服务，默认通过 http://localhost:11434 提供 API。你可以直接在终端里聊天，也可以让编辑器、知识库、Agent 工具连接它。
相比手动配置 Python、CUDA、模型权重和推理框架，Ollama 的优势是门槛低：下载、运行、更新、删除模型都有统一命令。对新手来说，它不是性能上限最高的方案，但通常是最容易跑通的方案。
需要注意的是：Ollama 不是万能云模型。大模型仍然吃内存、显存和磁盘空间。电脑配置越低，就越应该先从小参数模型开始。
二、安装前准备：先确认系统、空间和用途
| 准备项 | 建议 |
| 系统 | Windows：建议 Windows 10 22H2 或更新；macOS：Sonoma 14 或更新；Linux：主流发行版均可按官方脚本安装。 |
| 硬件 | 没有独显也能用 CPU 跑小模型，但速度会慢；NVIDIA/AMD/Apple Silicon 会明显改善体验。 |
| 磁盘 | 安装程序本身不大，但模型可能从几百 MB 到数十 GB 不等，建议预留 30GB+ 空间。 |
| 网络 | 下载模型需要访问 Ollama 模型库；网络不稳定时可以重试 pull。 |
| 用途 | 中文写作选 Qwen；代码选 Qwen Coder / CodeLlama；图片理解选 Llava；RAG 向量化选 embedding 模型。 |
三、官方下载与安装：Windows、macOS、Linux 三套步骤
下面按系统分别给出最稳妥的安装方式。新手优先使用官方入口，不要从不明网盘、二次打包站点下载安装包。
1. Windows 安装 Ollama
Windows 用户可以直接下载官方安装包，也可以在 PowerShell 里执行官方安装命令。安装后 Ollama 会作为原生 Windows 应用在后台运行，命令行可以在 cmd、PowerShell 或 Windows Terminal 里使用。
建议步骤：打开 PowerShell，粘贴官方命令；安装完成后重新打开终端，输入 ollama -v 检查版本；再执行 ollama run gemma3 或 ollama pull qwen3:4b 进行首次测试。
Windows PowerShell 示例
| irm https://ollama.com/install.ps1 | iex ollama -v ollama run gemma3 |
2. macOS 安装 Ollama
macOS 用户通常有两种方式：下载 .dmg 后拖到 Applications 文件夹，或在终端执行安装脚本。官方文档提示 macOS 需要 Sonoma v14 或更新；Apple M 系列支持 CPU 和 GPU，x86 Mac 通常以 CPU 为主。
第一次启动 Ollama 时，如果系统提示是否创建命令行链接，建议允许，这样终端里才能直接使用 ollama 命令。
macOS 终端示例
| curl -fsSL https://ollama.com/install.sh | sh ollama -v ollama run gemma3 |
3. Linux 安装 Ollama
Linux 用户推荐直接使用官方安装脚本。安装完成后，Ollama 通常会以 systemd 服务方式运行，便于开机启动和后台管理。
如果你是服务器用户，安装后重点检查服务状态、GPU 驱动、磁盘目录权限和 11434 端口安全，不要把 Ollama 直接暴露到公网。
Linux 终端示例
| curl -fsSL https://ollama.com/install.sh | sh ollama -v sudo systemctl status ollama ollama run gemma3 |
4. Docker 用户可选部署方式
如果你习惯用 Docker 管理服务，可以使用官方 Docker 镜像。CPU-only 适合轻量测试；NVIDIA GPU 需要先配置 NVIDIA Container Toolkit；AMD GPU 可使用 rocm 镜像标签。
Docker CPU-only 示例
| docker run -d -v ollama:/root/.ollama -p 11434:11434 –name ollama ollama/ollama docker exec -it ollama ollama run llama3.2 |
四、从“安装好”到“拉模型”：新手最常用命令
图：Ollama 常用命令速查
运行模型：`ollama run 模型名` 会在本地没有模型时自动拉取，已经有模型时直接运行。官方 CLI 示例使用 `ollama run gemma3`。
只下载不运行：`ollama pull 模型名` 适合提前下载模型，例如先在网速好的时候拉取 `qwen3:4b`。
查看本地模型：`ollama list` 用来查看已经下载到本机的模型、大小和更新时间。
查看正在运行：`ollama ps` 用来查看当前加载在内存里的模型，以及模型是否跑在 CPU / GPU 上。
停止/删除：`ollama stop 模型名` 释放内存；`ollama rm 模型名` 删除本地模型文件，释放磁盘。
一次跑通示例
| ollama pull qwen3:4b ollama run qwen3:4b ollama list ollama ps ollama stop qwen3:4b ollama rm qwen3:4b |
五、第一个模型怎么选？按用途选择，不要盲目追大
Ollama 模型库里有很多模型和标签，新手最常见的错误是：一上来就下载 70B、120B、235B 级别的大模型，结果磁盘不够、内存不够、速度很慢。正确做法是先用小模型验证流程，再按任务升级。
图：新手模型选择建议，具体模型标签以 Ollama 模型库为准
| 用途 | 推荐先试 | 说明 |
| 中文写作、问答、总结 | qwen3:4b / qwen3:8b | 中文体验友好，适合日常写作、文章整理、资料问答。 |
| 英文通用聊天 | llama3:8b | 英文生态成熟，适合通用问答和英文写作。 |
| 代码解释、代码生成 | qwen2.5-coder:7b / codellama:7b | 优先选择代码专项模型，速度和准确度比通用小模型更适合开发场景。 |
| 图片理解 | llava:7b | 适合图片问答、截图解释、视觉理解入门。 |
| 知识库 / RAG | mxbai-embed-large / bge-m3 | 用于文本向量化和检索增强，不是普通聊天模型。 |
六、模型下载到哪里了？如何改到 D 盘或数据盘
Ollama 模型文件通常比较大，知道默认存储路径很重要。下载前先确认磁盘空间；如果系统盘空间不足，可以把模型目录迁移到其他盘。
| 系统 | 默认模型路径 |
| macOS | ~/.ollama/models |
| Linux | /usr/share/ollama/.ollama/models |
| Windows | C:\Users\%username%\.ollama\models |
如果需要改模型目录，核心是设置环境变量 OLLAMA_MODELS。Windows 可在“环境变量”里新增用户变量；macOS 可用 launchctl 设置；Linux 服务模式建议通过 systemctl edit ollama.service 添加环境变量，并确认目录归 ollama 用户可读写。
迁移模型目录示例
| # macOS 示例 launchctl setenv OLLAMA_MODELS “/Volumes/AIModels/Ollama” # Linux systemd 示例 sudo systemctl edit ollama.service # 在 [Service] 下添加：Environment=”OLLAMA_MODELS=/data/ollama/models” sudo systemctl daemon-reload sudo systemctl restart ollama |
七、让其他软件调用 Ollama：本地 API 与常见集成
Ollama 安装后默认在本机提供 API 服务，地址通常是 http://localhost:11434。很多编辑器、Agent、知识库工具可以填写这个地址，把模型后端改成本地模型。
本地 API 测试示例
| curl http://localhost:11434/api/generate -d ‘{ “model”: “qwen3:4b”, “prompt”: “用三点说明本地大模型适合哪些场景”, “stream”: false }’ |
如果要给局域网其他设备访问，可以设置 OLLAMA_HOST，但不建议把 11434 端口直接暴露到公网。确实需要远程访问时，应使用反向代理、认证、VPN 或隧道，并限制来源 IP。
八、常见报错与排查：照着这张清单处理
| 问题 | 处理方法 |
| ollama: command not found | CLI 未加入 PATH 或终端未重启。macOS 可确认是否创建 /usr/local/bin/ollama 链接；Windows 安装后重新打开 PowerShell。 |
| pull 很慢或失败 | 检查网络、代理和 HTTPS 证书；中断后重新执行 pull；不要同时下载多个大模型。 |
| 磁盘空间不足 | 查看模型目录，删除不用模型，或设置 OLLAMA_MODELS 到更大的磁盘。 |
| 运行很慢 | 降低模型参数规模；检查是否跑在 CPU；使用 ollama ps 查看处理器占用；升级显卡驱动。 |
| GPU 没被使用 | 检查 NVIDIA/AMD 驱动版本；Linux 检查 nvidia-smi/ROCm；Docker 需配置 GPU runtime。 |
| 端口被占用 / API 连不上 | 确认 Ollama 正在运行；检查 localhost:11434；重启 Ollama 应用或 systemd 服务。 |
| Windows 进度条乱码 | 更换 Windows Terminal 字体，旧终端字体可能无法显示 Unicode 进度字符。 |
九、隐私与安全：本地运行不等于可以随便开放端口
Ollama 官方 FAQ 说明：本地运行时，Ollama 不会看到你的提示词和数据；如果使用云端模型，则请求需要被云端处理，但官方说明不存储、不记录该内容，也不会用于训练。对隐私敏感的内容，优先使用本地模型并关闭云功能。
安全方面，默认本机访问相对安全，但如果把 OLLAMA_HOST 改成 0.0.0.0，就可能让局域网或公网访问你的模型服务。服务器用户必须设置防火墙、认证、反向代理或 VPN，避免无鉴权暴露。
版权和合规方面，模型生成内容仍需要人工审核。企业部署前应检查模型许可证、输出内容责任、数据权限和内部安全策略。
十、推荐工作流：从 0 到可用本地 AI 助手
- 第 1 步：先装 Ollama，执行 ollama -v 确认命令可用。
- 第 2 步：运行 ollama run gemma3 或 ollama run qwen3:4b，确认模型能正常回复。
- 第 3 步：根据用途下载第二个模型：写作选 Qwen，代码选 Coder，图片选 Llava，知识库选 Embedding。
- 第 4 步：把模型目录迁移到大容量磁盘，避免系统盘被模型文件占满。
- 第 5 步：连接到 Open WebUI、Dify、Cursor、VS Code 插件或 Agent 工具，形成稳定工作流。
- 第 6 步：建立模型清理习惯，每隔一段时间用 ollama list 检查不用的模型并删除。
FAQ：Ollama 本地模型下载常见问题
Q1：Ollama 是免费的吗？
Ollama 本地运行和开源模型通常可以免费使用，但模型许可证、云端功能、商业使用和第三方应用费用需要分别确认。
Q2：没有显卡能运行吗？
可以跑小模型，但速度会慢。没有独显的新手建议先试 0.6B、1.7B、4B、7B 级别模型，不建议一上来拉 70B 大模型。
Q3：下载模型一定要用 pull 吗？
不一定。ollama run 模型名在本地没有模型时通常会自动下载；pull 适合提前下载或更新模型。
Q4：模型太大，C 盘满了怎么办？
设置 OLLAMA_MODELS 环境变量，把模型目录迁移到 D 盘或数据盘，然后重启 Ollama。
Q5：怎么知道模型是不是跑在 GPU 上？
使用 ollama ps 查看 Processor 列。如果显示 100% CPU，说明模型没有加载到 GPU；如果显示 GPU 或 CPU/GPU，则说明使用了 GPU 或混合加载。
Q6：Ollama 会把我的聊天内容上传吗？
本地运行时官方说明不会看到你的提示词和数据；使用云端模型时请求会由云端处理。隐私敏感场景建议禁用云功能并只用本地模型。
Q7：为什么别人推荐的模型我拉不到？
可能是模型名称、标签写错，或模型库已更新。到 Ollama 模型库复制完整模型名和 tag，再重新执行 pull。
Q8：安装完成后下一步该学什么？
建议继续学习 Open WebUI、本地知识库 RAG、Cursor/VS Code 连接 Ollama、以及模型参数和提示词设置。
参考资料
- Ollama Windows 下载页：https://ollama.com/download/windows
- Ollama macOS 下载页：https://ollama.com/download/mac
- Ollama Linux 官方文档：https://docs.ollama.com/linux
- Ollama Windows 官方文档：https://docs.ollama.com/windows
- Ollama macOS 官方文档：https://docs.ollama.com/macos
- Ollama CLI Reference：https://docs.ollama.com/cli
- Ollama Pull API：https://docs.ollama.com/api/pull
- Ollama FAQ：https://docs.ollama.com/faq
- Ollama Docker 文档：https://docs.ollama.com/docker
- Ollama 模型库：https://ollama.com/library
