Ollama入门，一键启动本地DeepSeek大模型

Ollama系列文章：
Ollama入门，一键启动本地DeepSeek大模型
Ollama入门，Ollama技术架构与原理
Ollama进阶，在Python、Java、Go项目中集成Deepseek、QWQ大模型
Ollama进阶，在Javascript(nodejs)前后端项目中集成Deepseek、QWQ大模型
Ollama高手，玩转本地自定义大模型（LLM）
Ollama高手，调优Ollama环境变量，提高性能与安全性
Ollama高手，调优Ollama模型参数，提高模型输出质量

---

感谢“AI界拼多多”的DeepSeek，解开了“AI大模型”的神秘面纱，让普通笔记本也能跑起“大神们”的“神器”。当然在DeepSeek“一朝成名天下知”的其实早有默默耕耘的LLaMA、Qwen等等，以及能让这些大模型在本地电脑上一键启动的开源项目——Ollama。下面就一起来探一探这个通往AI大模型世界的神器。

1. 什么是 Ollama？

Ollama 是一个轻量级的本地大语言模型（LLM）运行工具，允许用户在本地环境中运行和交互 AI 模型，而无需依赖云端服务。Ollama 提供了便捷的安装方式，并支持多种热门的大语言模型，如 DeepSeek、Qwen、LLaMA、Mistral、Gemma 等。

有实际使用中，Ollama 有如下优点：

• 本地运行：无需云端 API 访问，保护数据隐私。
• 轻量便捷：提供易用的 CLI（命令行界面）和 Python API。
• 多模型支持：支持多个开源 LLM，如 LLaMA、Mistral、Gemma。
• 高效推理：利用本地 CPU 或 GPU 进行高效推理。
• 跨平台支持：可运行于 macOS、Linux 和 Windows（实验性支持）。

2. 如何安装 Ollama？

方法1：通过安装包安装 Ollama

可以通过Ollama官方提供的安装包，根据操作系统（支持macOS、Linux、Windows）下载后安装即可。

方法2：通过Shell安装Ollama

只需运行以下命令：

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

3. 如何使用 Ollama？

Step1：下载模型到本地并运行

安装完成后，可以使用 Ollama 运行预训练的模型。例如，下载并运行 deepseek-r1：

ollama run deepseek-r1:8b

启动大模型之后，就可以通过shell使用大模型。

Step2：列出本地可用模型

要查看已下载的模型，可以运行：

ollama list

Step3：拉取特定模型

如果想下载一个特定的模型，比如QwQ 32B，可以执行：

ollama pull qwq

4. 通过AI客户端工具使用Ollama

虽然可以通过shell与大模型进行对话，但是为了更好的输入输出效果，一般建议使用AI客户端工具来使用Ollama，常见的有：

• ChatBox：一款集AI客户端和智能助手功能于一体的应用，支持多种先进的AI模型和API，可在Windows、MacOS、Android、iOS、Linux和网页版上使用。其主要功能包括文档、图片和代码处理，智能回复，代码生成与预览，联网搜索，图像生成，LaTeX和Markdown渲染
• CherryStudio：多模型聚合，支持 Claude、GPT、DeepSeek 等模型，可对比不同模型答案。有 300 多个预置助手，能帮助用户快速获取信息。界面可高度自定义，用户可通过自定义 CSS、头像、布局等，打造专属 AI 工作室，适合设计师、企业团队、科研人员等对界面有个性化需求以及需要使用多模型的用户。
• AnythingLLM：支持文字、图片、语音等多模态输入，方便用户以不同方式与 AI 交互。具备 AI 代理联网功能，能自动爬取网页、运行代码，帮助用户处理复杂任务，适合法务、教育、研究机构等需要处理海量文档和复杂任务的用户。
• ChatWise：能一键接入 OpenAI、DeepSeek、Ollama 等全网模型，还可使用他人部署的模型，对于预算有限的用户来说是不错的选择。支持本地运行 Llama、DeepSeek - R1 等开源模型，在低配电脑上也能流畅运行。界面极简，支持多模态交互，如截图提问、视觉问答等，适合学生、极客等人群。

5. 通过 Python API 使用 Ollama

Ollama 还支持 Python API，可以在代码中调用本地模型。

安装 Ollama 的 Python SDK：

pip install ollama

使用 Python 调用 Ollama 运行模型：

import ollama
response = ollama.chat(model='deepseek-r1:8b', messages=[{'role': 'user', 'content': '你是谁？'}])
print(response['message'])

6. DeepSeek R1 硬件配置参考：

一般电脑配置参考

模型版本	参数规模	显卡	内存	存储空间
1.5B	1.1GB	4核 GTX 1650 或 RTX 2060	16GB	50GB
7B	4.7GB	6-8核 RTX 3060 或更强	32GB	100GB
8B	4.9GB	6-8核 RTX 3060 或更强	32GB	100GB
14B	9GB	8核以上 RTX 3080 或更强	64GB	200GB
32B	20GB	8核以上 RTX 3090、A100 或 V100	128GB	500GB
70B	43GB	12核以上 A100、V100（可能需要多卡并联）	128GB	1TB
671B	约350GB	高端多核 多张 H100 或 H200 并联	700GB 显存	1TB

苹果电脑配置参考

模型版本	参数规模	建议的处理器	内存（RAM）	存储空间
1.5B	1.5 亿	M1 或更高版本	8GB 或以上	至少 50GB
7B	70 亿	M1 Pro 或 M1 Max	16GB 或以上	至少 100GB
14B	140 亿	M1 Max 或 M2 Pro	32GB 或以上	至少 200GB
32B	320 亿	M2 Max	64GB 至少	500GB
70B	700 亿	M3 Max 或更高版本	128GB	至少 1TB
671B	6710 亿	当前 MacBook Pro 无法满足	- -