欢迎光临
我们一直在努力

一份 Windows/macOS/Linux 完整安装 + 运行 + 对接 WebUI 的步骤

下面是一份 Windows /macOS/ Linux 三平台通用 的完整步骤:安装 Ollama → 运行模型 → 对接 Open WebUI,按顺序操作即可。

一、安装 Ollama(三平台)

1. Windows 安装

  • 下载安装包:
    • 官网:https://ollama.com/download
    • 直接下载:https://ollama.com/download/OllamaSetup.exe
  • 双击 OllamaSetup.exe → 点 Install,自动完成安装。
  • 验证安装:
    • 打开 PowerShell 或 CMD,输入:

      bash

      运行

      ollama –version

    • 显示版本号(如 0.3.14)即成功。
  • 2. macOS 安装

  • 下载安装包:
    • 官网:https://ollama.com/download
    • 直接下载:https://ollama.com/download/Ollama-darwin.zip
  • 解压 → 把 Ollama.app 拖到 应用程序 文件夹。
  • 验证安装:
    • 打开 终端,输入:

      bash

      运行

      ollama –version

    • 显示版本号即成功。
  • 3. Linux 安装(Ubuntu/Debian/CentOS 等)

  • 打开终端,执行一键安装脚本:

    bash

    运行

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

  • 验证安装:

    bash

    运行

    ollama –version


  • 二、运行 Ollama 与下载模型

    1. 启动 Ollama 服务

    • Windows/macOS:安装后会自动后台运行(托盘有图标)。
    • Linux:手动启动(可选):

      bash

      运行

      ollama serve

    2. 下载并运行模型(命令行)

    bash

    运行

    # 下载并启动 Llama 3(7B 轻量版,推荐新手)
    ollama run llama3

    # 或下载 Qwen 2.5(7B 中文友好)
    ollama run qwen2.5:7b-instruct

    # 或下载 DeepSeek R1(7B 推理强)
    ollama run deepseek-r1:7b

    • 首次运行会自动下载模型(约 4–8GB),耐心等待。
    • 下载完成后直接进入聊天界面,输入问题即可对话。

    3. 常用管理命令

    bash

    运行

    # 查看已下载模型
    ollama list

    # 停止运行中的模型
    ollama stop llama3

    # 删除模型
    ollama rm llama3


    三、对接 Open WebUI(可视化界面)

    1. 安装 Docker(必须)

    Open WebUI 推荐用 Docker 部署,先装 Docker:

    • Windows/macOS:下载安装 Docker Desktop:https://www.docker.com/products/docker-desktop/
    • Linux:按官方文档安装 Docker Engine:https://docs.docker.com/engine/install/

    验证 Docker 安装成功:

    bash

    运行

    docker -v

    2. 启动 Open WebUI 容器

    方式 A:仅用 WebUI(Ollama 已在本机)

    bash

    运行

    docker run -d \\
    -p 3000:8080 \\
    -e OLLAMA_BASE_URL=http://host.docker.internal:11434 \\
    -v open-webui:/app/backend/data \\
    –name open-webui \\
    –restart always \\
    ghcr.io/open-webui/open-webui:main

    方式 B:WebUI + Ollama 一体(推荐新手)

    bash

    运行

    # 有 NVIDIA GPU
    docker run -d \\
    -p 3000:8080 \\
    –gpus=all \\
    -v ollama:/root/.ollama \\
    -v open-webui:/app/backend/data \\
    –name open-webui \\
    –restart always \\
    ghcr.io/open-webui/open-webui:ollama

    # 仅 CPU
    docker run -d \\
    -p 3000:8080 \\
    -v ollama:/root/.ollama \\
    -v open-webui:/app/backend/data \\
    –name open-webui \\
    –restart always \\
    ghcr.io/open-webui/open-webui:ollama
    ```{insert\\_element\\_0\\_}

    ### 3. 访问 WebUI 并连接 Ollama
    1. 打开浏览器访问:**http://localhost:3000**
    2. 首次使用:**注册管理员账号**(仅本地存储,不上云)。
    3. 连接 Ollama:
    – 进入 **设置 → 连接 → Ollama**。
    – 地址:`http://localhost:11434`(默认)→ 点击 **验证连接**。
    – 显示“连接成功”即可。
    4. 开始使用:
    – 顶部选择模型(如 `llama3`、`qwen2.5:7b-instruct`)。
    – 输入问题,像 ChatGPT 一样对话。

    —

    ## 四、常见问题与优化
    ### 1. 模型下载慢(国内)
    – 可设置代理,或用国内镜像源(搜索“Ollama 模型镜像”)。

    ### 2. 模型存储在 C 盘(占空间)
    – Windows:设置环境变量 `OLLAMA_MODELS`,指向其他盘(如 `D:\\ollama_models`)。
    – macOS/Linux:
    ```bash
    export OLLAMA_MODELS=/path/to/your/models

    3. 速度慢(CPU 运行)

    • 优先用 7B 量化模型(如 llama3:8b、qwen2.5:7b)。
    • 有 NVIDIA GPU 可开启 CUDA 加速(Ollama 自动识别)。

    五、总结

  • 安装 Ollama → 验证 ollama –version。
  • 运行 ollama run llama3 下载并启动模型。
  • 用 Docker 启动 Open WebUI → 访问 http://localhost:3000。
  • 连接 Ollama → 开始可视化对话。
  • 下面整理了 按场景分类 的 Ollama 常用模型清单,每个模型都标注了特点、适用场景和直接可用的 ollama run 命令,新手优先选 7B 量级(轻量、易运行):


    一、中文友好型(优先选,适配中文对话 / 创作)

    表格

    模型名称特点适用场景Ollama 运行命令
    通义千问 2.5(7B) 阿里出品,中文理解顶尖,7B 轻量 日常聊天、中文创作、问答 ollama run qwen2.5:7b-instruct
    通义千问 2.5(14B) 中文能力更强,推理略优 复杂中文问答、长文本总结 ollama run qwen2.5:14b-instruct
    讯飞星火 V4(7B) 讯飞出品,中文语音 / 文本兼顾 中文对话、本地化场景 ollama run spark:7b
    Baichuan 3(7B) 百川大模型,中文闲聊 / 写作优秀 中文创作、生活化问答 ollama run baichuan3:7b

    二、代码编程型(写代码 / 调试 / 解释)

    表格

    模型名称特点适用场景Ollama 运行命令
    CodeLlama(7B) Meta 官方代码模型,支持多语言 基础代码编写、语法解释 ollama run codellama:7b-code
    DeepSeek-Coder(7B) 深度求索,代码能力顶尖,支持中文注释 复杂代码编写、调试、重构 ollama run deepseek-coder:7b-instruct
    CodeQwen(7B) 千问代码版,中文代码场景适配好 中文注释代码、国内框架开发 ollama run codeqwen:7b-instruct
    StarCoder2(7B) HuggingFace 出品,开源代码模型 开源项目开发、代码补全 ollama run starcoder2:7b

    三、逻辑推理型(数学 / 分析 / 复杂思考)

    表格

    模型名称特点适用场景Ollama 运行命令
    Llama 3(8B) Meta 旗舰模型,综合推理能力强 通用推理、逻辑分析、决策 ollama run llama3:8b-instruct
    DeepSeek-R1(7B) 深度求索推理版,数学 / 逻辑顶尖 数学计算、逻辑题、数据分析 ollama run deepseek-r1:7b
    Mistral(7B) 轻量高效,推理速度快 快速逻辑判断、简单分析 ollama run mistral:7b-instruct-v0.2
    Phi-3(3.8B) Microsoft 出品,小模型推理天花板 轻量化推理、低配置设备 ollama run phi3:3.8b-instruct

    四、轻量化通用型(低配置设备 / 快速响应)

    表格

    模型名称特点适用场景Ollama 运行命令
    Qwen2.5(1.8B) 千问轻量版,仅 1.8B,速度极快 低配电脑 / 笔记本、快速问答 ollama run qwen2.5:1.8b-instruct
    Gemma(2B) Google 出品,小模型通用能力强 轻量化日常使用、离线运行 ollama run gemma:2b-instruct

    新手使用建议

  • 首次尝试:优先选 ollama run qwen2.5:7b-instruct(中文友好)或 ollama run llama3:8b-instruct(综合能力)。
  • 配置有限(8G 内存 / 无独显):选 1.8B/2B/3.8B 量级(如 phi3:3.8b-instruct),避免卡顿。
  • 国内网络:模型下载慢可先设置 Ollama 镜像(搜索 “Ollama 国内镜像源”),或用代理。
  • 切换模型:运行新模型前,先执行 ollama stop 旧模型名 释放资源。
  • 总结

  • 中文场景优先选 通义千问 2.5(7B),命令:ollama run qwen2.5:7b-instruct;
  • 编程场景优先选 DeepSeek-Coder(7B),命令:ollama run deepseek-coder:7b-instruct;
  • 推理场景优先选 DeepSeek-R1(7B) 或 Llama 3(8B),低配设备选 Phi-3(3.8B)。
  • 赞(0)
    未经允许不得转载:171主机测评 » 一份 Windows/macOS/Linux 完整安装 + 运行 + 对接 WebUI 的步骤
    分享到: 更多 (0)

    评论 抢沙发

    • 昵称 (必填)
    • 邮箱 (必填)
    • 网址