本文以 Ollama 为例,介绍如何在本地部署并运行大模型。内容包括 Ollama 的跨平台安装(Linux/Windows)、模型下载与交互、常用命令速查,以及通过 LangChain 的 ChatOllama 和 init_chat_model() 两种方式调用本地模型,帮助读者快速搭建一套可用的本地大模型开发环境。
1. Ollama的介绍
- LangChain也支持使用 Ollama、vLLM 等框架启动的本地大模型。这里以Ollama为例进行演示。
- Ollama是在Github上的一个开源项目,其项目定位是:一个本地运行大模型的集成框架,可以实现如 Qwen、Deepseek 等主流大模型的下载、启动和本地运行的自动化部署及推理流程。
- Ollama官方地址:https://ollama.com
- 产品定位:

2. Ollama的下载-安装
Ollama项目支持跨平台部署,目前已兼容Mac、Linux和Windows操作系统。
无论使用哪个操作系统,Ollama项目的安装过程都设计得非常简单。
访问 https://ollama.com/download 下载对应系统的安装文件。

1、Linux 系统执行以下命令安装:
|
1
|
curl -fsSL https://ollama.com/install.sh | sh
|
- 这行命令的目的是从 https://ollama.com/ 网站读取 install.sh 脚本,并立即通过 sh 执行该脚本,在安装过程中会包含以下几个主要的操作:
- 检查当前服务器的基础环境,如系统版本等;
- 下载Ollama的二进制文件;
- 配置系统服务,包括创建用户和用户组,添加Ollama的配置信息;
- 启动Ollama服务;
2、Windows 系统的安装过程如下
手动创建ollama安装目录:首先在你想安装的路径下创建好一个新文件夹,并把ollama的安装包放在里面。如:E:\Ollama

然后在cmd 窗口输入:
|
1
|
OllamaSetup.exe /DIR=E:\Ollama
|

然后 Ollama 就会进入安装,点击 install 后,可以看到 Ollama 的安装路径就变成了指定的目录了。


安装完之后


3. 模型的下载
1、手动设置大模型存储目录:
指明大模型要下载到的本地目录位置

2、模型的下载
方式1:直接在图形化界面位置下载
蓝色的使用在线模型,需要在Ollama平台付费使用

方式2:访问 https://ollama.com/search 可以查看 Ollama 支持的模型。使用命令行可以下载并运行模型,例如运行 deepseek-r1:1.5b 模型:
|
1
|
ollama run deepseek-r1:1.5b
|



回到命令行,输入指令开始下载:


下载完即可进行交互:

后续再唤起模型对话,直接输入:
|
1
|
ollama run deepseek-r1:1.5b
|

后续也可以在窗口直接对话

4. Ollama常用命令
| 命令 |
一句话说明 |
| ollama pull llama3 |
下载指定模型(例:llama3)。 |
| ollama run llama3 |
启动并进入该模型交互对话。 |
| ollama list |
列出本机已下载的所有模型。 |
| ollama rm llama3 |
删除不再需要的模型以节省磁盘。 |
| ollama cp llama3 my-llama3 |
本地复制/重命名模型。 |
| ollama show llama3 |
查看模型详细信息(参数、大小等)。 |
| ollama create my-model -f Modelfile |
用自定义 Modelfile 构建新模型。 |
| ollama serve |
启动后台服务,供 API 调用。 |
| ollama ps |
查看当前正在运行的模型进程。 |
| ollama stop llama3 |
停止正在运行的模型。 |
| ollama --version |
查看安装的ollama版本 |
5. LangChain调用模型
LangChain整合Ollama调用本地大模型:
|
1
2
3
|
#pip install langchain-ollama
pip install -qU langchain-ollama
pip install -U ollama
|
方式1:使用ChatOllama
|
1
2
3
4
5
6
7
|
from langchain_ollama import ChatOllama
model = ChatOllama(
model="deepseek-r1:1.5b",
# base_url="http://localhost:11434"
# 如果Ollama在本地默认端口运行,则可省略
)
print(model.invoke("介绍一下你自己"))
|

方式2:使用 init_chat_model()
|
1
2
3
4
5
6
7
|
from langchain.chat_models import init_chat_model
model = init_chat_model(
model="deepseek-r1:1.5b",
model_provider="ollama"
# base_url="http://localhost:11434"
)
print(model.invoke("介绍一下你自己"))
|

|