Ollama for macOS 完全指南：零配置本地运行 Llama、DeepSeek 等大模型，私享安全高效的 AI 能力

---

---

Ollama for macOS 完全指南：零配置本地运行 Llama、DeepSeek 等大模型，私享安全高效的 AI 能力

• [🎯 核心摘要](#🎯 核心摘要)
• [💻 安装 Ollama](#💻 安装 Ollama)
• [🚀 快速开始：运行你的第一个模型](#🚀 快速开始：运行你的第一个模型)
• • [1. 运行一个流行模型](#1. 运行一个流行模型)
  • [2. 常用模型管理命令](#2. 常用模型管理命令)
• [🧠 模型选择建议](#🧠 模型选择建议)
• [🎨 进阶使用：超越命令行](#🎨 进阶使用：超越命令行)
• • [1. 使用图形化界面（Open WebUI）](#1. 使用图形化界面（Open WebUI）)
  • [2. 通过代码调用（API）](#2. 通过代码调用（API）)
• [⚙️ 实用技巧与故障排除](#⚙️ 实用技巧与故障排除)

---

🎯 核心摘要

这份指南将帮你快速在 macOS 上搭建起本地的 AI 助手。

《macOS上零配置运行本地AI模型指南》介绍了使用 Ollama 在Mac电脑上快速部署Llama3、DeepSeek等大语言模型的方法。文章详细讲解了两种安装方式（官方脚本和Homebrew）、模型管理命令，并针对不同Mac硬件配置提供了模型选择建议。此外，还介绍了图形界面(Open WebUI)和API调用等进阶用法，包括Python集成示例。指南涵盖从基础安装到故障排除的全流程，帮助用户安全高效地在本地运行AI模型。

---

整个过程可以概括为以下几个关键阶段，你可以一目了然地看到全貌：
准备阶段
安装Ollama
选择安装方式
官方一键脚本

推荐
Homebrew

可选
验证安装
获取与运行模型
基础使用

命令行对话
进阶应用
图形化界面

（Open WebUI）
API接口调用
Python集成
熟练使用

下面，我们就来详细讲解每个步骤的具体操作。

---

💻 安装 Ollama

在 macOS 上安装 Ollama 非常简单，主要有以下两种方式。

---

---

安装方式	适用情况	操作步骤
官方一键脚本（推荐）	绝大多数用户，最直接	打开终端，粘贴并执行：`curl -fsSL https://ollama.com/install.sh
Homebrew	习惯使用包管理器的用户	在终端中执行：brew install --cask ollama 。

验证安装 ：安装完成后，重启终端，然后输入以下命令，如果显示版本号则说明安装成功 。

ollama --version

安装后，Ollama 服务会自动在后台启动，并为后续使用做好准备 。

🚀 快速开始：运行你的第一个模型

Ollama 的核心是 run 命令。它会自动下载（如果本地没有）并运行模型，进入交互式聊天界面。

---

1. 运行一个流行模型

比如，要运行 Meta 发布的 Llama 3 模型，只需在终端输入：

ollama run llama3

首次运行需要下载模型文件，耗时取决于你的网速和模型大小（Llama 3 8B 参数版本约 4.7GB ）。下载完成后，会出现 >>> 提示符，你就可以开始对话了 。

---

2. 常用模型管理命令

掌握以下几个命令，就能高效管理你的本地"模型库" ：

命令	作用	示例
ollama list	查看本地已下载的所有模型	ollama list
ollama pull	只下载模型，不立即运行	ollama pull gemma:2b
ollama rm	删除不再需要的模型，释放空间	ollama rm mistral
ollama ps	查看当前正在运行的模型	ollama ps

---

🧠 模型选择建议

根据你的 Mac 硬件配置选择合适的模型，是关键的一步。

---

硬件配置	推荐模型（参数量）	说明
Apple Silicon（M1/M2/M3系列）	Llama 3 (8B , 70B), Gemma (7B) , Qwern (7B)	强烈推荐！ Ollama 对 Apple Silicon 芯片（M1/M2/M3）的 GPU 加速优化得极好，即使是 70B 的大模型也能流畅运行 。
Intel 芯片 Mac	Gemma (2B) , Phi (2.7B) , Llama 3 (8B)	优先选择 7B 及以下的模型。运行速度取决于 CPU 性能和内存大小。
内存（统一内存）	8GB ：可尝试 1B-7B 模型 16GB 或以上：可流畅运行 13B-70B 参数模型	模型运行时会完全加载到内存中，内存容量是主要限制。

简单来说 ：如果你的 Mac 是 M 系列芯片，可以直接从 llama3:8b 开始，体验会很好。如果是 Intel 芯片或内存较小，可以从 gemma:2b 或 phi 开始尝试 。

---

🎨 进阶使用：超越命令行

虽然命令行简单直接，但通过以下方式可以获得更佳体验。

---

1. 使用图形化界面（Open WebUI）

Open WebUI 能为你提供一个类似 ChatGPT 的友好网页界面，管理对话和历史记录都非常方便 。
通过 Docker 安装（推荐）：

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

安装完成后，在浏览器中访问 http://localhost:3000，初始化账号后即可使用。Open WebUI 通常能自动发现本地运行的 Ollama 服务 。

---

2. 通过代码调用（API）

Ollama 在本地 11434 端口提供了兼容 OpenAI 格式的 REST API，方便你用任何编程语言集成 。
Python 调用示例：

---

首先安装官方库：pip install ollama 。

import ollama

response = ollama.chat(model='llama3', messages=[
  {
    'role': 'user',
    'content': '为什么天空是蓝色的？请用简单的话解释。',
  },
])
print(response['message']['content'])

---

直接使用 curl 测试：

curl -X POST http://localhost:11434/api/generate -d '{
  "model": "llama3",
  "prompt": "请用Python写一个计算斐波那契数列的函数。",
  "stream": false
}'

---

⚙️ 实用技巧与故障排除

• 修改模型默认存储路径 ：模型默认下载到 ~/.ollama/models/ 目录 。如果想更改位置（比如移到外接硬盘），可以在启动 Ollama 服务前设置环境变量：export OLLAMA_MODELS="/你的/新/路径" 。
• Ollama 服务未启动 ：如果遇到连接错误，可以尝试在终端输入 ollama serve 来手动启动服务 。
• 如何彻底卸载 ：要将 Ollama 及其所有模型数据完全清除，只需将应用程序目录中的 "Ollama" 应用拖到废纸篓并清空即可。模型文件位于 ~/.ollama 目录，可一并删除 。

---

希望这份详细的指南能帮助你在 macOS 上顺利开启本地 AI 之旅！如果你在具体操作中遇到任何问题，欢迎随时提出。

---