Ollama 是一款开源的本地模型运行工具，可以在你的电脑上一键运行各种开源大模型。数据完全在本地处理，无需网络连接，非常适合注重隐私或离线使用的场景。

安装 Ollama

macOS / Linux

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

Windows

前往 Ollama 官网 下载 Windows 安装包并运行。

验证安装

ollama --version

拉取模型

安装 Ollama 后，需要先下载（拉取）模型：

# 推荐：通义千问 2.5（中文表现优秀）
ollama pull qwen2.5:14b

# DeepSeek V3（强大的开源推理模型）
ollama pull deepseek-v3

# Llama 3（Meta 开源模型）
ollama pull llama3:8b

# 查看已下载的模型
ollama list

配置 OpenClaw

// ~/.openclaw/config.json
{
  "models": {
    "providers": {
      "ollama": {
        "baseUrl": "http://localhost:11434"
      }
    }
  }
}

认证配置（Ollama 默认无需认证）：

openclaw models auth login --provider ollama
openclaw models default set ollama/qwen2.5:14b

推荐模型

以下是适合中文用户的本地模型推荐：

模型	拉取命令	说明
Qwen 2.5 7B	ollama pull qwen2.5:7b	中文能力优秀，资源需求低
Qwen 2.5 14B	ollama pull qwen2.5:14b	中文最佳平衡选择
Qwen 2.5 32B	ollama pull qwen2.5:32b	中文深度理解
DeepSeek V3	ollama pull deepseek-v3	推理能力强
Llama 3 8B	ollama pull llama3:8b	通用能力好
Llama 3 70B	ollama pull llama3:70b	接近 GPT-4 水平
CodeLlama 13B	ollama pull codellama:13b	编程专用

硬件要求

模型参数量	最低显存（VRAM）	推荐显存	最低内存（RAM）
3B	2 GB	4 GB	8 GB
7B	4 GB	8 GB	16 GB
14B	8 GB	12 GB	24 GB
32B	16 GB	24 GB	32 GB
70B	36 GB	48 GB	64 GB

说明

• 如果没有独立显卡，Ollama 会自动使用 CPU 推理（速度较慢）
• Apple Silicon（M1/M2/M3/M4）的统一内存可同时用于显存和内存
• 量化版本（如 q4_0）可以降低显存需求，但会略微影响质量

性能优化

GPU 加速

确保已安装对应的 GPU 驱动：

# NVIDIA GPU - 确认 CUDA 可用
nvidia-smi

# AMD GPU - 确认 ROCm 可用
rocm-smi

调整并发数

# 设置 Ollama 并发数
export OLLAMA_NUM_PARALLEL=2

# 设置模型在内存中的保持时间
export OLLAMA_KEEP_ALIVE=30m

使用量化模型

对于显存有限的设备，选择量化版本：

# 4-bit 量化版本，显存需求约为原始模型的 1/4
ollama pull qwen2.5:14b-q4_0

故障排查

Ollama 服务未启动

# 启动 Ollama 服务
ollama serve

# 或检查服务状态
curl http://localhost:11434/api/tags

模型加载失败

• 检查磁盘空间是否充足
• 确认模型已成功下载：ollama list
• 尝试重新拉取模型：ollama pull <model>

推理速度慢

• 确认 GPU 驱动已正确安装
• 尝试使用更小的模型或量化版本
• 关闭其他占用 GPU 资源的程序

无法连接 OpenClaw

• 确认 Ollama 正在运行：curl http://localhost:11434
• 检查 OpenClaw 配置中的 baseUrl 是否正确
• 如果 Ollama 在远程机器上，修改 baseUrl 为对应地址

 

《DeepSeek高效数据分析：从数据清洗到行业案例》聚焦DeepSeek在数据分析领域的高效应用，是系统讲解其从数据处理到可视化全流程的实用指南。作者结合多年职场实战经验，不仅深入拆解DeepSeek数据分析的核心功能——涵盖数据采集、清洗、预处理、探索分析、建模（回归、聚类、时间序列等）及模型评估，更通过金融量化数据分析、电商平台数据分析等真实行业案例，搭配报告撰写技巧，提供独到见解与落地建议。助力职场人在激烈竞争中凭借先进技能突破瓶颈，实现职业进阶，开启发展新篇。