Ollama 本地跑开源模型：开发者最小上手命令与环境备忘
结论
如果你只是想在本机快速试用开源权重、验证 Prompt、对接本地 HTTP API，而不是一上来就搭完整训练集群，Ollama往往是阻力最小的路径之一：
安装 →pull模型 →run对话 →（可选）用 OpenAI 兼容接口接到你自己的脚本里。
下文只谈开发者上手，不涉及显卡导购；算力够不够以你机器实测为准。
一、Ollama 是什么（一句话）
Ollama是面向本地的模型运行与管理工具（开源项目），把「下载权重 + 启动推理服务」封装成几条命令，降低试错成本。
二、安装与健康检查
安装方式随平台变化，以官网 / 仓库文档为准（此处不写死单一命令，避免过期）。
装好后终端应能执行：
ollama--version能看到版本号再继续。
三、最小三步：拉模型 → 跑起来 → 停掉
1）拉取模型（示例名仅为演示）
ollama pull llama3.2pull会下载权重；体积很大，注意磁盘与网络。
2）交互运行
ollama run llama3.2看到提示符后可直接中文/英文对话。退出方式因终端而异，一般是Ctrl+D或输入/bye（以当前版本交互为准）。
3）查看本地已有模型
ollama list四、给「要写代码对接」的人：HTTP API 心智
Ollama 通常在本机提供 HTTP API（默认端口以你环境为准，常见为11434）。
对接前先在本机curl探活：
curlhttp://127.0.0.1:11434/api/tags能返回 JSON，说明服务在跑。
业务代码里常见的用法是：把你的应用当作客户端，把推理请求发到本机 Ollama；不要把密钥硬编码（本地亦建议走环境变量封装）。
五、和「云端 ChatGPT」怎么分工（工程直觉）
| 场景 | 本地 Ollama | 云端 API |
|---|---|---|
| 反复试 Prompt、怕敏感数据出网 | 更合适 | 需合规评估 |
| 追求最强主观智能与工具生态 | 不一定赢 | 往往更强 |
| 成本模型 | 硬件与时间 | 按 token 计费 |
很多团队采用敏感路径本地、其它云端的混合策略（仅为常见做法，不是标准答案）。
六、常见踩坑
- 第一次 pull 很慢：正常，权重体积大。
- 内存不够导致进程被杀：换更小模型或关其它占内存应用。
- 以为本地就一定保密：仍要注意日志落盘、截图、备份目录是否含对话内容。
总结
Ollama 的价值是把开源模型的试错成本压到命令行级别。
你先跑通pull/run/list，再考虑接到业务或 CI，节奏会稳很多。
你本机现在是Windows + WSL还是纯 macOS？