title: 本地AI完全指南②踩了5个坑才跑通OllamaDeepSeek本地部署避坑指南照着做一次过tags: Ollama,Ollama安装,Ollama安装教程,本地AI,大模型部署,DeepSeek,DeepSeek本地部署,本地部署大模型,私有大模型,AI教程,Ollama下载慢,Ollama改存储路径category: 人工智能合规声明本文介绍 Ollama 及 DeepSeek 大模型的本地部署方法所用软件均为开源或官方发布的合法工具请读者在遵守所在地法律法规的前提下使用。本地AI完全指南②踩了5个坑才跑通OllamaDeepSeek本地部署避坑指南照着做一次过读完本文你就能在10分钟内跑通自己的第一个本地AI模型——不用显卡、不用折腾Python环境。第一次做 Ollama 安装的时候我卡了整整一个晚上——不是装不上是装上了但 DeepSeek 模型拉不下来本地部署的坑一个接一个。代理设置不对、11434端口被占、C盘空间不够、环境变量没生效、杀毒软件拦截……五个坑一个接一个踩过去。等 DeepSeek-R1 终于在终端里回我一句你好的时候已经凌晨两点了。那天我刚值完夜班回来本来想着装个软件能有多难结果硬是搞到半夜。后来帮三个同事装把踩过的坑全填了从头到尾照着做一次跑通。这篇就是那份流程。Win / Mac / Linux 全覆盖每个坑的解决方案都写好了。如果你正在做 DeepSeek 本地部署这篇帮你跳过我踩过的所有坑。本文解决什么问题✅Ollama 一键安装Win/Mac/Linux 全覆盖保姆级教程✅5 个必踩的坑 解决方案C盘爆红、代理拦截、端口占用、CUDA没装、杀毒拦截✅装完 跑起 DeepSeek-R1从 pull 到对话✅完整命令速查表建议收藏装完回来查✅常见报错速查CtrlF 搜报错信息就能找到这篇本系列导航← 上一篇为什么要把大模型搬回家 | 本篇Ollama安装| 下一篇模型选型指南 →目录先说结论Ollama 到底是什么装之前先看你的电脑够格吗Windows 安装保姆级5步搞定macOS 安装M芯片用户专属优势Linux 安装一行命令跑起第一个模型从零到对话Ollama 命令速查表收藏用我踩过的5个坑——你别再踩常见报错速查表下一篇预告1. 先说结论Ollama 到底是什么一句话Ollama 是大模型版的 Docker。你不需要去 HuggingFace 找模型文件、不需要手动配量化参数、不需要折腾 Python 环境——ollama pull下载ollama run启动跟docker pull/docker run一模一样的手感。功能说明一键拉取模型ollama pull deepseek-r1下载模型不用手动找 GGUF 文件一键运行模型ollama run deepseek-r1直接进入对话开箱即用自动量化自动选适合你硬件的量化版本不用纠结 Q4 还是 Q8API 服务自带 REST API端口 11434方便接各种前端界面模型管理ollama list/ollama rm像管 Docker 镜像一样管模型为什么选 Ollama 而不是 LM Studio / vLLM对比项OllamaLM StudiovLLM安装难度⭐一行命令⭐⭐下载安装包⭐⭐⭐⭐⭐需 Python 环境命令行操作✅ 原生支持❌ 主要是 GUI✅API 服务✅ 自带需手动开启✅模型库官方仓库pull直达需从 HuggingFace 下载需自行准备全平台Win / Mac / LinuxWin / Mac / LinuxLinux 为主结论95% 的人选 Ollama 就够了。这个系列后续所有文章全部基于 Ollama DeepSeek 本地部署展开。2. 装之前先看你的电脑够格吗先说结论不需要显卡8GB 内存就够。配置项最低要求推荐CPU4核 x86_64 / ARM648核以上内存8GB跑 7B 模型16GB 以上硬盘10GB 可用空间SSD50GBGPU不需要有 NVIDIA GPU 更好系统Win10/11、macOS 12、Ubuntu 20.04—花10秒检查一下你的机器Windows 用户打开 PowerShell# 查内存systeminfo|findstrTotal Physical Memory# 查硬盘Get-PSDriveCMac 用户打开终端# 查芯片和内存sysctl-nmachdep.cpu.brand_stringsysctl-nhw.memsize|awk{print int($1/1024/1024/1024) GB}Linux 用户free-hdf-h/ 如果你内存只有 8GB先跑deepseek-r1:1.5b1.1GB练手等熟悉了再跑 7B。本地部署大模型这事硬件门槛比你想的低——我同事用一台 8GB 的旧笔记本也跑起来了就是慢点。你的电脑能跑哪个模型对号入座你的配置推荐模型模型大小预期体验8GB 内存 / 无 GPUdeepseek-r1:1.5b1.1GB基础体验练手用16GB 内存 / 可选 GPUdeepseek-r1:7b4.7GB⭐日常推荐32GB / NVIDIA GPUdeepseek-r1:14b9GB效果更好响应更快 最低门槛8GB 内存不需要显卡。M 芯片 Mac 用户天然优势统一内存架构 Metal 加速同配置下速度比 PC 快 2-3 倍。3. Windows 安装保姆级5步搞定5步速览⬇️ 下载安装包 → 双击安装 → ✅ 验证版本 → 改存储路径重要→ 重启 Ollama方式一官方安装包推荐新手第1步下载访问 https://ollama.com/download 选 Windows下载OllamaSetup.exe约 200MB。第2步安装双击OllamaSetup.exe点 Install。全自动默认路径C:\Users\你的用户名\AppData\Local\Programs\Ollama。第3步验证打开 PowerShellollama--version看到ollama version is 0.x.x就成功了。第4步⚠️ 改模型存储位置强烈建议先做这步再下载模型默认模型存 C 盘一个 7B 模型就 4.7GB三个模型 C 盘就爆了。这是我踩的第一个坑——装完才发现 C 盘红了。⚠️这就是第8节说的坑1Ollama安装后默认把所有模型下载到C盘不修改存储路径的话两三个模型就能吃满。详细解决步骤见 第8节坑1。# 设置环境变量到 D 盘setx OLLAMA_MODELSD:\ollama\models# 然后必须重启 Ollama 服务# 任务栏右下角 Ollama 图标 → 右键 → Quit → 重新打开⚠️踩坑提醒改完环境变量不重启 Ollama模型还是下到 C 盘。我第一次就栽在这。那天值完夜班回家脑子不太清醒改了环境变量就没重启结果下了两个模型C盘直接红了。第5步可选winget 一行装如果你装了wingetWin11 自带直接winget install Ollama.Ollama4. macOS 安装M芯片用户专属优势方式一Homebrew推荐brewinstallollama装完验证ollama--version方式二官方安装包访问 https://ollama.com/download 选 macOS下载Ollama-darwin.zip解压后拖到「应用程序」。首次打开提示无法验证开发者时去系统设置 → 隐私与安全性点仍要打开。M 芯片用户你赚到了苹果 M1/M2/M3/M4 芯片跑本地部署大模型有天然优势优势说明统一内存架构CPU 和 GPU 共享内存模型加载无需拷贝Metal 加速Ollama 原生支持 Metal 框架推理速度快高内存带宽M系列芯片内存带宽远超同价位 PC实测我同事的 M1 MacBook Air16GB跑 DeepSeek-R1 7B速度约 15 token/s比我那台纯 CPU 办公本5 token/s快三倍。32GB 的 Mac mini 能流畅跑 14B体验比大部分 Windows 机器都好。5. Linux 安装一行命令方式一官方安装脚本推荐curl-fsSLhttps://ollama.com/install.sh-oollama-install.shcatollama-install.sh# 先查看脚本内容确认安全bashollama-install.sh⚠️ 安全提示不建议直接curl ... | sh管道执行先下载到本地查看后再运行更符合安全规范。这个脚本自动检测你的发行版Ubuntu / Debian / CentOS / RHEL安装对应版本。验证ollama--version如果上面命令失败手动安装# 下载二进制curl-Lhttps://ollama.com/download/ollama-linux-amd64-o/usr/local/bin/ollamachmodx /usr/local/bin/ollama# 创建 systemd 服务cat/etc/systemd/system/ollama.serviceEOF [Unit] DescriptionOllama Service Afternetwork-online.target [Service] ExecStart/usr/local/bin/ollama serve Userollama Groupollama Restartalways RestartSec3 [Install] WantedBydefault.target EOFsystemctl daemon-reload systemctlenableollama systemctl start ollamaGPU 用户如果有 NVIDIA 显卡装完 Ollama 后还需要装 CUDA toolkitapt install nvidia-cuda-toolkit否则 Ollama 只用 CPU 跑。这是我踩的第三个坑——以为装完 Ollama 就自动用 GPU 了跑了半天才发现 CPU 满载、GPU 睡觉心想我花两千块买的显卡在干嘛详见 第8节坑3。6. 跑起第一个模型从零到对话第1步拉取模型ollama pull deepseek-r1:7b首次下载约 4.7GB取决于网速一般 5-15 分钟。如果下载卡住或报connection refused跳转到 第8节坑2。模型大小参考模型大小最低内存适合谁deepseek-r1:1.5b1.1GB2GB8GB 内存练手deepseek-r1:7b4.7GB8GB日常推荐deepseek-r1:14b9GB16GB效果更好qwen2.5:7b4.7GB8GB中文表现优秀第2步运行ollama run deepseek-r1:7b看到提示符说明模型跑起来了。直接输入问题 你好用一句话介绍你自己模型回复类似这样首次加载需要几秒到几十秒取决于硬件 你好用一句话介绍你自己 think 用户让我用一句话介绍自己我需要简洁明了。 /think 你好我是 DeepSeek-R1一个由深度求索开发的大语言模型 可以帮你回答问题、写代码、做分析。有什么我能帮你的✅ 看到think标签是正常的——这是 DeepSeek-R1 的推理过程模型会先想一想再回答。后续接 OpenWebUI 界面时可以折叠这个部分。第3步试试这些操作 /bye # 退出对话 /show info # 查看模型信息 /clear # 清空对话历史第4步测试 API 服务Ollama 自带 REST API另开一个终端curlhttp://localhost:11434/api/generate-d{ model: deepseek-r1:7b, prompt: 用一句话解释什么是大模型, stream: false }看到 JSON 返回就说明 API 正常。后续接 OpenWebUI 等图形界面就靠这个 API。7. Ollama 命令速查表收藏用建议右键收藏本文装完回来查命令。这张速查表卡片 可以截图存手机里。终端命令命令作用示例ollama pull 模型名下载模型ollama pull deepseek-r1:7bollama run 模型名运行模型进入对话ollama run qwen2.5:7bollama list查看已下载的模型ollama listollama rm 模型名删除模型ollama rm deepseek-r1:1.5bollama show 模型名查看模型详情ollama show deepseek-r1:7bollama ps查看正在运行的模型ollama psollama stop 模型名停止运行中的模型ollama stop deepseek-r1:7bollama serve启动 API 服务后台常驻ollama serve对话中命令命令作用/bye退出对话/clear清空当前对话历史/show info查看当前模型信息/set system 提示词设置系统提示词/save 文件名保存当前会话8. 我踩过的5个坑——你别再踩⚠️这5个坑是我花了一整晚踩出来的。每个坑都标注了症状、原因、解决方案。如果你在 Ollama 安装或 DeepSeek 本地部署过程中卡住了直接对号入座。坑1模型全下到 C 盘红了症状装完 Ollama 直接ollama pull下完三个模型 C 盘满了系统提示磁盘空间不足。解决setx OLLAMA_MODELSD:\ollama\models# ⚠️ 重启 Ollama 服务不重启不生效# 任务栏右下角 Ollama 图标 → 右键 → Quit → 重新打开坑2代理没关模型拉不下来症状ollama pull报Error: pull model manifest: ... connection refused或下载进度一直卡在 0%。原因系统代理配置异常Ollama 下载走 HTTPS 直连被拦截或代理规则未放行registry.ollama.ai。解决# 方法1关闭系统代理后重新拉取最简单# Windows设置 → 网络和 Internet → 代理 → 关闭使用代理服务器# macOS系统设置 → 网络 → 代理 → 关闭对应代理# Linuxunset http_proxy unset https_proxy# 方法2为 Ollama 单独配置代理适合必须开代理的环境exporthttp_proxyhttp://127.0.0.1:端口号exporthttps_proxyhttp://127.0.0.1:端口号 ollama pull deepseek-r1:7b坑3装完以为自动用 GPU结果 CPU 满载症状有 NVIDIA 显卡但nvidia-smi显示 GPU 利用率 0%CPU 却满载。模型回复极慢 2 token/s。原因没装 CUDA toolkitOllama 只能走 CPU 推理。解决# Linuxaptinstallnvidia-cuda-toolkit# Windows去 NVIDIA 官网下载 CUDA Toolkit 安装包# https://developer.nvidia.com/cuda-downloads装完后重启 Ollama再跑ollama run用nvidia-smi确认 GPU 有负载。坑411434 端口被占症状ollama serve报bind: address already in useOllama 无法启动。解决# Windows 查谁占了端口netstat-ano|findstr11434# Mac/Linuxlsof-i:11434# 杀掉占用进程或改端口exportOLLAMA_HOST0.0.0.0:11435 ollama serve坑5杀毒软件拦截症状Windows 下 Ollama 安装完成后ollama命令找不到‘ollama’ 不是内部或外部命令或运行时弹 “Access Denied”。原因Windows Defender 或第三方杀软360、火绒等拦截了 Ollama 的可执行文件。解决把 Ollama 安装目录加入杀毒软件白名单。路径C:\Users\你的用户名\AppData\Local\Programs\Ollama同时将ollama.exe和ollama app.exe加入信任列表一句话这5个坑我花了一晚上踩完你看完这篇照着做就能一次跑通。如果还是卡住了去评论区把报错贴出来我来帮你看。9. 常见报错速查表提示用CtrlF搜你的报错信息直接定位解决方案。如果你遇到的报错下面没有评论区贴出来我补充进去。报错原文可直接搜索原因解决方案Error: pull model manifest: ... connection refused代理未放行 / 网络不通关代理或设https_proxy环境变量Error: pull model manifest: ... dial tcp: lookup registry.ollama.ai: no such hostDNS 解析失败换 DNS114.114.114.114或检查网络Error: model requires more system memory (8.0 GiB), but only 4.5 GiB available物理内存不足换小模型deepseek-r1:1.5b或关掉内存大户bind: address already in use11434 端口被占用杀进程见坑4或改OLLAMA_HOST端口C盘空间不足 /no space left on device模型默认存 C 盘setx OLLAMA_MODELS D:\ollama\models然后重启 Ollama模型回复极慢 2 token/sCPU 推理 内存不足用硬盘虚拟内存换小模型 / 关后台程序 / 装 GPU CUDAollama 不是内部或外部命令PATH 未生效或被杀软拦截重启终端检查杀软白名单见坑5ollama: command not found(Linux)PATH 未配好which ollama检查或export PATH$PATH:/usr/local/binGPU 利用率 0%nvidia-smi看不到 ollama 进程未装 CUDA toolkit装 CUDA toolkit见坑3重启 OllamaCUDA error: out of memory显存不足换小模型或设置OLLAMA_NUM_GPU0强制 CPUError: llama runner process has terminated: exit status 0xc0000135(Windows)缺少 VC 运行库下载安装 VC Redistributableollama: /lib/x86_64-linux-gnu/libc.so.6: version GLIBC_2.28 not foundLinux 系统太旧CentOS 7 / Ubuntu 18.04 常见升级系统或使用 Docker 运行 Ollama模型下载到一半卡住不动网络波动 / 代理超时CtrlC取消后重新ollama pull支持断点续传上表持续更新中。遇到了表中没有的报错评论区贴完整报错信息我看到后会补充到表里帮后面的读者少踩一个坑。10. 下一篇预告到目前为止你的本地 AI 已经能用了——但只能在命令行里对话黑底白字跟 ChatGPT 的体验差了十万八千里。下一篇我们装OpenWebUI——一个类似 ChatGPT 的网页界面。装完后你可以在浏览器里跟 AI 对话体验跟 ChatGPT 几乎一样上传文档、图片让 AI 帮你处理管理多个模型一键切换保存对话历史随时回看安装命令长这样dockerrun-d-p3000:8080 --add-hosthost.docker.internal:host-gateway\-vopen-webui:/app/backend/data--nameopen-webui--restartalways\ghcr.io/open-webui/open-webui:main一行命令打开浏览器localhost:3000你的本地 AI 就有了 ChatGPT 同款皮肤。我是 Ai_easygo。装 Ollama 这事我踩了5个坑花了一晚上这篇帮你一次跑通。关注我下一篇给本地 AI 装上 ChatGPT 同款界面告别黑底白字 ——评论区聊聊也方便我判断后续写什么方向 跑通了 → 你用的哪个模型速度怎么样 卡住了 → 贴报错信息我来帮你看 先收藏 → 最担心哪一步我看看要不要单独写一篇️发布时请添加标签「Ollama」「Ollama安装」「Ollama安装教程」「本地AI」「大模型部署」「DeepSeek」「DeepSeek本地部署」「本地部署大模型」「私有大模型」「AI教程」「Ollama下载慢」「Ollama改存储路径」以提升搜索曝光。系列导航#文章主题状态01为什么要把大模型搬回家✅ 已发02Ollama 安装完整指南✅ 本篇03模型选型哪些值得下哪些是坑⏳ 下一篇04OpenWebUI给本地AI套上ChatGPT同款界面 计划中05本地知识库 RAG 搭建实战 计划中06VS Code 本地模型打造免费Copilot 计划中07Ollama 进阶远程访问、并发、安全 计划中08实战项目搭建个人知识助手 计划中09实战项目批量文档处理自动化 计划中10从玩具到工具生产级部署检查清单 计划中
