【Ai教程】Ollma安装 | 0代码本地运行Qwen大模型，保姆级教程来了！

我们平时使用的ChatGPT、kimi、豆包等Ai对话工具，其服务器都是部署在各家公司的机房里，如果我们有一些隐私数据发到对话中，很难保证信息是否安全等问题，如何在保证数据安全的情况下，又可以使用大预言模型，Ollma(哦拉玛)可以告诉你答案！

这是一个保姆级的教程，从下载到成功运行Qwen2.5大模型，更适合没有玩过Ollma的小白宝宝哦~

文章目录

• 1. Ollma 是什么？
• 2. 安装教程

• 2.1 首先去官网下载
• 2.2 下载好之后安装
• 2.3 测试一下

• 3. 导入开源Qwen 2.5 - 0.5B 大模型

• 3.1 去模型仓库搜索模型
• 3.2 加载模型
• 3.3 使用模型

• 4. 部署webUI可视化对话

1. Ollma 是什么？

一句话介绍：一个可以让你在本地启动并运行大型语言模型的工具！

Ollma是一个开源的大模型服务工具，他可以让你在一行代码不写的情况下，在本地通过一条命令即可运行大模型。

Ollma会根据电脑配置，自动选择用CPU还是GPU运行，如果你的电脑没有GPU，会直接使用CPU进行运行(可能有点慢)

2. 安装教程

Ollma官网：[https://ollama.com/]

模型仓库：[https://ollama.com/library]

2.1 首先去官网下载

从主页点击下载，直接跳转到了当前系统所兼容的下载界面，点击download，一键下载

2.2 下载好之后安装

博主的电脑是Mac，下载好之后，直接把压缩包解压，然后移动到应用程序中即可，其他操作系统，参考这个文档：

 Windows 下的安装与配置

 Linux 安装Ollma

 Docker 安装 Ollma

下载好之后，打开，当这个帅气的小羊驼显示在你的任务栏中的时候，说明已经启动成功了！

2.3 测试一下

打开命令行，输入ollama -h看到以下界面，就可以进行下一步，操作了~

3. 导入开源Qwen 2.5 - 0.5B 大模型

3.1 去模型仓库搜索模型

我们在上面提到的Ollma模型仓库中找到最新的千问大模型

点进去，界面如下：

3.2 加载模型

将上面的命令复制到命令行，回车执行！等待下载

等进度100%了，即可使用模型

3.3 使用模型

在命令行中，即可开启与千问大模型的对话，看到这里，是不是感觉很简单，快去点个赞！

输入/bye方可结束对话。

都看到这里了，点个赞再走吧！码字实属不易呀。

4. 部署webUI可视化对话

本文使用FastAPI 部署Ollma可视化页面，简单4步即可

1、克隆仓库

登录后复制

git clone https://github.com/AXYZdong/handy-ollama

• 1.

克隆完成进入目标目录：

登录后复制

cd handy-ollama/notebook/C6/fastapi_chat_app

• 1.

2、安装依赖

登录后复制

pip install -r requirements.txt
pip install 'uvicorn[standard]'

• 1.
• 2.

3、修改app.py 代码

输入vim websocket_handler.py命令(确保你在fastapi_chat_app目录下先)更改model代码

登录后复制

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import ollama
from fastapi import WebSocket

async def websocket_endpoint(websocket: WebSocket):
    await websocket.accept()
    user_input = await websocket.receive_text()

    stream = ollama.chat(
        model='qwen2.5:0.5b',
        messages=[{'role': 'user', 'content': user_input}],
        stream=True
    )

    try:
        for chunk in stream:
            model_output = chunk['message']['content']
            await websocket.send_text(model_output)
    except Exception as e:
        await websocket.send_text(f"Error: {e}")
    finally:
        await websocket.close()

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.

4、运行模型

输入命令：

登录后复制

uvicorn app:app --reload

• 1.

浏览器打开：[http://127.0.0.1:8000]

即可开始对话：

点个赞再走吧！