Ollama 是一个开源框架，致力于让用户能够轻松在本地计算机上部署和运行大型语言模型（LLM）。其名称 “Ollama” 源自 Omni-Layer Learning Language Acquisition Model（全层次学习语言获取模型），代表一种创新的机器学习方法，有望重新定义我们对语言学习与自然语言处理的理解。

项目地址：https://ollama.com/dowload

Github地址：https://github.com/ollama/ollama

1.关键特性

• 本地执行：Ollama 的突出优势在于支持在本地运行大型语言模型（LLM），有效缓解了基于云服务时可能涉及的隐私顾虑。通过将 AI 模型直接部署于用户设备，Ollama 在提供更快响应速度、降低对外部服务器依赖的同时，也赋予用户更强的数据控制力与安全保障。
• 丰富的模型库：Ollama 提供多样化的预训练大语言模型库，涵盖诸如 Llama 3 等热门模型。用户可根据具体任务、应用场景及硬件条件，灵活选择最适合的模型。这种开放性设计确保了项目在不同需求下均能保持高度的适应性与多功能性。
• 无缝集成：Ollama 能够与多种开发工具、框架及编程语言无缝对接，帮助开发者轻松将 LLM 能力整合进现有工作流程。不论是 Python、LangChain 还是 LlamaIndex，Ollama 都提供了强大的集成选项，助力快速构建复杂的 AI 应用与解决方案。
• 定制与微调：Ollama 支持用户根据自身需求和偏好对模型进行定制与微调。无论是提示工程、少样本学习，还是完整的微调流程，Ollama 都赋予开发者灵活调整模型行为与输出的能力，确保模型表现与业务目标高度一致。

2.应用场景

• 创意写作和内容生成:作家和内容创作者可以利用Ollama来克服写作障碍，头脑风暴内容创意，并在不同体裁和格式中生成多样化和吸引人的内容。
• 代码生成和辅助:开发人员可以利用Ollama的能力进行代码生成、解释、调试和文档编写，简化他们的开发工作流程井提高代码质量。
• 语言翻译和本地化:Ollama的语言理解和生成能力使其成为翻译、本地化和多语言沟通的宝贵工具，促进跨文化理解和全球合作。
• 研究和知识发现:研究人员和知识工作者可以通过使用Ollama，从大量的信息中进行分析、整会积提联洞察，提高知识获取的效率。涌盖文献续述，数据分析，假设生成和知识提取等场会
• 客户服务和支持:企业可以部署由Ollama驱动的智能聊天机器人和虚拟助手，以增强客户服务，自动化常见问题解答，提供个性化的产品推荐，并分析客户反馈以提高满意度和参与度。
• 医疗保健和医疗应用:在医疗保健行业，Ollama可以协助医疗文档编写、临床决策支持、患者教育、远程医疗和医学研究，提升医疗保健效率。

3.安装（windows 系统）

第一步下载

进入官网下载页面(https://ollama.com/download)，选择 windows 版本下载

第二步安装

点击安装文件OlamaSetup.exe，可直接进行安装。默认情况下，会安装在 C 盘上，会占用 C 盘的存储空可通过以下方式，变更 olama 的安装路径。

打开 powershell，进入 OllamaSetup.exe，运行以下命令后(DIR 路径为安装路径，如"E:\developToolkit\ollama")，会出现安装弹框，点击Install，即可将 Ollama 安装到指定的路径。

OllamaSetup.exe /DIR="E:\developToolkit\ollama"

安装完成后，在 powershel 输入"ollama-v"，输出 Ollama的版本信息，说明已安装成功。

4.改变存储位置

要改变 Ollama 存储下载模型的位置(默认是存储在 ℃ 盘的用户目录，会占用C盘的大量存储空间)，可通过设置环境变量OLLAMA MODELS 的方式，设置大模型的存储位置。

• 启动设置(Windows 11)或控制面板(Windows 10)应用程序，并搜索环境变量。
• 点击为环境变量。点击新建一个系统变量。
• 编辑或创建一个新的变量OLLAMA_MODELS，指定希望模型存储的位置。
• 点击确定/应用以保存。

5.选择大模型

进入 Ollama 的模型页面，选择要运行的大模型:https://ollama.com/search

如何学习AI大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高

那么针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

学习路线

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓