本地大语言模型AI工具：Ollama
Ollama是一个强大的AI模型运行工具，开源地址：github/ollama。可以方便的在本地部署开源模型，避免数据泄露。
易于安装和使用：Ollama 支持 macOS、Windows 和 Linux，提供了简洁明了的安装和运行指令，让用户无需深入了解复杂的配置即可启动和运行。
丰富的模型库：通过Ollama，用户可以访问和运行包括 Llama 2、Mistral 和 Dolphin Phi 在内的多种大型语言模型。这为开发者和研究者提供了极大的便利。
高度可定制：Ollama 允许用户通过 Modelfile 定义和创建自定义模型，满足特定应用场景的需求。
优化的性能：即使在普通的个人电脑上，Ollama 也能通过优化运行效率，支持运行较小的模型，为用户提供实验和测试的环境。
1、下载安装
第一步先安装工具，官网：https://ollama.com/。Windows就选择安装对于的Windows版本。
直接下载安装即可。只是不能选择安装在哪个盘，下载的模型小的几个G，大的几十个G，默认都安装在C盘了。
2、运行模型
2.1、运行Ollama
安装完成之后，ollama run llama2 运行：
每个模型第一次使用都需要先下载，以通义千问模型为例：
# ollama run 模型名
ollama run qwen:7b时间可能有些长(需要科学加速)，后面再运行就不用下载了，直接进入对话环境。
2.2、模型下载
Ollama 提供很多模型，更多模型可以去官网查找下载：https://ollama.com/library。每个都有其特点和适用场景，可以根据自己的需求选择合适的模型进行使用。
Llama 2：这是一个预训练的大型语言模型，具有7B、13B和70B三种不同规模的模型。Llama 2增加了预训练语料，上下文长度从2048提升到4096，使得模型能够理解和生成更长的文本。
OpenHermes：这个模型专注于代码生成和编程任务，适合用于软件开发和脚本编写等场景。
Solar：这是一个基于Llama 2的微调版本，专为对话场景优化。Solar在安全性和有用性方面进行了人工评估和改进，旨在成为封闭源模型的有效替代品。
Qwen：这是一个中文微调过的模型，特别适合处理中文文本。它需要至少8GB的内存进行推理，推荐配备16GB以流畅运行。
不需要很强的显卡运行，即便在CPU上也能运行流畅、问答自如：
2.3、扩展界面*
本地终端的界面或许不友好，已经有很多围绕Ollama的扩展，比如github/open-webui 提供人性化的前端交互界面。
将Ollama部署在服务器上，在搭配这个前端，一个私有AI模型就搭建好了。Ollama 以其易用性、灵活性和强大的功能，为AI爱好者提供一个最简单方便的实现。
