Ollama 中最常用的命令有哪些？

Ollama 中最常用的命令有：ollama list、ollama pull、ollama rm 和 ollama run

Ollama 快速参考 - 最有用的命令 - 2026 更新

“之前曾整理过这份 Ollama 命令列表……”

以下是目前最有用的 Ollama 命令列表和示例（[Ollama 命令速查表](https://www.glukhov.org/zh-cn/post/2024/12/ollama-cheatsheet/ “ollama 命令速查表”）），我之前整理过，最后更新于 2026 年 1 月。希望这份列表对你也有帮助（对你有用）。

ollama cheatsheet

这份 Ollama 速查表主要聚焦于 CLI 命令、模型管理和自定义功能，但我们这里也包含了一些 curl 调用。

如果你正在比较不同的本地 LLM 主机解决方案，请查看我们的 Ollama、vLLM、LocalAI、Jan、LM Studio 等的全面比较。对于那些寻求命令行接口替代方案的人，Docker 模型运行器提供了另一种 LLM 部署方法。

安装

选项 1：从网站下载
- 访问 ollama.com 并下载适用于你的操作系统（Mac、Linux 或 Windows）的安装程序。
选项 2：通过命令行安装
- 对于 Mac 和 Linux 用户，请使用以下命令：

curl https://ollama.ai/install.sh | sh

按照屏幕上的提示操作，并在需要时输入密码。

系统要求

操作系统： Mac 或 Linux（Windows 版本正在开发中）
内存（RAM）： 最低 8GB，建议 16GB 或更多
存储： 至少 ~10GB 的免费空间（模型文件可能非常大，更多信息请参见 [将 Ollama 模型移动到不同驱动器](https://www.glukhov.org/zh-cn/post/2024/06/move-ollama-models/ “将 ollama 模型文件存储在另一个驱动器上”））
处理器： 一个相对较新的 CPU（过去五年内的）。如果你对 Ollama 如何利用不同 CPU 架构感兴趣，请参见我们对 Ollama 如何使用 Intel CPU 性能和高效核心的分析。

对于严肃的 AI 工作负载，你可能想比较硬件选项。我们已经对 NVIDIA DGX Spark 与 Mac Studio 与 RTX-4080 在 Ollama 上的性能进行了基准测试，如果你正在考虑投资高端硬件，我们的 DGX Spark 价格和功能比较提供了详细的成本分析。

基本的 Ollama CLI 命令

命令	描述
`ollama serve`	在你的本地系统上启动 Ollama。
`ollama create <new_model>`	从现有模型创建一个新模型，用于自定义或训练。
`ollama show <model>`	显示特定模型的详细信息，如其配置和发布日期。
`ollama run <model>`	运行指定模型，使其准备好交互。
`ollama pull <model>`	将指定模型下载到你的系统。
`ollama list`	列出所有下载的模型。与 `ollama ls` 相同
`ollama ps`	显示当前正在运行的模型。
`ollama stop <model>`	停止指定的正在运行的模型。
`ollama rm <model>`	从你的系统中删除指定模型。
`ollama help`	提供有关任何命令的帮助。

模型管理

下载模型：
```
ollama pull mistral-nemo:12b-instruct-2407-q6_K
```
该命令将指定模型（例如 Gemma 2B 或 mistral-nemo:12b-instruct-2407-q6_K）下载到你的系统。模型文件可能非常大，因此请注意模型在硬盘或 SSD 上使用的空间。你甚至可能想要将所有 Ollama 模型从你的主目录移动到另一个更大更好的驱动器。
运行模型：
```
ollama run qwen2.5:32b-instruct-q3_K_S
```
该命令启动指定模型并打开交互式 REPL 以进行交互。想了解 Ollama 如何管理多个并发请求？请阅读我们关于 Ollama 如何处理并行请求的详细分析。

列出模型：

ollama list

与以下命令相同：

ollama ls

该命令列出所有已下载到你的系统中的模型，例如：

$ ollama ls
NAME                                                    ID              SIZE      MODIFIED     
deepseek-r1:8b                                          6995872bfe4c    5.2 GB    2 周前     
gemma3:12b-it-qat                                       5d4fa005e7bb    8.9 GB    2 周前     
LoTUs5494/mistral-small-3.1:24b-instruct-2503-iq4_NL    4e994e0f85a0    13 GB     3 周前     
dengcao/Qwen3-Embedding-8B:Q4_K_M                       d3ca2355027f    4.7 GB    4 周前     
dengcao/Qwen3-Embedding-4B:Q5_K_M                       7e8c9ad6885b    2.9 GB    4 周前     
qwen3:8b                                                500a1f067a9f    5.2 GB    5 周前     
qwen3:14b                                               bdbd181c33f2    9.3 GB    5 周前     
qwen3:30b-a3b                                           0b28110b7a33    18 GB     5 周前     
devstral:24b                                            c4b2fa0c33d7    14 GB     5 周前

停止模型：
```
ollama stop llama3.1:8b-instruct-q8_0
```
该命令停止指定的正在运行的模型。

从 VRAM 释放模型

当模型加载到 VRAM（GPU 内存）中时，即使你完成使用它后，它仍会保留在那里。要显式地从 VRAM 释放模型并释放 GPU 内存，你可以向 Ollama API 发送一个请求，将 keep_alive 设置为 0。

使用 curl 从 VRAM 释放模型：

curl http://localhost:11434/api/generate -d '{"model": "MODELNAME", "keep_alive": 0}'

将 MODELNAME 替换为你的实际模型名称，例如：

curl http://localhost:11434/api/generate -d '{"model": "qwen3:14b", "keep_alive": 0}'

使用 Python 从 VRAM 释放模型：

import requests

response = requests.post(
    'http://localhost:11434/api/generate',
    json={'model': 'qwen3:14b', 'keep_alive': 0}
)

这在以下情况下特别有用：

你需要释放 GPU 内存供其他应用程序使用
你正在运行多个模型并希望管理 VRAM 使用
你已经完成使用一个大型模型并希望立即释放资源

注意： keep_alive 参数控制模型在最后一次请求后在内存中停留的时间（以秒为单位）。将其设置为 0 会立即从 VRAM 中卸载模型。

自定义模型

设置系统提示： 在 Ollama REPL 中，你可以设置一个系统提示以自定义模型的行为：
```
>>> /set system 对所有问题的回答请尽量用简单的英语，避免使用技术术语
>>> /save ipe
>>> /bye
```
然后，运行自定义模型：
```
ollama run ipe
```
这会设置一个系统提示并保存模型供以后使用。
创建自定义模型文件： 创建一个文本文件（例如，custom_model.txt），内容如下：
```
FROM llama3.1
SYSTEM [在此处输入你的自定义指令]
```
然后，运行：
```
ollama create mymodel -f custom_model.txt
ollama run mymodel
```
这会根据文件中的指令创建一个自定义模型。

使用 Ollama 处理文件

从文件中总结文本：
```
ollama run llama3.2 "将此文件的内容总结为 50 字。" < input.txt
```
该命令使用指定的模型对 input.txt 的内容进行总结。
将模型响应记录到文件中：
```
ollama run llama3.2 "告诉我关于可再生能源的信息。" > output.txt
```
该命令将模型的响应保存到 output.txt 中。

常见使用场景

文本生成：

总结大文本文件：

ollama run llama3.2 "总结以下文本：" < long-document.txt

生成内容：

ollama run llama3.2 "写一篇关于在医疗保健中使用人工智能的好处的短文。" > article.txt

回答特定问题：

ollama run llama3.2 "人工智能的最新趋势是什么，它们将如何影响医疗保健？"

数据处理和分析：
- 将文本分类为积极、消极或中性情感：
```
ollama run llama3.2 "分析这条客户评论的情感：'产品很棒，但送货很慢。'"
```
- 根据预定义的类别对文本进行分类：使用类似的命令根据预定义的标准对文本进行分类或归类。

使用 Ollama 与 Python

安装 Ollama Python 库：
```
pip install ollama
```

使用 Python 生成文本：

import ollama

response = ollama.generate(model='gemma:2b', prompt='什么是量子比特？')
print(response['response'])

这个代码片段使用指定的模型和提示生成文本。

对于高级 Python 集成，请查看使用 Ollama 的 Web 搜索 API 在 Python 中，该内容涵盖了 Web 搜索功能、工具调用和 MCP 服务器集成。如果你正在构建 AI 驱动的应用程序，我们的 AI 编程助手比较可帮助你选择适合开发的工具。

寻找基于网络的界面？Open WebUI 提供了具有 RAG 功能和多用户支持的自托管界面。对于高性能生产部署，请考虑 vLLM 作为替代方案。

Ollama 快速参考 - 最有用的命令 - 2026 更新

安装

系统要求

基本的 Ollama CLI 命令

模型管理

从 VRAM 释放模型

自定义模型

使用 Ollama 处理文件

常见使用场景

使用 Ollama 与 Python

有用的链接

替代方案和比较

性能和硬件

集成和开发

配置和管理