- 打开 WSL 终端，执行官方一键安装脚本：
curl -fsSL https://ollama.com/install.sh | sh - 验证安装是否成功：
ollama --version # 输出版本号（如ollama version 0.1.48）则安装成功
三、基础使用：运行 / 管理模型
1. 运行第一个模型（以 DeepSeek 为例）
Ollama 内置了主流模型的配置，直接执行模型名即可自动下载并运行：
ollama run deepseek # 自动下载DeepSeek模型并启动交互界面- 首次运行会下载模型文件（DeepSeek-7B 约 4GB），耐心等待；
- 下载完成后进入交互模式，输入问题即可对话（如：
介绍一下WSL）； - 退出交互：输入
/bye或按Ctrl + D。
2. 常用 Ollama 命令（模型管理）
| 命令 | 功能 |
|---|---|
ollama list | 查看已下载的模型 |
ollama pull deepseek | 单独下载模型（不运行） |
ollama rm deepseek | 删除指定模型 |
ollama stop deepseek | 停止运行中的模型 |
ollama serve | 后台启动 Ollama 服务（供 API 调用） |
四、进阶：开启 GPU 加速（WSL 2 专属）
默认 Ollama 使用 CPU 运行模型，开启 GPU 加速可大幅提升推理速度，步骤如下：
- 安装 WSL 版 NVIDIA 驱动：
- 先在 Windows 侧安装 NVIDIA 显卡驱动（需支持 WSL 2）：https://www.nvidia.com/Download/index.aspx
- WSL 内安装 CUDA 依赖（无需完整安装 CUDA，仅需运行时）：
sudo apt install nvidia-cuda-toolkit -y
- 验证 GPU 识别：
nvidia-smi # 输出显卡信息则GPU适配成功 - 重启 Ollama 服务，自动调用 GPU：
sudo systemctl restart ollama ollama run deepseek # 再次运行模型，会自动使用GPU
五、通过 API 调用 Ollama（开发集成）
Ollama 内置 REST API，可在 WSL 内或 Windows 侧调用：
- 后台启动 Ollama 服务：
ollama serve & # & 表示后台运行 - 调用 API 示例（curl 测试）：
curl http://localhost:11434/api/generate -d '{ "model": "deepseek", "prompt": "解释Ollama的核心优势" }' - Python 调用示例：
import requests url = "http://localhost:11434/api/generate" data = { "model": "deepseek", "prompt": "用Python写一个调用Ollama API的示例", "stream": False # 关闭流式输出，直接返回完整结果 } response = requests.post(url, json=data) print(response.json()["response"])
Docker 安装 web-ui 界面
version: '3.8' services: open-webui: image: ghcr.io/open-webui/open-webui:main container_name: open-webui restart: always ports: - "3000:8080" # 主机端口:容器端口，可自定义（如 8088:8080） extra_hosts: - "host.docker.internal:host-gateway" # 关键：让容器访问主机的 Ollama volumes: - ./data:/app/backend/data # 持久化数据（对话、配置、插件） - ./models:/app/models # 可选：挂载自定义模型目录 environment: - OLLAMA_BASE_URL=http://host.docker.internal:11434 # 指定 Ollama 地址 - LANGUAGE=zh-CN # 强制中文界面 - TZ=Asia/Shanghai # 时区配置（避免日志时间错乱）
