Ollama是一款轻量级的本地大模型运行工具，不用复杂的环境配置，敲几个命令就能跑起来各类AI模型——不管是日常聊天、写代码，还是自定义专属模型，都能轻松搞定。这篇文章从新手视角出发，把Ollama最核心的三个知识点讲透：常用命令行操作、上下文长度（Context Length）设置、自定义模型导入，全程大白话，跟着做就能上手。
一、先上手：Ollama核心命令行操作
Ollama的核心操作都在命令行（CLI）里，不用记太多，先掌握这些高频命令，就能解决80%的日常需求：
1. 基础模型运行
这是最常用的命令，直接启动模型并进入交互模式，像聊天一样使用AI：
ollama run gemma3 # 运行gemma3模型，替换成其他模型名即可
如果需要让模型分析图片（多模态模型），直接在命令里带上图片路径：
ollama run gemma3 "这张图片里有什么？/Users/xxx/Desktop/test.png"
要是想输入多行内容（比如大段代码、长文本），用"""包裹内容就行：
>>> """你好，
... 帮我写一段Python求和代码
... """
2. 集成工具启动
Ollama能对接OpenCode、Claude Code等编程助手，用launch命令就能配置并启动这些工具：
ollama launch # 交互式启动，按需选择要集成的工具
ollama launch claude --model qwen3-coder # 指定模型启动Claude Code
3. 模型管理（核心高频）
| 命令 | 用途 | 例子 |
|---|---|---|
ollama pull 模型名 |
下载模型到本地 | ollama pull gemma3 |
ollama rm 模型名 |
删除本地不用的模型 | ollama rm gemma3 |
ollama ls |
查看本地所有已下载的模型 | - |
ollama ps |
查看正在运行的模型（含显存、上下文长度） | - |
ollama stop 模型名 |
停止运行中的模型（释放内存） | ollama stop gemma3 |
ollama serve |
启动Ollama服务（后台运行） | - |
4. 自定义模型创建
如果想给模型设定专属角色（比如“开心的猫咪”），先创建一个Modelfile文件：
# Modelfile内容示例
FROM gemma3 # 基于gemma3基础模型
SYSTEM """你是一只开心的猫咪，说话要软萌"""
然后执行创建命令：
ollama create my-cat-model -f Modelfile # -f指定Modelfile路径
创建完成后，用ollama run my-cat-model就能启动这个自定义模型。
5. 其他实用操作
- 生成文本嵌入向量（用于语义检索）：
ollama run embeddinggemma "Hello world" - 登录/退出Ollama账号（用于分享模型）：
ollama signin # 登录 ollama signout # 退出
二、调优关键：Context Length（上下文长度）设置
很多新手用Ollama时会遇到“模型记不住长对话”“长代码分析出错”的问题，核心原因就是Context Length没调好。
1. 先搞懂：什么是Context Length？
Context Length（上下文长度）说白了就是模型能“记住”的对话/文本内容上限，单位是token（可以理解成最小文字单位：1个中文汉字≈1-2个token，1个英文单词≈1个token）。
Ollama默认是4096个token，日常聊天够用，但如果是做代码编写、网页搜索、智能代理（agents）这些需要大段上下文的任务，至少要调到64000个token。
⚠️ 注意：调大上下文长度会消耗更多显存（VRAM），如果你的电脑显卡显存不够，强行调大会导致模型运行卡顿甚至崩溃。
2. 两种设置方法（新手优先选第一种）
方法1：App端可视化设置（简单）
打开Ollama的图形界面，找到“设置”选项，里面有Context Length的滑块，直接拖动到想要的数值即可（比如64000），保存后生效。
方法2：命令行设置（适合服务器/无界面场景）
启动Ollama服务时，直接指定上下文长度：
OLLAMA_CONTEXT_LENGTH=64000 ollama serve
验证设置是否生效
执行ollama ps，查看输出中的CONTEXT列，数值就是当前生效的上下文长度；同时看PROCESSOR列，尽量保持“100% GPU”——如果显示CPU，说明模型被卸载到CPU运行，速度会变慢。
示例输出：
NAME ID SIZE PROCESSOR CONTEXT UNTIL
gemma3:latest a2af6cc3eb7f 6.6 GB 100% GPU 65536 2 minutes from now
三、灵活扩展：自定义模型导入
如果官方模型满足不了需求，比如想导入自己微调的模型、第三方模型，Ollama支持三种常见格式：Safetensors适配器、Safetensors完整模型、GGUF格式（轻量化）。
先看通用导入流程，一步都不会错：
flowchart TD
A[准备模型文件] --> B[创建Modelfile文件（核心）]
B --> C[执行ollama create构建模型]
C --> D[ollama run 测试模型是否可用]
D --> E{是否分享给他人？}
E -->|是| F[注册ollama账号+配置公钥]
F --> G[重命名模型（用户名/模型名）+ollama push]
E -->|否| H[本地直接使用]
1. 导入Safetensors适配器（微调后的轻量化文件）
适配器是基于基础模型的微调小文件（比如只调了“编程助手”功能），导入时必须匹配对应的基础模型：
步骤1：创建Modelfile
FROM gemma3 # 基础模型必须和创建适配器时用的一致
ADAPTER /Users/xxx/Desktop/my-adapter # 适配器文件所在目录
如果适配器和Modelfile在同一文件夹，直接写ADAPTER .即可。
步骤2：构建并测试模型
ollama create my-code-model # 构建模型
ollama run my-code-model # 测试是否可用
2. 导入Safetensors完整模型
如果是完整的Safetensors模型文件（不是适配器），导入更简单：
步骤1：创建Modelfile
FROM /Users/xxx/Desktop/my-safetensors-model # 模型文件所在目录
步骤2：构建并测试
ollama create my-full-model
ollama run my-full-model
3. 导入GGUF格式模型（低配硬件首选）
GGUF是轻量化格式，占用内存少，适合低配电脑。可以通过Llama.cpp工具把Safetensors模型转换成GGUF，也能直接从HuggingFace下载现成的。
导入GGUF完整模型
# Modelfile内容
FROM /Users/xxx/Desktop/my-model.gguf
导入GGUF适配器
# Modelfile内容
FROM gemma3 # 匹配基础模型
ADAPTER /Users/xxx/Desktop/my-adapter.gguf
构建测试
和前面一样，执行ollama create+ollama run即可。
4. 模型量化（低配电脑必看）
如果显卡显存不够，可通过“量化”牺牲一点点精度，换更快的运行速度：
# 把FP16格式的gemma3模型量化成q4_K_M（平衡速度和精度）
ollama create --quantize q4_K_M my-quant-model -f Modelfile
常用量化级别：q8_0（8位，精度高）、q4_K_M（4位，速度快）、q4_K_S（4位，超轻量化）。
5. 分享模型到ollama.com
如果想把自己的模型分享给别人，步骤很简单：
步骤1：注册并配置公钥
- 打开浏览器访问ollama.com/signup注册账号（用户名会作为模型名的一部分，比如
张三/my-model）； - 登录后进入ollama.com/settings/keys，找到本地Ollama公钥，复制粘贴到网页完成配置。
步骤2：重命名并推送模型
ollama cp my-model 张三/my-model # 重命名为“用户名/模型名”
ollama push 张三/my-model # 推送模型
其他人只需执行ollama run 张三/my-model，就能下载并使用你的模型。
Ollama的优势就是简单易上手，不用纠结复杂的环境配置，先把这些基础操作练熟，再慢慢探索高级玩法（比如多模型联动、自定义集成工具），很快就能玩转本地大模型。
