ollama快速部署使用（windows版）
1、下载&安装
官网：Ollama，选择对于的操作系统，我这里使用windows进行操作。这里下载可能需要安全上网，下载好后直接安装即可使用。
2、验证安装
打开命令提示符或 PowerShell，输入以下命令验证安装是否成功：
ollama --version
3、修改ollama模型的存储位置
我的ollama安装位置：D:\ollama
模型默认下载位置：C:\Users\xxx\.ollama
首先在ollama安装的文件夹中创建一个ollamamodels文件夹，这个ollamamodels文件夹你也可以放在别的地方。
打开环境变量
在系统变量找到Path，点进去
将D:\ollama添加进去，点击确定。
然后在系统环境变量中点击新建
变量名为：OLLAMA_MODELS，地址为你上面创建存放模型的文件夹。这样下载的模型就会放在指定的文件夹中，不会占用c盘的空间。
4、ollama运行模型
ollama支持的模型：library
ollama服务启动：
ollama serveollama下载模型，这里以deepseek-r1:1.5b 为例：
ollama run deepseek-r1:1.5b 我这里已经下载好了，可以看到直接进入对话界面了
查看显存占了大概三个G
ollama操作比较简单，其他操作如下：
(base) PS C:\Users\windows> ollama -h
Large language model runnerUsage:ollama [flags]ollama [command]Available Commands:serve Start ollamacreate Create a model from a Modelfileshow Show information for a modelrun Run a modelstop Stop a running modelpull Pull a model from a registrypush Push a model to a registrylist List modelsps List running modelscp Copy a modelrm Remove a modelhelp Help about any commandFlags:-h, --help help for ollama-v, --version Show version informationUse "ollama [command] --help" for more information about a command.5、通过api调用ollama正在运行的模型
（1）通过requests来访问generate方法。
# pip install requests
import requests
import jsonOLLAMA_URL = "http://localhost:11434/api/generate" # Ollama 默认地址
MODEL = "deepseek-r1:1.5b"prompt = "用一句话介绍你自己"payload = {"model": MODEL,"prompt": prompt,"stream": False # 关闭流式，直接一次性返回
}resp = requests.post(OLLAMA_URL, json=payload, timeout=120)
print(resp.json()["response"])
（2）通过requests来访问chat方法：
import requests, jsonOLLAMA_CHAT = "http://localhost:11434/api/chat"
MODEL = "deepseek-r1:1.5b"messages = [{"role": "user", "content": "1+1=?"},{"role": "assistant", "content": "2"},{"role": "user", "content": "再加 3 呢？"}
]payload = {"model": MODEL,"messages": messages,"stream": False
}resp = requests.post(OLLAMA_CHAT, json=payload)
print(resp.json()["message"]["content"])
（3）通过langchain来访问
需要安装的依赖
pip install langchain langchain_communityfrom langchain_community.llms import Ollamallm = Ollama(model="deepseek-r1:1.5b", base_url="http://localhost:11434")
print(llm.invoke("用一句话介绍你自己"))
6、总结
ollama比较适合新手部署小一点的模型，操作简便，如果部署大一点的模型可以尝试使用：欢迎来到 Xinference！ — Xinference、vLLM - vLLM 文档，有问题可以评论区交流哈！！！