首先下载 Ollama

https://github.com/ollama/ollama/tree/main

安装完成之后，启动 ollma 对应的模型，这里用的是 qwen:7b

ollama run qwen:7b

命令与模型直接交互

我的机器配置是M2 Pro/ 32G，运行 7b 模型毫无压力，而且推理时是用 GPU 进行运算的，可能就是 Ollama 底层是用 llama C++ 实现的，底层做了性能优化，对 Mac特别友好。

• 纯C/C++实现，没有任何依赖
• Apple Silicon 支持 - 通过ARM NEON、Accelerate和Metal框架进行优化
• 对x86架构支持AVX、AVX2和AVX512
• 支持1.5位、2位、3位、4位、5位、6位和8位整数量化，以加快推理速度并减少内存使用
• 为NVIDIA GPU运行LLMs的自定义CUDA核心（通过HIP支持AMD GPU）
• 支持Vulkan、SYCL和（部分）OpenCL后端
• CPU+GPU混合推理，部分加速超过总VRAM容量的模型

下次再试试lammafile，就是前两天Google 那个女大神说跟比llama.cpp相比，她把 llamafile 的性能提高了 1.3x 到 5x。

API 调用Ollama

stream 参数控制是否是流式输出，非流式的速度会慢一些。
curl http://localhost:11434/api/generate -d ‘{
“model”: “qwen:7b”,
“prompt”: “你好”,
“stream”: true
}’

启动客户端访问本地 Ollama

首先把客户端代码 clone 到本地，这里我用的是 https://librechat.ai/ ，选择挺多的，Ollama github 仓库首页有个列表可以选择。

Clone 仓库

Docker env 配置
根目录下有个配置文件 .env.example，复制一个新的 .env，如果是本地运行，不对外服务，默认配置就可以。

Ollama 配置

配置 Ollama 的相关参数，将librechat.example.yaml复制一个到librechat.yaml，添加 ollama 的相关配置信息。
两个地方要注意修改一下

1. /opt/env开始路径要改为本机正确的位置。
2. Ollama API 的访问地址。

version: "3.4"# Do not edit this file directly. Use a ‘docker-compose.override.yaml’ file if you can.
# Refer to `docker-compose.override.yaml.example’ for some sample configurations.services:api:container_name: LibreChatports:- "${PORT}:${PORT}"depends_on:- mongodb- rag_apiimage: ghcr.io/danny-avila/librechat-dev:latestrestart: alwaysuser: "${UID}:${GID}"extra_hosts:- "host.docker.internal:host-gateway"environment:- HOST=0.0.0.0- MONGO_URI=mongodb://mongodb:27017/LibreChat- MEILI_HOST=http://meilisearch:7700- RAG_PORT=${RAG_PORT:-8000}- RAG_API_URL=http://rag_api:${RAG_PORT:-8000}volumes:- type: bindsource: /opt/env/docker/ollama/librechat.yamltarget: /app/librechat.yaml- type: bindsource: /opt/env/docker/ollama/.envtarget: /app/.env- /opt/env/docker/ollama/images:/app/client/public/images- /opt/env/docker/ollama/logs:/app/api/logsmongodb:container_name: chat-mongodbimage: mongorestart: alwaysuser: "${UID}:${GID}"volumes:- /opt/env/docker/ollama/data-node:/data/dbcommand: mongod --noauthmeilisearch:container_name: chat-meilisearchimage: getmeili/meilisearch:v1.7.3restart: alwaysuser: "${UID}:${GID}"environment:- MEILI_HOST=http://meilisearch:7700- MEILI_NO_ANALYTICS=truevolumes:- /opt/env/docker/ollama/meili_data_v1.7:/meili_datavectordb:image: ankane/pgvector:latestenvironment:POSTGRES_DB: mydatabasePOSTGRES_USER: myuserPOSTGRES_PASSWORD: mypasswordrestart: alwaysvolumes:- pgdata2:/var/lib/postgresql/datarag_api:image: ghcr.io/danny-avila/librechat-rag-api-dev-lite:latestenvironment:- DB_HOST=vectordb- RAG_PORT=${RAG_PORT:-8000}restart: alwaysdepends_on:- vectordbenv_file:- .envvolumes:pgdata2:

启动 librechat

docker-compose up -d

进入 librechat

浏览器进入http://localhost:3080/，选择 Ollama，模型 qwen:7b，很像 chatgpt。

Ollama 搭建完成，可以在本地使用模型了，我机器上可以比较顺畅的运行 qwen:14b。