Ollama 相关命令
2025-07-08
1109 字约 4 分钟
...Ollama 提供了多种命令行工具(CLI)供用户与本地运行的模型进行交互。
我们可以用 ollama --help 查看包含有哪些命令:
Large language model runner Usage: ollama \[flags\] ollama \[command\] Available Commands: serve Start ollama
create Create a model from a Modelfile show Show information for a model
run Run a model
stop Stop a running model
pull Pull a model from a registry
push Push a model to a registry
list List models
ps List running models
cp Copy a model
rm Remove a model
help Help about any command Flags: \-h, \--help help for ollama \-v, \--version Show version information
1、使用方法
-
ollama [flags]:使用标志(flags)运行 ollama。
-
ollama [command]:运行 ollama 的某个具体命令。
2、可用命令
- serve:启动 ollama 服务。
- create:根据一个 Modelfile 创建一个模型。
- show:显示某个模型的详细信息。
- run:运行一个模型。
- stop:停止一个正在运行的模型。
- pull:从一个模型仓库(registry)拉取一个模型。
- push:将一个模型推送到一个模型仓库。
- list:列出所有模型。
- ps:列出所有正在运行的模型。
- cp:复制一个模型。
- rm:删除一个模型。
- help:获取关于任何命令的帮助信息。
3、标志(Flags)
- -h, --help:显示 ollama 的帮助信息。
- -v, --version:显示版本信息。
1. 模型管理
拉取模型
从模型库中下载模型:
ollama pull <model\-name\>
例如:
ollama pull llama2
运行模型
运行已下载的模型:
ollama run <model\-name\>
例如:
ollama run llama2
列出本地模型
查看已下载的模型列表:
ollama list
删除模型
删除本地模型:
ollama rm <model\-name\>
例如:
ollama rm llama2
2. 自定义模型
创建自定义模型
基于现有模型创建自定义模型:
ollama create <custom\-model\-name\> \-f <Modelfile\>
例如:
ollama create my\-llama2 \-f ./Modelfile
复制模型
复制一个已存在的模型:
ollama cp <source\-model\-name\> <new\-model\-name\>
例如:
ollama cp llama2 my\-llama2\-copy
推送自定义模型
将自定义模型推送到模型库:
ollama push <model\-name\>
例如:
ollama push my\-llama2
3. 服务管理
启动 Ollama 服务
启动 Ollama 服务以在后台运行:
ollama serve
停止 Ollama 服务
停止正在运行的 Ollama 服务:
ollama stop
重启 Ollama 服务
重启 Ollama 服务:
ollama restart
4. 其他常用命令
查看帮助
查看所有可用命令:
ollama \--help
查看版本信息
查看当前安装的 Ollama 版本:
ollama version
更新 Ollama
更新 Ollama 到最新版本:
ollama update
查看日志
查看 Ollama 的日志信息:
ollama logs
清理缓存
清理 Ollama 的缓存:
ollama clean
5. 模型信息
查看模型详细信息
查看指定模型的详细信息:
ollama show <model\-name\>
例如:
ollama show llama2
查看模型依赖
查看模型的依赖关系:
ollama deps <model\-name\>
例如:
ollama deps llama2
查看模型配置
查看模型的配置文件:
ollama config <model\-name\>
例如:
ollama config llama2
6. 导入与导出
导出模型
将模型导出为文件:
ollama export <model\-name\> <output\-file\>
例如:
ollama export llama2 llama2.tar
导入模型
从文件导入模型:
ollama import <input\-file\>
例如:
ollama import llama2.tar
7. 系统信息
查看系统信息
查看 Ollama 的系统信息:
ollama system
查看资源使用情况
查看模型的资源使用情况:
ollama resources <model\-name\>
例如:
ollama resources llama2
8. 模型性能
查看模型性能
查看模型的性能指标:
ollama perf <model\-name\>
例如:
ollama perf llama2
9. 模型历史
查看模型历史记录
查看模型的历史记录:
ollama history <model\-name\>
例如:
ollama history llama2
10. 模型状态
检查模型状态
检查指定模型的状态:
ollama status <model\-name\>
例如:
ollama status llama2如果您觉得这篇文章有帮助,请点个赞吧~
相关文章
更多文章 →AI2026-09-01
Deep Agents 01:何为 Agent Harness,以及如何开始
1、本篇任务:完成一份多步骤、带证据的技术调研 普通客服 Agent 的问题短、工具少、输出即时。技术调研或编码任务会持续很久,产生计划、搜索结果、文件和中间结论。Deep Agents 在 LangChain/LangGraph 之上预装规划、虚拟文件系统、上下文压缩和子 Agent,适合这类开放任务。 本课让 Agent 比较两种向量数据库,并交付一份可验证报告。 2、什么时候需要 Deep Agent 满足以下两项以上再考虑:任务...
学习
AI2026-09-01
Deep Agents 02:子 Agent、虚拟文件系统与长期记忆
1、本篇任务:让主管只看结论,让子 Agent 处理细节 技术调研会产生几十次搜索和大量文件。如果全部进入主管上下文,真正的目标会被噪音淹没。本课用两个子 Agent: 收集证据, 检查结论;主管负责计划与最终合成。 2、什么时候委派,什么时候直接调用工具 适合委派:子任务有多步;需要专门提示或工具;会产生大量中间结果;只需返回有限结论。不适合:一步查询;主管需要全部中间上下文;协调成本超过任务本身。 3、配置专门子 Agent Pyt...
学习
AI2026-09-01
Deep Agents 03:生产化、Sandbox、权限与上线验收
1、本篇任务:让 Deep Agent 在隔离环境中分析代码 只读研究 Agent 风险有限;编码 Agent 需要读写文件、安装依赖和执行测试。本课不讲如何让模型写更漂亮的代码,只讲执行环境、权限、恢复和上线验收。 2、先做威胁模型 资产包括源代码、用户文件、云凭证、生产网络和发布权限;攻击入口包括用户消息、仓库内容、网页、依赖包、MCP 返回和命令输出。 Prompt injection 不是靠一句 system prompt 解决...
学习
AI2026-09-01
LangChain 01:全景、原理与学习路线
1、本篇学完要得到什么 这一篇只解决三个问题:LangChain 到底负责什么;它与 LangGraph、Deep Agents、LangSmith 是什么关系;后面应按什么顺序学习。 贯穿整套课程的项目是“退款政策与订单助手”。它最终能够:回答知识库中的退款规则;查询当前用户的订单;生成结构化答复;对真正的退款操作进行人工审批;断线后恢复;通过评测后发布。 先记住一句话: 模型负责理解与生成,应用负责数据、权限、状态和副作用。 如果把...
学习
AI2026-09-01
LangChain 02:模型、消息与结构化输出
1、本篇任务:让模型输出成为程序可以依赖的合同 上一课只证明 Agent 能运行。本课暂时不接业务工具,只完成一个“客服分诊器”:输入用户问题,输出意图、紧急程度、是否需要人工和给用户的答复。 本课的核心不是学更多模型参数,而是理解三层合同:消息决定模型看到了什么;schema 决定程序期待什么;业务校验决定结果是否真的可用。 2、消息不是一段字符串,而是一条执行记录 一次工具型对话通常包含四种消息: | 类型 | 由谁产生 | 作用...
学习
AI2026-09-01
LangChain 03:工具与 Agent——从函数到可控行动
1、本篇任务:让 Agent 安全地读取订单 上一课得到结构化分诊结果,但模型不知道真实订单。本课增加一个只读工具 ,走通完整 Agent 循环,并把模型、工具包装和领域服务的责任分开。 完成后,用户问“我的 A100 发货了吗”,Agent 会选择工具;工具只按当前登录用户查询;模型基于工具结果回答。它仍然不能退款,因为我们没有提供写工具。 2、工具的本质是受 schema 约束的应用函数 一个好工具需要:稳定名称、清楚描述、窄输入...
学习
评论
请登录后发表评论
去登录