本地大模型部署：Ollama+Qwen2.5在Win11上的配置步骤详解
时间：2026-06-08 15:20
基于Ollama与Qwen2 5在Win11上实现本地大模型部署，无需独立显卡，保障隐私安全。详述Ollama安装、Modelfile配置、ModelScope下载GGUF及API调用流程，实测qwen2 5-3b 7b量化模型。
0、前言
先说几个核心判断：在本地部署大模型时，Ollama是目前最轻量的选择之一，配合Qwen2.5，在Win11上运行非常流畅。最吸引人的是——即使没有独立显卡也能流畅运行，数据隐私也能完全掌控在自己手中。本文将围绕以下几个关键点展开：Ollama的安装方法、Modelfile的配置方式、ModelScope的用途、Notebook的角色，以及如何通过API成功调用大模型。
通过这次部署实践，你将了解到：
-
Ollama 的功能定位，以及如何安装与使用；
-
Modelfile 的结构与配置方法；
-
ModelScope 在整个流程中的作用；
-
Notebook 在什么场景下能派上用场；
- 这些工具如何组合，部署成功后怎样通过API进行调用。
1、环境与准备
实践出真知，先展示一下我的实验环境配置：
- Win11：Windows 11 专业版 25H2
- CPU：Intel(R) Core(TM) i7-8750H CPU @ 2.20GHz (2.21 GHz)
- 内存：16.0 GB
- 显卡：GTX1050Ti（坦白说性能一般，本次实践中几乎没用到它）
- Ollama：0.17.7
- 大模型：
- qwen2.5-3b-instruct-q4_k_m
- qwen2.5-7b-instruct-q4_k_m
前置依赖检查
-
PowerShell（Win11系统自带即可满足需求）
-
Git（非必需，用于下载资源时更方便）
-
Python（仅在需要使用
ModelScope CLI时安装；如果直接从浏览器下载，可以跳过）
2、核心概念速览
2.1、模型文件名 qwen2.5-3b-instruct-q4_k_m.gguf 的含义解读
文件名通常格式为：
qwen2.5-3b-instruct-q4_k_m.gguf。
instruct 表示该模型经过了指令微调，非常适合对话交互场景；如果是
base 版本，则更适合文本续写或二次微调，直接用于对话效果较差。
1）
q + 数字：代表每个参数存储所用的 bit 数。
- 数字越小 = 模型文件越小 = 推理速度越快 = 智能程度略微降低；
- 数字越大 = 模型文件越大 = 推理速度越慢 = 理论上更聪明；
- 行业共识：4-bit（
q4）是性价比最高的选择，智能损失极小，但存储体积可以减少一半。
2）
k：表示使用了 K-quants 量化技术，相比传统的
q4_0 更加智能，压缩效率更高。
3）
m/s/l：分别代表 Small（小）、Medium（中）、Large（大）。
-
q4_k_s：体积更小，性能略微下降；
-
q4_k_m：标准版，平衡性最佳，推荐首选；
-
q4_k_l：体积更大，智能程度略高，但对显存的要求也相应提升。
2.2、Modelfile 的基本结构与含义
Modelfile 是 Ollama 的“核心配置文件”，它告诉系统模型的来源、对话方式以及输出风格。基本结构如下：
FROM
SYSTEM
PARAMETER
TEMPLATE
ADAPTER
PROJECTOR
MESSAGE
LICENSE
逐条解释如下：
-
FROM ：指定基础模型，这是必选项。
-
SYSTEM ：设置系统提示词，相当于为模型定义角色设定。
-
PARAMETER ：设定推理参数，例如温度、上下文长度等。
-
TEMPLATE ：定义对话模板格式，让模型理解用户消息的结构。
-
ADAPTER ：加载 LoRA 适配器文件，用于微调后的模型。
-
PROJECTOR ：加载多模态投影器，使模型能够处理图像输入。
-
MESSAGE ：预设对话示例，可用于 Few-shot prompting。
-
LICENSE ：声明模型的许可协议信息。
实际使用中，通常只需要以下三行即可：
FROM llama3
SYSTEM "你是个诗人"
PARAMETER temperature 0.8
2.3、Notebook 是什么？
虽然本文主要聚焦本地部署，但如果本地硬件资源确实不足（例如显存不够），ModelScope Notebook 是一个不错的云端备选方案——可以在线免费体验大模型，无需担心本地硬件限制。
2.4、运行大模型的通俗理解
可以把运行大模型类比为“搬家”，这样更容易理解：
- 量化等级（Quantization） = 家具打包压缩的程度，压得越紧箱子越小，但不能无限压缩；
- 推理框架 = 运输工具的选择，选对了搬运效率高且稳定；
- 上下文长度（Context Length）= 本次需要搬运的物品总量，记忆量越大，占用的空间也越大。
3、实战部署：安装与运行
3.1、安装 Ollama
前往 Ollama 官方网站下载安装包，一路默认安装即可。安装完成后，在终端输入版本号验证是否成功：
ollama -v
ollama version is 0.17.7
3.2、方式一：一键拉取（官方推荐）
这是最便捷的方式，无论是通过 Ollama 的图形界面还是命令行，一行命令即可完成：
ollama run qwen2.5:3b
自动完成下载、加载和运行，适合快速体验。
3.3、方式二：自定义导入（进阶）
如果需要更灵活地控制模型版本，例如使用自己下载的 GGUF 文件，需要按照以下步骤操作。
1）从 ModelScope 下载 GGUF 文件
以 Qwen2.5-3B-Instruct-GGUF 为例，这也是我实际部署的版本。你可以直接在浏览器中下载，找到类似
qwen2.5-3b-instruct-q4_k_m.gguf 的文件即可。
2）编写 Modelfile 文件
创建一个新文件，命名为
Modelfile，内容如下（注意路径需要替换为你电脑上的实际位置）：
FROM "G:\AI\Model\files\qwen2.5-3b\qwen2.5-3b-instruct-q4_k_m.gguf"
TEMPLATE """{{- if .Messages }}{{- range $i, $_ := .Messages }}{{- $last := eq (len (slice $.Messages $i)) 1 }}{{- if eq .Role "user" }}<|im_start|>user{{ .Content }}<|im_end|>{{ else if eq .Role "assistant" }}<|im_start|>assistant{{ .Content }}<|im_end|>{{ else if eq .Role "system" }}<|im_start|>system{{ .Content }}<|im_end|>{{ end }}{{- if $last }}<|im_start|>assistant{{ end }}{{- end }}{{- else }}{{- if .System }}<|im_start|>system{{ .System }}<|im_end|>{{ end }}{{ if .Prompt }}<|im_start|>user{{ .Prompt }}<|im_end|>{{ end }}<|im_start|>assistant{{ end }}"""
PARAMETER stop <|im_end|>
PARAMETER stop <|im_start|>
PARAMETER temperature 0.7
PARAMETER top_p 0.8
PARAMETER top_k 20
PARAMETER repeat_penalty 1.05
LICENSE """https://huggingface.co/Qwen/Qwen2.5-3B-Instruct/blob/main/LICENSE"""
如果只是为了快速测试，最简单的版本只需要一行：
FROM "F:\Downloads\qwen2.5-3b-instruct-q4_k_m.gguf"
不过极简配置在自问自答场景下几乎不可用，因此建议使用完整的配置。
3）创建模型
打开 PowerShell，切换到 Modelfile 所在目录，执行以下命令：
ollama create qwen2.5:3b -f Modelfile
或者使用绝对路径：
ollama create qwen2.5:3b -f G:\AI\Model\files\qwen2.5-3b\Modelfile
4）运行模型
ollama run qwen2.5:3b
运行后可以查看大模型的状态参数：
-
SIZE：占用内存大小；
-
PROCESSOR：如果显示
100% CPU，说明模型完全由中央处理器运行，没有启用显卡加速（我的显卡只有4GB显存，确实带不动）；
-
CONTEXT：当前会话保留的“记忆”长度（Token 数量），数字越大占用的内存也越多；
-
UNTIL：自动卸载倒计时，如果一段时间无人使用，Ollama 会在2分钟后自动将模型从内存中释放，以节省资源。
5）示例：Qwen2.5-7B 的配置
配置思路完全一致，仅需要更换模型文件路径：
FROM ./qwen2.5-7b-instruct-q4_k_m.gguf
TEMPLATE """{{- if .System }}<|im_start|>system{{ .System }}<|im_end|>{{- end }}<|im_start|>user{{ .Prompt }}<|im_end|><|im_start|>assistant"""
PARAMETER stop <|im_end|>
PARAMETER stop <|im_start|>
PARAMETER temperature 0.7
PARAMETER top_p 0.8
PARAMETER top_k 20
SYSTEM "你是一个有帮助的AI助手。"
4、通过API访问大模型
4.1、启动服务
ollama serve
默认情况下，Ollama 只允许本机连接。如果需要局域网内的其他设备访问，需要额外配置。在 Windows 环境下，按照提示修改环境变量或防火墙设置即可。
4.2、PowerShell 中测试接口
curl https://192.168.2.111:11434/api/generate -d "{\"model\": \"qwen2.5:3b\", \"prompt\": \"hello\"}"
curl https://192.168.31.87:11434/api/tags
注意将 IP 地址替换为你自己的局域网 IP。
4.3、后台运行技巧
Start-Process ollama -ArgumentList "run","qwen2.5:3b" -WindowStyle Hidden
这样模型就会安静地在后台运行，不干扰前台操作。
5、常用命令速查表
# 查看帮助
ollama -h
# 查看本地已下载的模型
ollama list
# 下载并运行模型
ollama run qwen2.5:3b
# 单次问答
ollama run qwen2.5:3b "你好，请介绍一下你自己"
# 删除模型
ollama rm <模型名>
# 启动后台服务
ollama serve
# 查看模型详情
ollama show <模型名>
# 查看正在运行的模型
ollama ps
# 停止模型
ollama stop qwen2.5:3b
6、附录与参考资料
6.1、文档资料链接
1）Ollama：官方官网和文档提供了详细的快速入门指南。
2）魔搭 ModelScope：可以找到各类模型的 GGUF 版本。
3）Python 3.11.9：如果使用 ModelScope CLI，需要安装相应版本。
6.2、ModelScope Pip 安装详解
# 安装 Python
python -V
Python 3.11.9
# 安装魔搭
pip install modelscope
# 下载完整模型库
modelscope download --model Qwen/Qwen2.5-3B-Instruct-GGUF
# 下载单个文件到指定本地文件夹（以下载 README.md 到当前路径下的 dir 目录为例）
modelscope download --model Qwen/Qwen2.5-3B-Instruct-GGUF README.md --local_dir ./dir
