大模型Ollama模型下载全流程：从安装到拉取模型避坑指南

在 Linux 服务器上使用 Ollama 下载大模型，核心操作就是安装 Ollama 后执行 ollama pull 模型名。
整个过程不需要 GPU 也能跑小参数模型，但下载速度、磁盘空间和模型存储路径是新手最容易卡住的三个点。
下面按实际执行顺序说明。

先确认服务器环境与磁盘空间

Ollama 官方提供 Linux 安装脚本，主流 x86_64 架构的 Ubuntu、Debian、CentOS 等发行版基本可用。
开始前先检查两项：

• 磁盘剩余空间：7B 量化模型通常需要数 GB 空间，可用 df -h 查看挂载点剩余容量，建议模型目录所在分区至少预留 20GB 以上。
• 内存与 CPU：纯 CPU 运行 7B 模型建议内存不低于 8GB，内存不足时模型加载会失败或极慢。

执行检查命令：

df -h
free -h
uname -m

如果 uname -m 输出 x86_64 或 aarch64，说明架构在支持范围内。

安装 Ollama 并启动服务

官方一键安装命令如下，执行后会创建 ollama 系统用户和 systemd 服务：

curl -fsSL https://ollama.com/install.sh | sh

安装完成后检查服务状态：

systemctl status ollama

看到 active (running) 表示服务已启动。
如果服务未运行，用 systemctl start ollama 启动，再用 systemctl enable ollama 设置开机自启。

下载模型：ollama pull 的实际用法

拉取模型用 ollama pull，例如下载一个常见的 7B 量化模型：

ollama pull qwen2.5:7b

命令执行后会显示下载进度，模型文件默认存放在 /usr/share/ollama/.ollama/models。
下载完成后可用以下命令确认模型已存在：

ollama list

输出中能看到模型名称和大小即表示下载成功。
接着用 ollama run qwen2.5:7b 进入交互对话，输入一句测试内容，能正常返回结果说明模型可运行。

如果服务器磁盘空间有限，建议在下载前修改模型存储路径。
编辑服务配置：

systemctl edit ollama

在打开的编辑器中加入：

[Service]
Environment="OLLAMA_MODELS=/data/ollama/models"

保存后执行 systemctl daemon-reload && systemctl restart ollama，再重新拉取模型。
注意 /data/ollama/models 目录需要提前创建并确保 ollama 用户有写权限。

下载慢、超时或失败的排查思路

国内服务器直连官方模型仓库可能速度很慢甚至超时，常见表现是 pull 卡在某个百分比或报连接错误。
可以按以下顺序排查：

• 先测试网络连通性：curl -I https://registry.ollama.ai，看是否能正常返回响应头。
• 检查磁盘是否已满：df -h，空间不足时下载会中断。
• 确认服务日志：journalctl -u ollama -n 50，日志里通常会写明具体错误原因。
• 如果只是速度慢，可以保持命令运行并观察进度，Ollama 支持断点续传，中断后重新执行同一条 ollama pull 会继续下载。

需要提醒的是，使用第三方镜像或代理源时要自行确认来源可信，不要随意执行来源不明的脚本。

验证与日常使用建议

下载完成后，建议做一次完整验证：ollama list 确认模型存在，ollama run 模型名 确认能对话，再检查服务是否开机自启。
日常使用时，如果模型较多，定期用 du -sh /usr/share/ollama/.ollama/models 查看占用，避免磁盘被占满影响其他服务。

对于刚接触大模型Ollama模型下载的读者，先跑通一个小参数模型，再根据内存和磁盘情况换更大模型，是更稳妥的路径。
遇到报错时优先看 journalctl 日志和磁盘空间，多数问题都能快速定位。