准备工作：驱动与硬件自检（0-15 分钟）

在动手安装软件之前，最容易被忽视却最关键的一步是确保你的 AMD 显卡驱动处于最新状态。Ryzen AI 和 Radeon GPU 的推理能力高度依赖底层驱动对 Vulkan 和 ROCm 指令集的支持。很多新手上来就直接装 Ollama，结果发现速度奇慢，往往是因为系统还在用几个月前的旧驱动。

请前往 AMD 官网下载 Adrenalin Edition 驱动程序。安装时建议选择“工厂重置”选项，以清除可能冲突的旧配置。安装完成后，重启电脑。

重启后，我们需要确认系统是否正确识别了统一内存架构。打开 PowerShell，输入以下命令检查显卡状态：

wmic path win32_VideoController get Name, DriverVersion, AdapterRAM

如果你看到 AMD Radeon Graphics 且显存数值巨大（通常显示为系统可用内存的一部分），说明硬件层面已经就绪。对于 Strix Halo 架构的设备，建议进入 BIOS 将 UMA Frame Buffer Size（显存分配大小）调整为 Auto 或最大值，确保大模型能吃到足够的内存带宽。这一步做完，地基就打牢了。

双方案部署：Ollama 与 LM Studio（15-40 分钟）

为了适应不同习惯的用户，我们准备了两条路径：喜欢命令行的极客选 Ollama，偏好图形界面的朋友选 LM Studio。两者在 Ryzen AI 平台上都能完美运行。

方案 A：Ollama 极速启动

Ollama 的优势在于轻量和服务化。访问官网下载 Windows 安装包，一路默认点击即可。安装结束后，打开终端验证安装：

ollama --version

接下来是核心步骤——拉取模型。考虑到新手体验，我们先从经典的 qwen2.5:7b 开始，它对中文支持极好且速度快。在终端执行：

ollama run qwen2.5:7b

首次运行会自动下载模型文件（约 4GB），进度条走完后直接进入对话界面。如果你发现启动时没有调用 GPU，可以尝试设置环境变量强制指定架构（针对部分新卡）：

$env:HSA_OVERRIDE_GFX_VERSION="11.0.3"
ollama serve

方案 B：LM Studio 可视化调试

如果你更想直观地看到显存占用和生成速度，LM Studio 是更好的选择。下载安装后，在左侧搜索栏输入 Qwen2.5 或 Llama3。

关键设置点：

1. 模型选择：推荐下载 GGUF 格式且量化等级为 Q4_K_M 的版本，这是速度与精度的最佳平衡点。
2. GPU 卸载：在右侧设置面板找到 GPU Offload，务必将滑块拉到底（Max）。在 Strix Halo 架构下，你应该能看到所有层（Layers）都显示为绿色，这意味着计算完全由 Radeon GPU 承担。
3. 上下文窗口：将 Context Length 设置为 8192 或更高，利用大内存优势处理长文本。

点击 Start Server，你会在顶部状态栏看到实时的 Token 生成速度。正常情况下，Ryzen AI 平台应能跑出 40+ tokens/s 的速度。

避坑指南与基础测试（40-60 分钟）

环境搭好了，最后一步是验证它是否真的“聪明”且“稳定”。新手常遇到的报错主要集中在显存溢出和后端识别失败上。

常见报错 1：模型加载崩溃或极慢

• 现象：点击运行后程序无响应，或速度跌至 2 tokens/s。
• 原因：通常是 GPU 卸载未开启，模型被迫在 CPU 上跑；或者量化版本过高（如 Q8）超出了显存限制。
• 解决：在 LM Studio 中确认 GPU Offload 已全开；尝试换用 Q4 或 Q5 量化版本的模型。

常见报错 2：Ollama 连接拒绝

• 现象：终端提示 connection refused。
• 解决：检查防火墙是否拦截了 ollama.exe，或尝试重启服务 ollama serve。

实战测试：逻辑与代码 现在，让我们给本地模型出道题。在对话框中输入：

“请用 Python 写一个递归函数计算斐波那契数列，要求包含类型提示和文档字符串，并解释每一步的逻辑。”

观察输出速度。在 Ryzen AI + Radeon GPU 的加持下，你应该能看到文字如流水般生成，几乎没有停顿。如果首字延迟（Time to First Token）在 0.5 秒以内，且生成速度稳定，恭喜你，你的私有 AI 工作站已经搭建成功！

这一刻起，你的代码、文档和数据将永远留在本地，不再需要担心云端隐私泄露。无论是断网的飞机上，还是保密的会议室里，这个随时待命的智能助手都将是你最可靠的生产力伙伴。