1. 为什么你需要关心Ollama环境变量？

如果你刚开始玩Ollama，可能觉得它开箱即用，点一下就能跑模型，挺省心的。但用久了，尤其是当你下载了五六个大模型，C盘空间开始“飘红”报警，或者想从另一台电脑访问你本地的模型服务时，你就会发现，默认配置有点不够用了。这时候，环境变量就是你的“瑞士军刀”。

简单来说，环境变量就像是给Ollama这个“员工”下达的一系列工作指令。它告诉Ollama：“你的模型库别放我C盘了，去D盘那个大仓库”、“别只在家里（localhost）待着，把门打开让局域网的小伙伴也能找你聊天”、“同时处理任务时别太贪心，留点内存给系统”。不设置这些，Ollama就按它自己默认的“公司章程”办事，可能就不太符合你的个性化“办公环境”。

我刚开始用的时候也没在意，直到有一天C盘只剩几个G，系统都开始卡顿，一查才发现Ollama默默地把几十GB的模型全塞进了C:\Users\...\AppData里。这就是为什么我们需要主动干预，通过环境变量来重新规划它的“工作习惯”。这不仅仅是改个路径那么简单，更是从“能用”到“好用”、“高效用”的关键一步，直接关系到你的磁盘空间、服务可访问性、响应速度，甚至是多任务并发的稳定性。

2. 基础准备：修改环境变量的通用操作指南

在开始调教Ollama之前，我们得先学会怎么给它“下达指令”。在Windows、macOS和Linux上，设置环境变量的方法略有不同，但核心思路是一样的：告诉系统一个变量名和对应的值，然后让Ollama在启动时读取它们。

Windows系统（图形化操作，最常用） 这是最直观的方式，适合绝大多数用户。首先，务必完全退出Ollama应用，包括系统托盘里的小图标，确保服务彻底停止。然后右键点击“此电脑”或“我的电脑”，选择“属性”，进入“高级系统设置”。在弹出的窗口右下角，点击“环境变量”按钮。

你会看到两个区域：“用户变量”和“系统变量”。简单理解，“用户变量”只对你当前登录的这个账户生效，而“系统变量”则对所有用户都生效。如果你电脑就你一个人用，在“用户变量”里新建就行；如果是公用电脑，想一劳永逸，就选“系统变量”。点击“新建”，在“变量名”里填入我们后面会讲到的特定名称（比如OLLAMA_MODELS），在“变量值”里填入你想要的路径或参数（比如D:\AI_Models\Ollama）。点击“确定”保存所有窗口。完成后，重新启动Ollama，它就会读取新的设置了。

macOS / Linux系统（终端命令操作） 对于macOS和Linux用户，我们通常在终端（Terminal）里通过修改shell配置文件来设置。常用的配置文件是~/.bashrc、~/.zshrc（取决于你用的shell）或者~/.bash_profile。

首先，同样确保Ollama服务已停止（在终端运行 ollama serve 的话，按 Ctrl+C 停止）。然后，用文本编辑器打开配置文件，比如用nano：

nano ~/.zshrc

在文件的末尾，添加你想要设置的环境变量，格式是 export 变量名=变量值。例如：

export OLLAMA_MODELS="/Volumes/External/ollama_models"
export OLLAMA_HOST="0.0.0.0"

添加完成后，保存并退出编辑器（在nano里是按 Ctrl+X，然后按 Y 确认，再回车）。最后，让配置立刻生效，执行：

source ~/.zshrc

现在再启动Ollama，它就会使用新的环境变量了。这种方法更灵活，也便于脚本化管理。

3. 核心环境变量详解与实战配置

了解了怎么设置，接下来我们一个个拆解那些最关键的环境变量，看看它们到底能帮你做什么。我会结合我实际踩过的坑和优化经验，告诉你每个变量怎么设最合理。

3.1 OLLAMA_MODELS：给你的模型库搬个家

这是最常用、也最刚需的一个变量。默认情况下，Ollama把所有下载的模型都存放在它的安装目录下。在Windows上，这个路径通常是 C:\Users\你的用户名\AppData\Local\Programs\Ollama；在macOS/Linux上，则在 ~/.ollama/models。对于动辄数GB甚至数十GB的大语言模型，这很快就会挤爆你的系统盘。

如何设置？ 变量名：OLLAMA_MODELS 变量值：一个你指定的、拥有足够空间的磁盘路径。

• Windows示例：E:\LLM\ollama_models
• macOS/Linux示例：/mnt/data_disk/ollama/models

实战注意点：

1. 路径权限：确保你设置的路径存在，并且Ollama进程有读写权限。在Linux上，可能需要用 chmod 命令调整一下目录权限。
2. 迁移已有模型：设置新路径后，Ollama不会自动把旧模型搬过去。你需要手动将原来 models 文件夹里的内容（通常是一些以模型名命名的文件夹和文件）复制到新路径下。否则，Ollama会在新路径重新下载。
3. 路径格式：Windows下使用反斜杠\或正斜杠/都可以，但避免使用中文或特殊字符。Linux/macOS下确保路径正确。

我自己的做法是，专门用一块高速固态硬盘（NVMe SSD）来存放模型库，路径设为 D:\AI_Workspace\Models。这样既释放了C盘压力，又因为SSD的快速读写，模型加载速度也有明显提升。

3.2 OLLAMA_HOST 与 OLLAMA_PORT：开放你的AI服务

默认情况下，Ollama服务只监听 127.0.0.1:11434。这意味着只有你本机的应用程序（比如Ollama WebUI、Open WebUI，或者你写的本地脚本）才能访问它。如果你想在家庭局域网内的另一台电脑、平板，甚至手机上的App来调用这个服务，就需要修改这两个变量。

OLLAMA_HOST：绑定监听地址

• 默认值：127.0.0.1 (只允许本机访问)
• 常用设置：0.0.0.0
• 作用：设置为 0.0.0.0 表示让Ollama监听所有可用的网络接口（网卡）。这样，同一局域网内的其他设备就能通过你电脑的IP地址来访问Ollama服务了。

OLLAMA_PORT：更换服务端口

• 默认值：11434
• 自定义示例：8080, 7860 (可以是你喜欢的任何未被占用的端口)
• 作用：有时默认端口可能被其他程序占用，或者你出于安全习惯想换个端口，就可以修改它。

组合使用实战： 假设你的电脑在局域网内的IP是 192.168.1.100，你设置了：

OLLAMA_HOST=0.0.0.0
OLLAMA_PORT=8080

那么，在同一局域网下的其他设备上，你就可以在浏览器或客户端中通过 http://192.168.1.100:8080 这个地址来访问你的Ollama API了。这在搭建私有化AI服务集群，或者想用iPad远程使用家里电脑的算力时非常有用。

安全提醒：将服务开放到局域网（0.0.0.0）意味着同一网络下的其他设备都能尝试连接。请确保你的家庭网络是可信的。切勿在公共网络环境下如此设置，否则有安全风险。对于公网暴露，需要更复杂的反向代理（如Nginx）和认证机制，这超出了基础环境变量的范畴。

3.3 OLLAMA_KEEP_ALIVE：平衡速度与内存的“热身”策略

这个变量非常有意思，它控制的是模型在回答完一个问题后，在内存中保持加载状态的时长。你可以把它理解为模型的“热身”或“待机”时间。

• 默认行为：如果不设置，模型在响应请求后，可能会很快从GPU/内存中卸载，以释放资源。
• 设置后：例如 OLLAMA_KEEP_ALIVE=24h，意味着模型在最后一次使用后，会在内存中保持加载状态长达24小时。

这对我们有什么实际影响？

• 优点（速度提升）：如果你频繁使用同一个模型（比如白天工作一直用 llama3.2 写代码），设置一个较长的 KEEP_ALIVE 时间（如 6h 或 -1），可以避免每次提问前漫长的模型加载等待。第二次及之后的请求会变得飞快，体验流畅。
• 缺点（资源占用）：大模型会持续占用显存和内存。如果你只有8GB显存，加载了一个7B模型后，可能就没多少剩余资源干别的了（比如玩游戏或跑其他AI任务）。-1 这个特殊值表示“永远保持加载”，除非你手动卸载模型。

我的调优建议： 根据你的使用模式来定。如果你是“重度单模型用户”，可以设置为 -1 或 12h。如果你是“轻度多模型尝鲜用户”，经常换着模型玩，那么不要设置这个变量，或者设一个较短的时间如 5m（5分钟），让系统能及时清理内存。我个人的经验是，为我的主力编码模型 deepseek-coder 设置 KEEP_ALIVE=8h，白天工作时间它一直处于待命状态，随叫随到，效率极高。

3.4 OLLAMA_NUM_PARALLEL：控制你的并发处理能力

这个变量决定了Ollama服务能够同时处理多少个推理请求。注意，是“同时处理”，而不是“同时加载多个模型”。

• 默认值：这个值通常取决于你的CPU核心数，是一个自动配置的值。
• 自定义设置：例如 OLLAMA_NUM_PARALLEL=2

它解决了什么问题？ 想象一下，你同时打开了两个聊天窗口，或者你写了一个脚本同时向Ollama发起两个问题。如果没有并发处理能力，第二个请求必须等第一个完全结束后才能开始，导致排队等待。设置了 NUM_PARALLEL 后，Ollama就能像多线程一样，同时处理多个输入流（尽管输出可能还是依次返回）。这对于搭建一个需要服务少量并发用户（比如2-3个团队成员）的轻量级API服务特别有用。

重要限制与理解：

1. 不等于同时运行多个模型：这个并发是针对同一个已加载模型的。它处理的是这个模型的请求队列。
2. 受硬件限制：并发数不是越大越好。如果你的GPU显存很小（比如6GB），同时处理两个7B模型的请求可能会直接导致显存溢出（OOM）。通常，对于消费级显卡，设置为 2 是一个比较安全且能提升体验的值。
3. 主要受益场景：小型团队共享服务、你自己多窗口/多任务同时提问。

3.5 OLLAMA_MAX_LOADED_MODELS：管理你的内存“客房”

如果说 NUM_PARALLEL 是管理一个房间里的“服务员”数量，那么 MAX_LOADED_MODELS 就是管理整栋楼里同时开放了多少个房间。它限制了Ollama可以同时将多少个不同的模型加载到内存（显存）中。

• 默认值：通常也是系统自适应的。
• 自定义设置：例如 OLLAMA_MAX_LOADED_MODELS=2

为什么要限制？ 显存是极其宝贵的资源。一个7B的模型，加载到显存可能就需要6-8GB。如果你有16GB显存，理论上能加载两个7B模型。但如果你不设限制，不小心同时加载了3个，系统就会崩溃。这个变量是一个安全阀，防止你无意中拖垮系统。

使用策略： 根据你的显存大小和常用模型尺寸来设定。一个简单的公式：MAX_LOADED_MODELS = 你的可用显存（GB） / 单个模型所需显存（GB），然后向下取整，再留出1-2GB给系统。例如，16GB显存，跑7B模型（约需8GB），可以设为 2。我通常就设为 2，这样我可以让 llama3.2 和 deepseek-coder 同时驻留内存，随时切换使用，又不会超载。

3.6 OLLAMA_ORIGINS：为Web UI加上“访问白名单”

当你使用像 Open WebUI、Ollama WebUI 这类第三方Web界面来访问Ollama时，浏览器会执行“跨域资源共享”（CORS）安全检查。如果Web UI的地址（如 http://localhost:3000）不在Ollama服务的允许来源列表中，浏览器就会阻止前端页面访问后端的Ollama API，导致连接失败。

OLLAMA_ORIGINS 就是用来配置这个“白名单”的。

• 默认值：通常为空或只允许本地。
• 常用设置：
  • * （星号）：允许所有来源访问。最方便，但安全性最低，仅建议在绝对可信的本地开发环境使用。
  • http://localhost:3000, http://127.0.0.1:8080：允许指定的多个来源。用逗号分隔。

典型应用场景： 你在一台服务器上部署了Ollama服务（http://server-ip:11434），同时在同一台服务器上用Docker运行了Open WebUI（http://server-ip:3000）。为了让WebUI能正常连接到Ollama，你需要设置：

OLLAMA_ORIGINS=http://server-ip:3000

如果WebUI和Ollama在同一台机器的不同端口，且通过localhost访问，通常也需要明确设置 http://localhost:3000。

4. 高级调优与组合使用案例

单独理解每个变量是第一步，真正的威力在于根据你的实际场景，将它们组合起来，形成一套定制化的配置方案。下面我分享几个我实际用过的配置案例。

场景一：家庭局域网内的AI工作站 目标：将高性能台式机作为AI服务器，供书房笔记本、客厅平板等多设备使用。

OLLAMA_MODELS=D:\AI_Storage\Models  # 模型存到大容量硬盘
OLLAMA_HOST=0.0.0.0                  # 开放给局域网
OLLAMA_PORT=11434                    # 端口可改可不改
OLLAMA_KEEP_ALIVE=3h                 # 保持3小时热身，平衡体验和内存
OLLAMA_NUM_PARALLEL=2                # 允许两人同时轻度使用
OLLAMA_MAX_LOADED_MODELS=2           # 根据显存决定，比如16G显存放两个7B模型
OLLAMA_ORIGINS=*                     # 临时允许所有来源，方便各种WebUI测试

配置要点：重点是 OLLAMA_HOST 开放网络，NUM_PARALLEL 提供基础并发。ORIGINS 设为 * 是为了快速测试，后期应替换为具体的WebUI地址以增强安全。

场景二：个人开发机，专注单模型深度使用 目标：个人电脑，主要用1-2个固定模型进行编程辅助和写作，追求极致响应速度。

OLLAMA_MODELS=E:\SSD_Models          # 存到高速SSD，加快加载
OLLAMA_HOST=127.0.0.1                # 只本地访问，安全
OLLAMA_KEEP_ALIVE=-1                 # 让主力模型常驻内存，秒级响应
OLLAMA_NUM_PARALLEL=1                # 个人使用，无需并发
OLLAMA_MAX_LOADED_MODELS=1           # 只保持一个模型在内存，节省资源

配置要点：KEEP_ALIVE=-1 是核心，牺牲一些内存换取零等待的流畅体验。配合SSD路径，让模型切换也很快。

场景三：轻量级团队共享测试服务器 目标：为一个小型团队（3-5人）提供一个共享的模型测试环境。

OLLAMA_MODELS=/data/ollama/models
OLLAMA_HOST=0.0.0.0
OLLAMA_PORT=8080                     # 改用非默认端口，避免冲突
OLLAMA_KEEP_ALIVE=30m                # 保持时间较短，避免闲置模型占用资源
OLLAMA_NUM_PARALLEL=3                # 支持少量并发请求
OLLAMA_MAX_LOADED_MODELS=3           # 根据服务器显存设置
OLLAMA_ORIGINS=https://internal.your-company.com  # 严格限制前端来源

配置要点：NUM_PARALLEL 和 MAX_LOADED_MODELS 需要根据服务器实际硬件精心调整。ORIGINS 必须设置为团队内部使用的确切Web UI地址，杜绝安全隐患。

5. 故障排查与常见问题

配置环境变量的过程很少一帆风顺，这里总结几个我遇到过的问题和解决方法。

问题1：设置了OLLAMA_MODELS，但模型还是下载到了默认路径。

• 检查步骤：
  1. 确认Ollama服务在修改环境变量后已完全重启。不仅仅是关闭窗口，要在任务管理器（Windows）或活动监视器（macOS）中确认进程已结束，再重新启动。
  2. 检查环境变量是否设置成功。在终端（Windows CMD或PowerShell）输入 echo %OLLAMA_MODELS%（Windows）或 echo $OLLAMA_MODELS（macOS/Linux），看是否输出你设置的路径。
  3. 确保你设置的是“用户变量”还是“系统变量”，以及你当前登录的账户是否有权限读写该路径。

问题2：设置了OLLAMA_HOST=0.0.0.0，但其他设备仍然无法访问。

• 检查步骤：
  1. 防火墙：这是最常见的原因。你需要在你电脑的防火墙规则中，允许 ollama 应用或你指定的端口（如11434）进行入站连接。
  2. IP地址：确保其他设备使用的是你电脑正确的局域网IP，而不是 localhost。在命令行输入 ipconfig（Windows）或 ifconfig/ip addr（Linux/macOS）查看。
  3. 服务监听状态：在服务器上运行 netstat -an | grep 11434（Linux/macOS）或 netstat -ano | findstr 11434（Windows），查看是否在 0.0.0.0:11434 或 :::11434 上有监听。

问题3：OLLAMA_KEEP_ALIVE设置了好像没效果，模型还是被卸载了。

• 理解与排查：
  1. KEEP_ALIVE 计时是从模型最后一次被使用开始计算的。如果期间有另一个请求使用了其他模型，或者系统内存压力极大，可能会影响其行为。
  2. 使用 ollama list 命令可以查看当前已加载的模型及其在内存中的状态。
  3. 尝试将值设得更大，比如 72h，或者设为 -1 进行测试，看是否是时间设置过短。

问题4：配置了多个环境变量后，服务启动报错或不稳定。

• 建议：采用“逐一排查法”。先注释掉或删除所有自定义环境变量，让Ollama以默认配置运行。然后，每次只添加一个最关心的变量（比如先只加 OLLAMA_MODELS），测试没问题后，再添加第二个。这样可以快速定位是哪个变量配置不当导致的问题。特别是 OLLAMA_NUM_PARALLEL 和 OLLAMA_MAX_LOADED_MODELS，如果设置值超过硬件承受能力，很容易引发崩溃。

环境变量的调整是一个动态的、与你的硬件和使用习惯深度绑定的过程。没有一套放之四海而皆准的“最佳配置”。最好的方法就是理解每个参数的含义，然后从默认值开始，根据实际遇到的瓶颈（是磁盘空间不足？是响应太慢？还是多人使用卡顿？）进行有针对性的调整。多尝试，多观察，你就能让Ollama这台“发动机”在你的硬件“底盘”上跑出最优状态。