在Ubuntu 20.04上安装Ollama并部署大型语言模型：含Open WebUI图形界面教程

---

引言

在人工智能浪潮席卷全球的今天，大型语言模型（LLM）不再是遥不可及的云端技术。借助 Ollama，每一位开发者都能轻松地将强大的模型部署在自己的本地计算机上，实现无缝、私密且可定制的AI体验。本文将带领您一步步在 Ubuntu 20.04 系统上完成 Ollama 的安装与模型部署，并最终搭建美观易用的图形化界面（Open webui）。

Ollama 是什么？

Ollama 是一个开源项目，专为在本地运行、管理和部署大型语言模型（如 Llama 3、Mistral、Gemma 等）而设计。

它的核心概念与优势非常清晰：

• 简单易用：通过简单的命令行工具，即可完成模型的下载（pull）、运行（run）和管理。一条命令就能启动与模型的对话。
• 丰富的模型库：它提供了官方支持的模型库（Ollama Search），包含deep-seek、qwen等数十种经过优化的大型语言模型，满足从代码生成到创意写作的各种需求。
• “开箱即用”：它自动处理了模型运行所需的大部分复杂配置和环境依赖，用户无需关心繁琐的底层细节。

展示 Ollama 使用效果

想象一下，在您的终端中，直接与一个几十亿参数的大模型进行流畅的对话和代码编写，是一种怎样的体验？以下是在 Ubuntu 终端中运行 ollama run deepseek-coder:6.7b 后的截图：

本地部署语言模型的好处与局限性

选择在本地运行 Ollama，意味着选择了一种新的 AI 交互方式，但它也并非完美无缺。

优势 (Benefits)

• 数据隐私与安全：您的所有对话提示（Prompts）和模型生成的内容完全在本地处理，不会离开您的计算机。这对于处理敏感代码、商业数据或个人信息的用户至关重要。
• 完全离线可用：一旦模型下载完成，您就无需依赖互联网连接或担心API服务宕机，可以在任何没有网络的环境中使用。
• 可定制性：您可以尝试各种不同规模和专长的模型，甚至可以根据需要加载自定义模型（Modelfiles），灵活性远超固定的云端API。
• 无使用成本：除了电费和硬件成本外，没有按次收费或订阅费用，您可以无限次地与模型交互。

局限性 (Limitations)

• 硬件要求高：本地部署对计算机硬件，尤其是内存（RAM）和显存（VRAM） 有较高要求。运行大型模型可能需要数十GB的资源。
• 性能差异：虽然本地推理延迟低，但模型的能力和响应速度通常无法与 OpenAI GPT-4 这类顶级付费API相提并论，尤其是在复杂推理任务上。
• 知识陈旧：本地部署的模型知识库是静态的，其知识截止日期取决于它被训练的时间点，无法像一些云端模型那样实时获取最新信息。

环境准备

设备信息

lsb_release -a

检查储存空间及显存大小

• 储存空间至少预留十几G，因为一个模型的大小都在几个G左右
• 检查显存大小，显存大小决定了能运行模型的参数量

nvidia-smi

Ollama 下载与安装

1. 下载链接：

• 官网: https://ollama.com/
• GitHub: https://github.com/ollama/ollama

2. 运行安装脚本：

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

3. 管理Ollama服务：

# 启动 Ollama 服务
sudo systemctl start ollama

# 停止 Ollama 服务
sudo systemctl stop ollama

# 重启 Ollama 服务
sudo systemctl restart ollama

# 设置开机自启
sudo systemctl enable ollama

# 查看服务日志
sudo journalctl -u ollama -f

4. 常用Ollama命令：

# 查看所有命令帮助
ollama --help

# 运行模型（如果不存在会自动下载）
ollama run <model-name>

# 运行模型并直接提问
ollama run <model-name> "你的问题"

# 拉取（下载）模型
ollama pull <model-name>

# 列出已下载的模型
ollama list

# 删除模型
ollama rm <model-name>

# 查看已下载模型的详细信息
ollama show llama3

# 查看模型配置
ollama show llama3 --modelfile

---

Ollama 部署并运行模型

现在 Ollama 已经安装完成，接下来是下载和运行各种大型语言模型

查看可用模型

• 通过命令行查看

# 查看本地已下载的模型
ollama list

• 通过模型库查看
  访问Ollama官方的模型库：模型库，选择自己感兴趣的模型，注意参数量大小，一般先选择参数少一些的模型进行试验
  

下载模型

下载并运行deepseek-r1:7b模型

ollama run deepseek-r1:7b

运行模型

如果已经下载了deepseek-r1:7b，就不会重复下载而是启动命令行交互对话

ollama run deepseek-r1:7b

对话控制命令

在交互模式下，可以使用一些特殊命令：

# 退出对话
/bye
或者按 Ctrl + D

# 清空对话上下文（开始新对话）
/clear

设置参数

可以调整模型生成参数以获得不同效果：

# 设置温度（控制随机性，0-1）
ollama run deepseek-r1:7b --temperature 0.7

# 限制输出token数量
ollama run deepseek-r1:7b --num-predict 100

# 指定随机种子（确保可重复性）
ollama run deepseek-r1:7b --seed 42

安装Open WebUI 图形化界面

虽然命令行交互已经很强大，但对于日常使用来说，一个美观的图形界面能极大提升体验。Open WebUI（原名 Ollama WebUI）提供了一个类似 ChatGPT 的现代化 Web 界面，让您可以通过浏览器与本地模型进行交互。

Open WebUI 是什么？

Open WebUI 是一个功能强大的开源 Web 界面，专为 Ollama 和其他本地语言模型设计。它具有以下特点：

• 类ChatGPT体验：熟悉的聊天界面，支持多轮对话、对话历史管理
• 多模型支持：轻松切换不同的语言模型
• 可视化操作：图形化的模型管理和设置界面
• 高级功能：支持 RAG（检索增强生成）、文档上传、角色预设等
• 多用户支持：可注册多个账户，每个用户有自己的对话历史
• 完全本地化：所有数据仍然保存在本地，保障隐私安全

先决条件：安装 Docker

Open WebUI 通过 Docker 容器部署，因此需要先安装 Docker。参考以下安装教程Ubuntu 20.04 安装Docker 全过程

启动Docker 服务

# 确保Docker服务已启动
sudo systemctl start docker
sudo systemctl enable docker

# 检查Docker服务状态
sudo systemctl status docker

使用 Docker 一键部署 Open WebUI

安装好 Docker 后，只需一条命令即可部署 Open WebUI：

docker run -d --network="host" -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

部署完成后，检查容器状态：

docker ps

访问并使用Open WebUI

容器正常运行后，即可通过浏览器访问：

1. 打开浏览器，访问：http://localhost:8080
2. 首次注册：

• 点击 “Sign Up” 注册新账户
• 输入邮箱和密码（无需真实邮箱，仅用于本地识别）
• 确认密码并完成注册

3. 登录系统：

• 使用刚才注册的邮箱和密码登录
• 首次登录会自动检测本地的 Ollama 服务

4. 开始使用：

• 在左侧模型选择器中选择要使用的模型（如 llama3）
• 在输入框中开始对话
• 右侧可以查看对话历史、切换模型、调整参数等