新闻详情

新闻详情

首页 / 资讯中心 / 详情

【Cursor+Ollama+本地大模型】Windows

发布时间:2026/11/15 1:21:57来源:尧图网络
【Cursor+Ollama+本地大模型】Windows
下载安装Ollama并下载本地模型第一步下载Ollama官网下载https://ollama.com/download/windows第二步 安装1.双击OllamaSetup.exe2.点击 “Install”3.等待安装完成任务栏右下角出现 羊驼图标 即表示后台服务已启动验证安装按Win R→ 输入powershell→ 回车输入ollama --version显示版本号如ollama version 0.x.x即安装成功。第三步配置国内镜像源加速模型下载修改配置文件推荐永久生效1.按Win R输入%USERPROFILE%\.ollama回车2.在该文件夹中新建文本文件命名为config.json3.用记事本打开粘贴以下内容并保存{registry:{mirrors:{registry.ollama.ai:https://ollama.aliyuncs.com}}}4.右键任务栏羊驼图标 → Quit Ollama → 重新从开始菜单启动 Ollama注由于ollama没有界面可以通过底部系统托盘区域时间旁边的小箭头 ^ 里你会看到一个 小羊驼的图标。只要这个图标在就说明 Ollama 正在正常待机。或者网页打开http://localhost:11434如果页面显示 “Ollama is running”就证明它运行完美。第四步下载并运行开源模型1、打开PowerShell管理员身份2、可根据电脑配置下载适合的模型各模型的命令如下# 电脑8GB 内存 Qwen3:0.8b约1GBollama run qwen3:0.8b# 8-16GB 内存 Qwen2.5-Coder:3b约2GBollama run qwen2.5-coder:3b# 8-16GB 内存 Qwen2.5-Coder:7b约5GBollama run qwen2.5-coder:7b# 16GB 内存 DeepSeek-R1:8b约5GBollama run deepseek-r1:8b首次运行会自动下载模型等待进度条完成下载完成后自动进入对话界面直接输入问题即可聊天退出/bye建议迁移模型存储路径节省C盘空间\color{#FF0000}{建议迁移模型存储路径节省C盘空间}建议迁移模型存储路径节省C盘空间模型文件本质上是存储在电脑里的普通文件只是 Ollama 默认把它们放在了 C 盘。比如 7B 模型已经 5GB 了以后你肯定还会下载更多模型全部堆在 C 盘很容易导致 C 盘爆满电脑变卡。第一步把文件“搬”到D盘1、确保Ollama已经关闭\color{FF0000}{确保 Ollama 已经关闭}确保Ollama已经关闭右键右下角小羊驼图标 - 点击 Quit Ollama。【如果没有退出键可以ctrlaltdelete- 任务管理器结束ollama相关的任务】2、按键盘Win E打开文件管理器在地址栏输入%USERPROFILE%\.ollama回车。3、把这个文件夹里的 models 文件夹直接剪切不是复制然后粘贴到你的 D 盘比如粘贴到 D:\ 根目录下变成 D:\ollama\models。第二步给Ollama“指条新路”Ollama 现在还不知道你搬家了我们需要在系统里设个“路标”告诉它1、按键盘Win S搜索 “编辑系统环境变量” 并打开。2、在弹出的窗口右下角点击 “环境变量…” 按钮。3、找到中间的 “系统变量” 区域点击右下角的 “新建…”变量名OLLAMA_MODELS变量值D:\ollama\models 也就是你刚才把文件夹剪切过去的位置点击 “确定” 保存所有窗口。4、打开powershell输入ollama list验证迁移有刚下载的模型名称则迁移成功且后续下载的模型也会存在D盘第五步常用管理命令ollama list # 查看已下载的模型ollama ps # 查看正在运行的模型ollama stop 模型名 # 停止运行中的模型ollama rm 模型名 # 删除模型释放空间ollama pull 模型名 # 仅下载模型不运行cursor ollama 配置对接cursor默认是智能体模式需要先改回vscode的模式\color{FF0000}{cursor默认是智能体模式需要先改回vs code的模式}cursor默认是智能体模式需要先改回vscode的模式快捷键Ctrl Shift P打开命令面板输入Open Editor Window或者是Open IDE打开ide模式后可以手动在文件夹中新建一个文件夹作为项目打开项目安装cline1、按下键盘快捷键 Ctrl Shift X。2、此时屏幕的最左侧会弹出真正的插件扩展面板VS Code Extensions。3、在顶部的搜索框里输入Cline你应该就能看到作者为 saoudrizwan 的插件了点击 Install 安装。安装ollama1、打开cline选择Bring my own API key2、首次点击时它会让你选择 API Provider选择 Ollama。因为你的本地 Ollama 已经安装好了运行在 localhost:11434它会自动扫描到你的 qwen2.5-coder:3b 模型。3、验证由于3b太慢改到7b了
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉