---
title: 在 LobeChat 中使用 Ollama
description: 了解如何在 LobeChat 中使用 Ollama ，在你的本地运行大型语言模型，获得最前沿的 AI 使用体验。
tags:
  - Ollama
  - Web UI
  - API Key
  - Local LLM
  - Ollama WebUI
---

# 在 LobeChat 中使用 Ollama

<Image alt={'在 LobeChat 中使用 Ollama'} borderless cover src={'https://github.com/lobehub/lobe-chat/assets/17870709/f579b39b-e771-402c-a1d1-620e57a10c75'} />

Ollama 是一款强大的本地运行大型语言模型（LLM）的框架，支持多种语言模型，包括 Llama 2, Mistral 等。现在，LobeChat 已经支持与 Ollama 的集成，这意味着你可以在 LobeChat 中轻松使用 Ollama 提供的语言模型来增强你的应用。

本文档将指导你如何在 LobeChat 中使用 Ollama：

<Video alt={'在 LobeChat 中使用 Ollama的完整演示'} height={580} src="https://github.com/lobehub/lobe-chat/assets/28616219/c32b56db-c6a1-4876-9bc3-acbd37ec0c0c" />

## 在 macOS 下使用 Ollama

<Steps>
  ### 本地安装 Ollama

  [下载 Ollama for macOS](https://ollama.com/download?utm_source=lobehub\&utm_medium=docs\&utm_campaign=download-macos) 并解压、安装。

  ### 配置 Ollama 允许跨域访问

  由于 Ollama 的默认参数配置，启动时设置了仅本地访问，所以跨域访问以及端口监听需要进行额外的环境变量设置 `OLLAMA_ORIGINS`。使用 `launchctl` 设置环境变量：

  ```bash
  launchctl setenv OLLAMA_ORIGINS "*"
  ```

  完成设置后，需要重启 Ollama 应用程序。

  ### 在 LobeChat 中与本地大模型对话

  接下来，你就可以使用 LobeChat 与本地 LLM 对话了。

  <Image alt="在 LobeChat 中与 llama3 对话" height="573" src="https://github.com/lobehub/lobe-chat/assets/28616219/7f9a9a9f-fd91-4f59-aac9-3f26c6d49a1e" />
</Steps>

## 在 windows 下使用 Ollama

<Steps>
  ### 本地安装 Ollama

  [下载 Ollama for Windows](https://ollama.com/download?utm_source=lobehub\&utm_medium=docs\&utm_campaign=download-windows) 并安装。

  ### 配置 Ollama 允许跨域访问

  由于 Ollama 的默认参数配置，启动时设置了仅本地访问，所以跨域访问以及端口监听需要进行额外的环境变量设置 `OLLAMA_ORIGINS`。

  在 Windows 上，Ollama 继承了您的用户和系统环境变量。

  1. 首先通过 Windows 任务栏点击 Ollama 退出程序。
  2. 从控制面板编辑系统环境变量。
  3. 为您的用户账户编辑或新建 Ollama 的环境变量 `OLLAMA_ORIGINS`，值设为 `*` 。
  4. 点击`OK/应用`保存后重启系统。
  5. 重新运行`Ollama`。

  ### 在 LobeChat 中与本地大模型对话

  接下来，你就可以使用 LobeChat 与本地 LLM 对话了。
</Steps>

## 在 linux 下使用 Ollama

<Steps>
  ### 本地安装 Ollama

  通过以下命令安装：

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

  或者，你也可以参考 [Linux 手动安装指南](https://github.com/ollama/ollama/blob/main/docs/linux.md)。

  ### 配置 Ollama 允许跨域访问

  由于 Ollama 的默认参数配置，启动时设置了仅本地访问，所以跨域访问以及端口监听需要进行额外的环境变量设置 `OLLAMA_ORIGINS`。如果 Ollama 作为 systemd 服务运行，应该使用`systemctl`设置环境变量：

  1. 通过调用`sudo systemctl edit ollama.service`编辑 systemd 服务。

  ```bash
  sudo systemctl edit ollama.service
  ```

  2. 对于每个环境变量，在`[Service]`部分下添加`Environment`：

  ```bash
  [Service]
  Environment="OLLAMA_HOST=0.0.0.0"
  Environment="OLLAMA_ORIGINS=*"
  ```

  3. 保存并退出。
  4. 重载 `systemd` 并重启 Ollama：

  ```bash
  sudo systemctl daemon-reload
  sudo systemctl restart ollama
  ```

  ### 在 LobeChat 中与本地大模型对话

  接下来，你就可以使用 LobeChat 与本地 LLM 对话了。
</Steps>

## 使用 docker 部署使用 Ollama

<Steps>
  ### 拉取 Ollama 镜像

  如果你更倾向于使用 Docker，Ollama 也提供了官方 Docker 镜像，你可以通过以下命令拉取：

  ```bash
  docker pull ollama/ollama
  ```

  ### 配置 Ollama 允许跨域访问

  由于 Ollama 的默认参数配置，启动时设置了仅本地访问，所以跨域访问以及端口监听需要进行额外的环境变量设置 `OLLAMA_ORIGINS`。

  如果 Ollama 作为 Docker 容器运行，你可以将环境变量添加到 `docker run` 命令中。

  ```bash
  docker run -d --gpus=all -v ollama:/root/.ollama -e OLLAMA_ORIGINS="*" -p 11434:11434 --name ollama ollama/ollama
  ```

  ### 在 LobeChat 中与本地大模型对话

  接下来，你就可以使用 LobeChat 与本地 LLM 对话了。
</Steps>

## 安装 Ollama 模型

Ollama 支持多种模型，你可以在 [Ollama Library](https://ollama.com/library) 中查看可用的模型列表，并根据需求选择合适的模型。

### LobeChat 中安装

在 LobeChat 中，我们默认开启了一些常用的大语言模型，例如 llama3、 Gemma 、 Mistral 等。当你选中模型进行对话时，我们会提示你需要下载该模型。

<Image alt="LobeChat 提示安装 Ollama 模型" height="460" src="https://github.com/lobehub/lobe-chat/assets/28616219/4e81decc-776c-43b8-9a54-dfb43e9f601a" />

下载完成后即可开始对话。

### 用 Ollama 拉取模型到本地

当然，你也可以通过在终端执行以下命令安装模型，以 llama3 为例：

```bash
ollama pull llama3
```

<Video height={524} src="https://github.com/lobehub/lobe-chat/assets/28616219/95828c11-0ae5-4dfa-84ed-854124e927a6" />

## 自定义配置

你可以在 `设置` -> `语言模型` 中找到 Ollama 的配置选项，你可以在这里配置 Ollama 的代理、模型名称等。

<Image alt={'Ollama 服务商设置'} height={274} src={'https://github.com/lobehub/lobe-chat/assets/28616219/54b3696b-5b13-4761-8c1b-1e664867b2dd'} />

<Callout type={'info'}>
  你可以前往 [与 Ollama 集成](/zh/docs/self-hosting/examples/ollama) 了解如何部署 LobeChat
  ，以满足与 Ollama 的集成需求。
</Callout>
