Ollama 模型管理
本章节我们将讲解 Ollama 的模型管理命令：拉取、查看、复制、删除，以及模型在内存中的驻留机制。
拉取模型：ollama pull
pull 命令只下载模型不进入对话，适合提前把模型准备好。
下载默认标签（latest）:
ollama pull qwen3.5下载指定规格标签:
ollama pull qwen3.5:4b执行后会看到标准的下载流程输出：
$ ollama pull qwen3.5:4b
pulling manifest
pulling 87497c5f0e8f... 100% |████████████████████| 3.4GB
verifying sha256 digest
writing manifest
success下载中断不需要从头再来，Ollama 按层校验存储，重新执行同一命令会自动续传未完成的层。
另外要说明的是，ollama run 内置了 pull 逻辑：首次运行一个模型时，下载和加载会自动完成，所以日常使用中经常不需要单独 pull。
不同规格标签对应的是官方预先做好的不同模型文件，pull 时不能额外指定量化精度。想自己把大模型压成小体积，需要用 create 命令做量化，这属于 Modelfile 定制章节的内容。
查看本地模型：list 与 show
list 列出本地所有模型及磁盘占用，是最常用的盘点命令。
列出本地模型:
ollama list例如：
$ ollama list
NAME ID SIZE MODIFIED
qwen3.5:0.8b 9e3f4b3a1c2d 1.0GB 5 minutes ago
qwen3.5:4b b1c7d9e2f3a4 3.4GB 2 days ago
qwen3.5:latest a8b2c9d3e4f5 6.6GB 2 hours ago四列分别是模型名、版本指纹、磁盘占用和最后修改时间，磁盘告急时按 SIZE 列排查最直接。
想深入看某个模型的细节，用 show 命令：
# 查看模型详情：能力、参数、系统提示词、许可证等
ollama show qwen3.5show 能回答几个典型问题：这个模型支持哪些能力（对话、视觉、工具调用）、默认生成参数是什么、系统提示词写了什么、上下文窗口多大。
它还有一个进阶用法，把模型的完整配置导出成 Modelfile：
实例
# 导出模型配方，可基于它修改后重建自己的模型
ollama show --modelfile qwen3.5这个"查看配方 - 修改 - 重建"的玩法，会在 Modelfile 定制章节完整展开。
查看运行中的模型：ollama ps
list 看的是磁盘，ps 看的是内存：谁被加载了、占了多少、什么时候卸载。
实例
# 列出当前加载在内存/显存中的模型
ollama ps$ ollama ps
NAME ID SIZE PROCESSOR CONTEXT UNTIL
qwen3.5:9b a8b2c9d3e4f5 9.6GB 100% GPU 131072 4 minutes from now各列含义如下：
| 列名 | 含义 |
|---|---|
| NAME / ID | 模型名与版本指纹，与 list 一致 |
| SIZE | 该模型当前占用的总内存（含内存与显存） |
| PROCESSOR | 加载位置：100% GPU 表示完全在显卡；100% CPU 表示完全在内存；出现 48%/52% CPU/GPU 这类比例说明显存不够、模型被切分 |
| CONTEXT | 当前分配的上下文窗口大小 |
| UNTIL | 距离自动卸载的剩余时间（keep-alive 倒计时） |
PROCESSOR 列是排查"模型为什么慢"的第一入口：只要不是 100% GPU，就说明模型没有完全吃进显存。性能优化的具体手段在 GPU 与性能章节详细讨论。
复制与重命名：ollama cp
cp 给已有模型起一个新名字，常用于重命名或保留一份快照。
实例
# 复制出一份新命名的模型
ollama cp qwen3.5:4b runoob-test
# 像普通模型一样使用它
ollama run runoob-test它有一个很实用的进阶技巧：给模型"借名"。
部分工具写死了模型名（比如 gpt-3.5-turbo），用 cp 把本地模型复制成这个名字，就能让这类工具直接用上本地模型：
实例
# 把本地模型复制成工具期望的名字
ollama cp qwen3.5 gpt-3.5-turbocp 完成得几乎瞬时，因为它只是新建了一个模型名清单，指向原来那份模型文件，不会在磁盘上复制出第二份几个 GB 的数据。
删除模型与磁盘清理：ollama rm
rm 删除本地模型，是模型库"只进不出"问题的解药。
实例
# 删除指定模型
ollama rm qwen3.5:0.8b$ ollama rm qwen3.5:0.8b
deleted 'qwen3.5:0.8b'清理磁盘的推荐流程是：先用 ollama list 找出体积大且不再使用的模型，再逐个 rm。
如果有多个标签共享同一批底层文件，删除其中一个标签不会影响其他标签的正常使用。
用 cp 借过名的模型要一并记得处理：删除原模型后，借名副本依然存在并继续占用空间，别让它们变成看不见的磁盘黑洞。
停止模型与 keep-alive 驻留机制
先看一张模型的生命周期图，管理命令各自作用在哪一步就一目了然了。
关键机制是 keep-alive：模型对话结束后并不立刻卸载，而是默认在内存或显存中驻留 5 分钟。
这 5 分钟内再次请求，响应不再有模型加载等待；超过时间没有新请求，自动卸载、释放内存。
想让模型立刻让出资源，用 stop 命令手动卸载：
实例
# 立即卸载指定模型
ollama stop qwen3.5:4b驻留时长有三种调整方式：
| 方式 | 做法 | 适用场景 |
|---|---|---|
| 改全局默认 | 设置环境变量 OLLAMA_KEEP_ALIVE，如 30m、2h | 服务器希望统一驻留策略 |
| 按请求指定 | 调用 API 时传 keep_alive 参数，如 -1 表示常驻不卸载 | 应用层对不同模型区别对待 |
| 立即卸载 | ollama stop 模型名 | 临时释放显存给其他任务 |
AI 思考中...