ollama 模型管理、删除模型 、open-webui 开启大模型交互

ollama 模型管理、删除模型 、open-webui 开启大模型交互
0-9


文章目录

ollama 基本信息

  • https://ollama.com/
1-001
ollama 运行模型
命令行执行即可

0.6B parameter model

ollama run qwen3:0.6b 

1.7B parameter model

ollama run qwen3:1.7b 

4B parameter model

ollama run qwen3:4b 

ollama 模型管理

要删除 Ollama 中的本地模型,可以通过命令行工具(CLI)或 API 操作。以下是具体步骤和注意事项:

🔧 方法一:使用命令行删除单个模型

删除指定模型
使用 ollama rm <模型名称> 命令删除目标模型:

ollama rm deepseek-r1:8b

输出deleted 'deepseek-r1:8b'

查看已安装模型列表
运行以下命令确认模型名称和版本:

ollama list

示例输出

NAME ID SIZE MODIFIED deepseek-r1:8b28f8fd6cdc674.9 GB 10 hours ago qwen2.5-3b:latest fe5cd25d719e 2.1 GB 24 hours ago 

⚙️ 方法二:批量删除所有模型

若需清理全部模型,可结合命令一次性删除:

ollama list |awk'{print $1}'|xargs -I {} ollama rm{}
  • 作用:自动获取所有模型名称并逐一删除。
  • 注意:此操作不可逆,需谨慎使用!

🗑️ 方法三:彻底卸载 Ollama(含所有数据)

如果不再需要 Ollama,可完全卸载并清理残留文件:

  1. 卸载软件
  2. 删除数据目录
      • Windows:C:\Users\<用户名>\.ollama
      • macOS/Linux:~/.ollama

所有系统:手动删除 Ollama 的数据存储目录:

rm -rf ~/.ollama # Linux/macOS

Linux

sudorm /usr/local/bin/ollama sudorm -rf /usr/share/ollama 

macOS (Homebrew)

brew uninstall ollama 

Windows

winget uninstall ollama 

⚠️ 注意事项

  1. 模型恢复
    删除后模型无法恢复,需重新通过 ollama pull 下载。

缓存清理
若曾通过 Hugging Face 独立下载模型,需额外清理缓存:

rm -rf ~/.cache/huggingface/hub/models--deepseek-ai* 

服务状态
删除模型前无需停止 Ollama 服务,但卸载软件前需终止相关进程:

pkill ollama # macOS/Linux Stop-Process -Name "ollama" -Force # Windows

验证是否删除成功

  • 运行 ollama list,若无输出则说明所有模型已清除。
  • 检查磁盘空间:删除后原模型占用的空间(如 4.9GB)应被释放。

open-webui 安装 开启大模型交互

open-webui pip 安装
conda activate base pip install open-webui 
open-webui 启动服务
open-webui serve --port 8082
浏览器访问 http://IP:8082/ :
  • http://IP:8082/
  • 邮箱注册账号,即可通过 open-webui 开启大模型交互
1-001

❤️ 时不我待,一起学AI


9-9

Read more

Flutter 组件 tavily_dart 的适配 鸿蒙Harmony 深度进阶 - 驾驭 AI 原生聚合搜索、实现鸿蒙端跨域知识发现与垂直领域语义降噪方案

Flutter 组件 tavily_dart 的适配 鸿蒙Harmony 深度进阶 - 驾驭 AI 原生聚合搜索、实现鸿蒙端跨域知识发现与垂直领域语义降噪方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 tavily_dart 的适配 鸿蒙Harmony 深度进阶 - 驾驭 AI 原生聚合搜索、实现鸿蒙端跨域知识发现与垂直领域语义降噪方案 前言 在前文中,我们领略了 tavily_dart 在鸿蒙(OpenHarmony)生态中实现基础互联网 AI 搜索集成的魅力。但在真正的“跨国科研智能辅助”、“政务决策舆情态势感知”以及“需要接入高精密专业数据库”的场景中。简单的单次查询往往不足以触达知识的核心。面对需要在大规模并发环境下,针对特定行业域名(如 .gov / .edu)执行深层内容的并行嗅探,并且要求对回显的数万字内容执行基于 AI 强语义的重排序(Re-ranking)与引用链路审计的高阶需求。如果缺乏一套完善的聚合搜索策略与语义降噪模型。不仅会导致 AI 智能体出现由于“信息泛滥”

【Cursor实战】AI 赋能 Chrome 插件开发:从零打造豆包图片去水印插件

【Cursor实战】AI 赋能 Chrome 插件开发:从零打造豆包图片去水印插件

前言  📫 大家好,我是陈三心,热爱技术和分享,欢迎大家交流,一起学习进步!  🍅 个人主页:陈三心 AI 编程工具 目前,人工智能(AI)正以前所未有的速度渗透到各个领域,编程领域也不例外。它们凭借强大的智能算法,为开发者们带来了全新的编程体验,极大地提升了开发效率。目前主流的AI 编程工具有很多,比如: * github 的 copilot * 字节豆包的 marscode * 阿里的 通义灵码 不过,目前最被大家推荐的当属 Cursor 了。Cursor 凭借其独特的优势,在众多工具中脱颖而出。 Cursor 简介 Cursor 作为一款 AI 编程IDE,真正做到了将 AI 深度融入编程工作流程。它最大的亮点在于实现了 “0 代码编程”,用户只需通过自然语言与它进行对话,清晰描述自己的需求,Cursor

『AI开发工具』Pencil.dev:AI 时代开发者必备的设计工具,从安装到实战教学

『AI开发工具』Pencil.dev:AI 时代开发者必备的设计工具,从安装到实战教学

📣读完这篇文章里你能收获到 1. 📁 掌握Pencil.dev的核心理念与适用场景 2. 🐍 完成Pencil.dev的完整安装与配置流程 3. 🌐 通过实战案例学习从设计到生产代码的完整工作流 4. 🖥️ 对比传统开发流程与Pencil.dev新流程的效率差异 文章目录 * 前言 * 一、核心概念与环境准备 * 1.1 Pencil.dev是什么? * 1.2 解决的核心问题 * 1.3 适用人群 * 1.4 环境要求 * 二、安装配置步骤 * 2.1 安装VS Code扩展 * 2.1.1 打开插件商店搜索Pencil安装 * 2.1.2 查看MCP自动安装 * 2.2 注册账户 * 2.3 验证MCP配置 * 2.

【Openclaw】2026年AI Agent必看两本神书:OpenClaw橙皮书+小龙虾蓝皮书,从入门到变现全攻略

前言 2026年AI Agent领域最火的现象级项目莫过于OpenClaw,从一个周末项目登顶GitHub全球第一,不到4个月狂揽27.8万+Stars,中文社区“养虾”文化火爆出圈。而想要吃透OpenClaw,这两本官方+实战级手册绝对是必备神器——《OpenClaw橙皮书-从入门到精通》+《小龙虾使用手册(蓝皮书)198页实战案例版》,一本讲透原理架构,一本聚焦落地变现,零基础也能快速上手AI Agent。 本文就把这两本核心手册的精华、价值、学习路径一次性讲清,帮你少走90%的弯路,快速掌握2026年最火的AI Agent技能。 一、两本神书核心定位:橙皮书打基础,蓝皮书搞变现 1. 《OpenClaw橙皮书-从入门到精通》 ✅ 核心定位:OpenClaw官方级权威指南,理论+架构+部署全通透 ✅ 覆盖内容:架构原理、部署方案、渠道接入、Skills系统、模型配置、安全与成本、生态全景 ✅ 适合人群:零基础入门者、开发者、