想在本机跑AI，但怕麻烦？其实很简单。本文带你装好Ollama（一个让本地AI运行更简单的工具），跑通第一个模型，并学会看耗时数据。

准备环境

先检查电脑：Windows/Mac/Linux都行，最好有NVIDIA显卡，内存8GB以上。

• 去 ollama.com 下载安装包，双击安装。
• 安装后，打开终端（Mac/Linux）或命令提示符（Windows），输入ollama --version，看到版本号就成功了。

安装并运行第一个模型

1. 在终端输入ollama run qwen3:0.6b，它会自动下载并运行一个较小的模型。
2. 等出现“Send a message”，输入“你好”，回车，它会回复你。
3. 想退出，输入/bye。

如果下载慢，可设置镜像：OLLAMA_HOST=127.0.0.1:11434，或手动下载模型文件。

看懂耗时数据

运行模型时，Ollama会显示速度（如tokens/秒，即每秒生成多少个字）。但只看这个不够，我们还要知道每个阶段花多久。

用ollama generate命令，并加"verbose":true，会返回更详细的时间：

• load_duration：加载模型的时间。若模型没在内存，第一次会久。
• prompt_eval_duration：理解你输入的时间。
• eval_duration：生成回复的时间。
• total_duration：总时间。

比如，某次运行显示加载用了8秒，生成只用1秒，那优化重点就是减少加载（如常驻模型）。

下一步可以做什么

• 试更多模型：ollama run qwen3:1.7b，体验不同大小。
• 用ollama list查看已下载的模型。
• 写个Python脚本调用API，做自己的小应用。

记住：跑通只是开始，学会看数据才能调优。