你可能也是这样：某天心血来潮装了 Ollama，敲下 ollama run llama3，玩了一把「本地跑大模型」的新鲜感，然后它就在你的硬盘角落里吃灰了。在很多人眼里，Ollama 就是个「模型下载器」——pull 下来、run 起来、对话两句、关掉。
但海外社区把 Ollama 玩成了另一副样子：它是本地 AI 工作流的「发动机」。16G 内存的老笔记本跑 671B 巨兽、给完全离线的模型插上网线、一行命令造出你自己的专属模型、把微调好的模型一键分发给全世界——这些全都是它本体就有的能力，不装任何插件。
据官方仓库和官方博客，以下八个暗格是免费开源的 Ollama（MIT 协议）里真实存在、但中文圈教程几乎不讲的功能。每一个都有具体操作，今晚就能试。
ollama signin，16G 笔记本跑 671B这是过去一年 Ollama 最容易被忽略的大更新：官方推出了云端模型。操作只要两步：
ollama signin # 浏览器登录 ollama.com 账号
ollama run gpt-oss:120b-cloud
模型名带 -cloud 后缀的就是云端模型，据官方博客介绍，目录里有 qwen3-coder:480b-cloud、deepseek-v3.1:671b-cloud 这类本地根本跑不动的级别。推理发生在 Ollama 的数据中心，你的命令行体验和本地模型完全一样。
预期效果：内存 16G 的普通笔记本，可以流式跑万亿参数级模型；适用场景：出差带的轻薄本、只想偶尔用一次大模型的场合。计费模式官方调整过几轮，用前看一眼 ollama.com 的最新标价即可，新账号有免费额度可以先试。
/v1 兼容端点，一行配置接入全家桶Ollama 自带 OpenAI 兼容 API，端点是 http://localhost:11434/v1。这意味着：几乎所有支持「自定义 OpenAI base_url」的工具——你在用的各种 AI 客户端、IDE 插件、RAG 框架——把 base_url 改成这一行、API key 随便填个 ollama，就切到了本地模型，零改造。
curl http://localhost:11434/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{"model":"qwen3","messages":[{"role":"user","content":"你好"}]}'
预期效果：已付费工具直接换引擎，订阅费归零；适用场景：批量脱敏数据处理、不想把代码发给云端的场合。
据 Ollama 官方博客，官方还上线了 Web Search API——本地模型可以联网搜索了，而且这条「网线」可以给你自己写的任何程序用：
curl https://ollama.com/api/web_search \
-H "Authorization: Bearer 你的KEY" \
-d '{"query":"qwen3 coder 最新评测"}'
KEY 在 ollama.com 账号设置的 API Keys 页面生成。配套还有 /api/web_fetch，能抓取指定网页的正文。预期效果：让纯本地、零外发数据的模型具备时效性信息检索能力；适用场景：做本地知识库+联网兜底的个人助手，这是中文圈教程里几乎没人提的新零件。
以前让本地模型吐 JSON，十次里有三次少个括号。据官方博客「Structured outputs」，现在 API 的 format 字段可以直接传 JSON Schema，模型被约束在 schema 里生成，物理上不可能输出不合规格式：
curl http://localhost:11434/api/chat -d '{
"model": "llama3.2",
"messages": [{"role": "user", "content": "小王，28岁，北京人，返回JSON"}],
"format": {
"type": "object",
"properties": {
"name": {"type": "string"},
"age": {"type": "number"}
},
"required": ["name", "age"]
},
"stream": false
}'
预期效果：提取、分类、打标类任务直接进数据库，不用再写修 JSON 的胶水代码；适用场景：所有把 LLM 当「数据管道」用的自动化脚本。
这就是 Ollama 界的 Dockerfile。把你常用的系统提示词、参数固化成一个模型：
FROM qwen3
SYSTEM "你是公司内部IT客服，只回答打印机、VPN、报销系统相关问题，其他一律拒答"
PARAMETER num_ctx 32768
PARAMETER temperature 0.3
ollama create it-bot -f Modelfile
ollama run it-bot
反方向也行：ollama show qwen3 --modelfile 可以把任意模型的完整配方导出来改；交互界面里调好参数后敲 /save it-bot 直接存档。预期效果：不用微调、不用写代码，30 秒做出一个「人设永不漂移」的专属模型；适用场景：固定角色的客服、审校、代码审查员。
这三个环境变量是官方 FAQ 里写明的正路，组合起来常常能决定「跑得动 32B」还是「只能跑 14B」：
OLLAMA_FLASH_ATTENTION=1 # 开 Flash Attention，降显存提速
OLLAMA_KV_CACHE_TYPE=q8_0 # KV cache 量化，显存占用近乎减半
OLLAMA_KEEP_ALIVE=-1 ollama serve # 模型常驻内存，不再5分钟后卸载
KV cache 量化到 q8_0 时几乎无感损失，激进一点用 q4_0。keep_alive 默认只有 5 分钟，设成 -1 模型常驻，再次调用秒回。配合 ollama ps 可以查看模型到底分在 GPU 还是 CPU 上跑。预期效果：同卡跑更大模型、长对话不再每次等冷启动；适用场景：8G-12G 显存的消费级显卡，这是国内装机党最该抄的一页。
OLLAMA_MODELS，C 盘救星Windows 上 Ollama 默认把模型全塞在 C 盘用户目录，几个模型下来硬盘飘红。官方解法是一个环境变量：
# Windows (PowerShell)
setx OLLAMA_MODELS "D:\ollama\models"
# macOS / Linux
export OLLAMA_MODELS=/data/ollama/models
重启 Ollama 后重新 pull，模型就落到新位置。预期效果：C 盘瘦身、多机共享一块模型盘；适用场景：所有 Windows 用户，装完第一天就该做的事。
ollama push，把你的模型发出去在暗格五造好的模型，三条命令就能发布到 ollama.com 供任何人拉取：
ollama cp it-bot 你的用户名/it-bot
ollama push 你的用户名/it-bot
# 别人一行即可使用：ollama run 你的用户名/it-bot
预期效果：把「人设+参数+基座模型」打包成一个可分发的制品，团队内统一配置，或者作为开源项目附赠物发布；适用场景：小团队工具链标准化、出海开发者给项目做「附带模型」。想看别人怎么玩，去 ollama.com 的模型库搜 agent、coder，大量社区配方可直接 run。
flowchart TD
A["装好 Ollama 之后"] --> B["跑得动组"]
A --> C["接得上组"]
A --> D["玩得开组"]
B --> B1["signin 上云"]
B1 --> B2["小本跑 671B"]
B --> B3["Flash Attention 加速"]
B3 --> B4["KV cache 量化"]
B --> B5["MODELS 搬出 C 盘"]
C --> C1["/v1 端点接全家桶"]
C --> C2["Web Search 插网线"]
C --> C3["Schema 锁死输出"]
D --> D1["Modelfile 造模型"]
D --> D2["num_ctx 撑上下文"]
D --> D3["push 发布分发"]
| 你以为的 Ollama | 实际的 Ollama |
|---|---|
| 模型下载器，pull 完就吃灰 | 本地 AI 引擎：能上云、能联网、能造模型、能分发 |
| 本地只能跑小模型，没意义 | signin 之后 16G 笔记本能跑 671B 云端巨兽 |
| 输出 JSON 靠运气，得手修 | format 传 Schema，格式物理合规 |
| 显存不够就得换卡 | KV cache 量化 + Flash Attention，同卡上一档 |
| C 盘爆了只能重装 | OLLAMA_MODELS 一个环境变量搬家 |
| 自用工具，没有生态 | push 一键发布，模型即制品 |
setx OLLAMA_MODELS 搬家（Windows 用户），然后 ollama signin，在轻薄本上跑一次 gpt-oss:120b-cloud 感受一下量级差。ollama create 一个专属模型，配合 OLLAMA_KV_CACHE_TYPE=q8_0 常驻显存。localhost:11434/v1 + JSON Schema 结构化输出，需要时效信息时调 Web Search API——从此你的本地工作流既省钱又不外发数据。本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。