nexus/raw/AI/在 Ubuntu 安装 Ollama 并运行 Qwen2.5‑Coder 7B.md

---
title: 一、系统要求
source:
author: shenwei
published:
created:
description:
tags: [ollama, openclaw, qwen, qwen-coder, ubuntu]
---


#ubuntu #ollama #qwen-coder #qwen #openclaw 
```table-of-contents
```

# 一、系统要求

运行 `qwen2.5-coder:7b` 推荐配置：

| 资源   | 最低      | 推荐         |
| ---- | ------- | ---------- |
| CPU  | 4 cores | 8+ cores   |
| RAM  | 8GB     | 16GB       |
| GPU  | 无需      | NVIDIA GPU |
| Disk | 10GB    | 20GB       |
|      |         |            |

模型大小：

```
约 4.5GB
```

---

# 二、Ubuntu 安装 Ollama

## 1 更新系统

```bash
sudo apt update
sudo apt upgrade -y
```

安装 curl

```bash
sudo apt install -y curl
```

---

## 2 安装 Ollama

执行官方安装脚本：

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

安装过程会自动：

- 安装 `ollama` CLI
- 创建 systemd 服务
- 启动 Ollama API

---

## 3 验证安装

```bash
ollama --version
```

示例：

```
ollama version 0.5.x
```

---

# 三、启动 Ollama 服务

检查状态：

```bash
systemctl status ollama
```

如果未运行：

```bash
sudo systemctl start ollama
```

开机启动：

```bash
sudo systemctl enable ollama
```

---

# 四、下载 Qwen2.5-Coder 7B

下载模型：

```bash
ollama pull qwen2.5-coder:7b
```

下载大小：

```
≈ 4.5GB
```

下载完成查看：

```bash
ollama list
```

示例：

```
NAME                    SIZE
qwen2.5-coder:7b        4.6 GB
```

---

# 五、运行模型

启动交互模式：

```bash
ollama run qwen2.5-coder:7b
```

终端将进入：

```
>>> Send a message (/? for help)
```

测试：

```
Write a Python script to monitor CPU usage
```

模型会生成代码。

---

# 六、通过 API 调用

Ollama 默认提供 REST API：

```
http://localhost:11434
```

测试 API：

```bash
curl http://localhost:11434/api/chat -d '{
 "model": "qwen2.5-coder:7b",
 "messages": [
   {"role": "user", "content": "Write a bash script to backup a directory"}
 ]
}'
```

返回示例：

```json
{
 "message": {
   "role": "assistant",
   "content": "Here is a bash backup script..."
 }
}
```

---

# 七、Python 调用

安装 SDK：

```bash
pip install ollama
```

示例代码：

```python
from ollama import chat

response = chat(
    model="qwen2.5-coder:7b",
    messages=[
        {
            "role": "user",
            "content": "Write a Python script to parse a CSV file"
        }
    ]
)

print(response["message"]["content"])
```

---

# 八、NodeJS 调用

安装 SDK：

```bash
npm install ollama
```

示例：

```javascript
import ollama from 'ollama'

const response = await ollama.chat({
  model: 'qwen2.5-coder:7b',
  messages: [
    { role: 'user', content: 'Write a docker-compose for n8n and postgres' }
  ]
})

console.log(response.message.content)
```

---

# 九、开放远程 API（推荐）

默认只监听：

```
127.0.0.1
```

如果要给：

- n8n
    
- OpenClaw
    
- WebUI
    
- Agent
    

使用，需要修改。

编辑：

```
/etc/systemd/system/ollama.service
```

增加：

```
Environment="OLLAMA_HOST=0.0.0.0"
```

重新加载：

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

访问：

```
http://服务器IP:11434
```

---

# 十、GPU 加速（可选）

检查 GPU：

```bash
nvidia-smi
```

如果安装了 CUDA：

Ollama 会 **自动使用 GPU**。

无需额外配置。

---

# 十一、模型管理

查看模型：

```bash
ollama list
```

删除模型：

```bash
ollama rm qwen2.5-coder:7b
```

更新模型：

```bash
ollama pull qwen2.5-coder:7b
```

---

# 十二、性能优化

如果机器较小：

推荐：

```
qwen2.5-coder:3b
```

下载：

```bash
ollama pull qwen2.5-coder:3b
```

---

# 十三、推荐搭配工具

如果你正在做 **AI automation / agent / coding**

建议搭配：

|工具|用途|
|---|---|
|Open WebUI|ChatGPT UI|
|n8n|AI automation|
|LangChain|Agent framework|
|OpenClaw|AI coding agent|

例如 OpenClaw 配置：

```
ollama/qwen2.5-coder:7b
```

---

# 十四、最简安装流程（3条命令）

如果你只想快速安装：

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

ollama pull qwen2.5-coder:7b

ollama run qwen2.5-coder:7b
```

---

# 十五、一个很多人不知道的优化（非常重要）

如果你打算做：

- DevOps automation
    
- SQL Agent
    
- Kubernetes troubleshooting
    
- n8n workflow AI
    

强烈建议使用：

```
qwen2.5-coder:7b
```

原因：

- Tool usage能力强
    
- Shell / Python / SQL理解强
    
- Repo级代码理解
    

比普通 `qwen2.5:7b` **更适合工程任务**。

---

如果需要，我可以再给你一份 **更高级部署指南**：

**《Ubuntu 本地 AI Stack：Ollama + Qwen2.5-Coder + OpenWebUI + n8n + Agent 自动化》**

会包含：

- 本地 ChatGPT UI
    
- AI Coding Agent
    
- 自动化工作流
    
- DevOps AI 助手
    

基本上是一套 **完整的本地 AI 基础设施（非常适合开发者）**。