回到硬件服务器厂商工作快半年了，接触信创特别强调数据与工具使用的本地化以确保数据安全。相应的，AI工具也得本地化支撑起来。除了AI助手和AI知识库采用Cherry Studio搭建以外，其调用的模型也必须本地化，于是除了使用LM Studio方便的下载并本地运行LLM以外，以前常用的Ollama也得重新部署起来。由于Ollama的Windows安装包仍然不能调整软件的默认安装位置，其默认安装位置是：【C:\Users\win账户用户名\AppData\Local\Programs\Ollama】，且默认的模型存放位置是：【C:\Users\winds\.ollama\models】；往往普通人的C盘都处于容量焦虑状态，最好还是把Ollama下载的模型的存放位置从C盘调整到D盘等空间富裕的位置。
一、新版Ollama图形化调整模型存放位置
2025年12月底发布的“v0.13.5”版Ollama已经具备相当完善的图形化界面，软件启动后进入如下界面：
在主界面的隐藏按钮里找到“Settings”设置，进入就能修改模型存放位置“Model location”。
不需要登录Ollama账户体系也能正常Ollama的各项功能。
如果本机是个人电脑，不建议让Ollama为局域网的其他设备提供算力服务，“Expose Ollama to the network”不要打开；
“Model location”里面的文件夹路径调整为D盘的你希望的目录；
Ollama提供的模型上下文长度默认为4K，根据实际情况，可以稍微调大一点，比如调整到16K，这个参数也不是越大越好，一方面是受限于选用的模型本身能否支持，另外上下文长度越大，模型一次处理的数据量就越大，算力Tokens消耗就越大，耗时就越长。关于上下文长度与消耗Tokens的关系，我给一个简单的测算逻辑，可以大致自己评估一下：
大语言模型（如DeepSeek）单次处理的文本长度受硬件和算法限制。最大 Tokens 决定了模型单次请求能处理的 输入+输出 的 Tokens 总数上限。超过此值会导致截断或报错。 Token 并非严格等于单词或汉字。例如，英文中 1 Token ≈ 4 字符，中文中 1 汉字 ≈ 2-3 Token 在问答或生成场景中，该参数直接影响 AI 生成回答的最大长度。例如设置为 512，则回答内容会被限制在约 512 个 Token（约 380 个汉字或 700 英文单词）。
最后，如果就是自己本机使用Ollama的本地模型，则“Airplane mode”功能建议打开，让Ollama仅提供本机模型服务，也不会发送数据至网络上。当然，得等模型下载完毕后再打开此功能。
二、旧版Ollama的模型位置变更需调整系统变量
1. 创建目标文件夹：先在D盘创建用于存放模型的文件夹，例如 `D:\Ollama\models` 或 `D:\models_on_d`。
2. 设置环境变量：
- 打开系统环境变量设置
- 新建系统变量：
- 变量名：`OLLAMA_MODELS`
- 变量值：`D:\Ollama\models`（你创建的文件夹路径）
3. 重启生效：
- 关闭所有Ollama相关进程
- 重新打开命令行窗口
- 运行 `ollama -v` 确认安装正常
重要注意事项：
1. 原模型文件作废：修改路径后，原C盘路径（默认在 `C:\Users\用户名\.ollama\models`）已下载的模型文件将无法直接使用，需要重新下载到新位置。
2. 验证方法：
- 运行 `ollama list` 查看已下载模型
- 新下载的模型将存储在新设置的D盘路径中
