准备环境：下载和安装Ollama

Ollama是一个让你在本地电脑上运行AI模型的工具，不需要联网。首先，打开浏览器访问ollama.com，点击下载对应你操作系统的版本（Windows、macOS、Linux都支持）。安装过程很简单，一路默认即可。

安装步骤：下载第一个模型并运行

1. 安装完成后，打开终端（Windows用户打开命令提示符或PowerShell）。
2. 输入命令 ollama pull gemma:2b，这个命令会下载一个约1.5GB的轻量模型，适合新手测试。等待下载完成。
3. 输入 ollama run gemma:2b，启动模型。你会看到一个提示符，输入任何问题，比如“你好”，模型会回复你。按 Ctrl+D 退出。

验证是否成功：测试并发请求

为了看看你的电脑能同时处理多少个AI请求，我们可以运行一个简单的Python脚本。注意：你需要先安装Python（从python.org下载）。

• 创建一个新文件 test_concurrency.py，复制以下代码：
  import requests, concurrent.futures
url = 'http://localhost:11434/api/generate'
def send_request(prompt):
data = {'model':'gemma:2b','prompt':prompt,'stream':False,'options':{'num_predict':100}}
resp = requests.post(url, json=data)
return resp.json()['eval_count']
with concurrent.futures.ThreadPoolExecutor(max_workers=4) as executor:
futures = [executor.submit(send_request, f'Tell me about number {i}') for i in range(4)]
for f in concurrent.futures.as_completed(futures):
print(f.result())
• 在终端运行 python test_concurrency.py。如果所有请求都返回类似数字（比如100），说明安装成功。

常见坑：如果报错“Connection refused”，说明Ollama服务没启动，先运行 ollama serve 启动服务。

下一步可以做什么

你可以尝试更大的模型，比如 ollama pull llama3（约4GB）。注意：并发数（同时发送的请求数量）受内存限制。默认情况下，Ollama会根据内存自动限制并行数量。如果你有16GB内存，可能只能同时处理1个请求。要调整并行数，可以设置环境变量 OLLAMA_NUM_PARALLEL=4 再启动Ollama，但小心内存不足。