搞本地大模型的朋友应该都有过这种体验Ollama装完了模型也拉下来了结果C盘一天比一天瘦。一个7B的量化模型动辄4GB稍微玩到13B、32BC盘分分钟变红。问题不是出在安装包本身而是Ollama在Windows上默认把模型文件全部塞进了用户目录也就是C:\Users\你的用户名\.ollama\models。这个目录是隐形的大多数时候你根本注意不到它在涨等发现的时候C盘已经连更新补丁都跑不动了。这篇文章就是来解决这个问题的从安装Ollama开始干净利落地把本体和模型文件都安排到D盘顺便把模型下载慢、迁移失败、环境变量不生效这些我踩过的坑一次说清楚。内容不挑基础刚接触本地部署的新手照着做就能搞定已经装过Ollama但懒得重装的老手也能用迁移方案无缝切换。1. 装之前先想明白你的C盘到底被谁吃了很多人以为只要安装时选个其他路径就万事大吉实际操作完才发现C盘照样报警。这里面的关键认知是Ollama在Windows上有两个完全独立的“盘踞点”。1.1 Ollama默认安装路径和模型存储位置第一个是程序本体默认装在C:\Users\你的用户名\AppData\Local\Programs\Ollama这个相对小也就几百MB说实话放C盘不至于伤筋动骨。第二个才是真正的大头——模型文件目录默认在C:\Users\你的用户名\.ollama\models刚装完可能只有几十MB但只要你执行过ollama pull比如拉一个qwen2.5:7b目录会瞬间多出4GB到6GB的空间占用。这还只是一个模型。我把这两个路径摆在一起是想先帮你建立一个判断框架路径默认位置体积量级是否建议迁移程序本体C:\Users\用户名\AppData\Local\Programs\Ollama数百MB可选模型文件C:\Users\用户名.ollama\models数十GB起强烈建议模型文件目录增长太快了。我现在本地装了四个常用模型加起来超过了30GB。要是让这些文件继续住在C盘哪怕你初期只玩一个7B模型C盘压力就已经非常明显。所以核心思路就一句话模型文件目录必须挪出去程序本体能挪也一并挪走一次到位。1.2 为什么模型目录是C盘空间暴涨的元凶Ollama 的模型存储机制和普通软件不太一样。它不像你下载一个安装包那样解压出来一个文件夹就完事。它是从远程仓库拉取多个“分片文件”blob再根据不同的模型版本组合出可用文件。这个过程会在.ollama\models下面生成大量缓存层文件每一个文件都可能达到几百MB甚至几个GB。而且你反复执行ollama pull、ollama rm会产生很多残留的blob这些文件不会马上释放都在悄悄占着C盘。有些朋友还喜欢在Docker Desktop里跑Ollama那空间占用就更复杂了。Docker镜像默认存在C:\Users\用户名\AppData\Local\Docker\wsl下面一个含Ollama的镜像动辄几个GB叠加起来C盘直接崩掉。所以如果是Docker用户记得检查一下WSL虚拟磁盘的位置那个文件叫ext4.vhdx体积随镜像增长最好也统一迁到D盘。这篇文章主要讲原生安装但把WSL目录的坑一并提出来免得你排查半天发现还有另一个“空间杀手”。2. 把Ollama本体和模型都挪到D盘两种最稳的做法接下来进入实操环节。我推荐两种路径任选其一。第一种是“全新安装法”适合还没装Ollama、或者愿意卸载重来的朋友第二种是“迁移大法”适合已经下载了不少模型、不想重新拉一遍模型的朋友。2.1 全新安装法安装前先埋伏好环境变量Ollama本身是支持通过环境变量OLLAMA_MODELS来指定模型目录的。安装程序在安装过程中会读取系统环境变量你要是安装前就把这个变量设好装完之后模型文件默认就会写到D盘后面完全不用操心。具体步骤是这样按Win X选择“系统”点右侧“高级系统设置”再点“环境变量”。在“系统变量”区域点“新建”变量名填OLLAMA_MODELS变量值填你想放模型的目录比如D:\ollama\models。确认保存后重新打开一个CMD或PowerShell窗口。运行Ollama的安装包。装完之后你可以先验证一下运行ollama list如果提示没有任何模型说明安装正常。然后随便ollama pull一个小模型比如ollama pull llama3.2:1b拉完看一眼D:\ollama\models如果里面出现了blobs和manifests这两个目录就说明环境变量生效了。这里有个容易踩的坑环境变量必须在安装前设置。如果先安装再设置变量Ollama已经创建的默认目录不会自动删除新模型倒是会走新路径但旧模型还占着C盘。所以你如果已经装过Ollama又不想重新下载模型直接看下一节的迁移方案。2.2 安装包加安装参数程序本体也装进D盘环境变量解决的是模型目录但程序本体还需要另想办法。Ollama的Windows安装包实际上基于NSIS打包它支持一个标准的安装参数/DIR可以让你指定安装路径。把安装包下载到本地后不要直接双击而是在当前目录打开CMD执行OllamaSetup.exe /DIRD:\Ollama这样程序本体就会装到D:\Ollama不再占用C盘的AppData空间。不过我要提醒一句如果你之前已经用默认方式装过一次Ollama再执行这个命令它可能不会干净利落地把旧版本从C盘挪走。稳妥的做法是先去“设置——应用——安装的应用”里找到Ollama卸载干净重启一次系统再执行上面的带参安装。安装完成后我建议再检查一次环境变量是否存在OLLAMA_MODELS。有些情况下我用/DIR指定了安装目录但系统里没有提前建好OLLAMA_MODELS变量结果程序本体是装到了D盘模型目录还是默认回了C盘。所以我现在的操作习惯是两手都抓装之前先把OLLAMA_MODELS环境变量设好再用/DIR参数指定安装目录这样程序、模型全部在D盘C盘几乎零压力。2.3 不建议走的野路子手动拷文件网上很多教程会让你装完Ollama之后手动把整个.ollama文件夹拷到D盘再利用mklink做一个目录符号链接。这个思路本身没错但很多人操作的时候顺序搞反了——先拷贝后建链接结果原目录的数据被清掉新目录里又没有完整数据Ollama直接报“找不到模型”的错误。真正可行的手动操作方式是这样先建好D盘目标目录把C盘.ollama文件夹完整拷贝过去确认D盘目录里的模型文件都没有缺失再在C盘原位置用管理员权限执行mklink /J C:\Users\你的用户名\.ollama\models D:\ollama\models注意这里用的是/J而不是/D。/J创建的是目录联接Junction它不需要额外权限而且对Ollama这种应用来说兼容性更好。/D是符号链接虽然也能用但有的软件会因为在符号链接下解析路径异常导致读写失败。不过这个方法相对繁琐而且万一原目录里有正在被占用的进程拷贝出来的文件可能是残缺的。我建议优先用迁移三步走的官方方案等会儿在第3节详细讲。3. 已经装在C盘了怎么办模型迁移三步走我遇到的大部分朋友都不是“还没装Ollama”的纯新用户而是已经装好、也下载了三五个模型结果C盘告急才想着要搬家。这种场景完全不需要卸载重来三步就能搞定而且模型文件一个都不用重新下载。3.1 第一步先确认模型目录到底在哪打开CMD执行ollama list先看看你已经有哪些模型。然后再执行ollama show 模型名这个命令会显示模型的基础信息包括路径。比如你执行ollama show qwen2.5:7b输出里会有一行显示“Model Path”之类的信息。如果你懒得逐条查看也可以直接打开资源管理器进入C:\Users\你的用户名\.ollama\models看看里面的blobs和manifests目录占多大空间。这一步的目的就是搞清楚现状避免迁移到一半才发现还有另外一个模型被藏在了别的目录。3.2 第二步用环境变量切换目录再把旧目录搬走这一步其实和我刚才说的“全新安装法”里的环境变量设置是同一个操作只是顺序不同。你已经装好了Ollama现在做也一样。在系统环境变量中新建OLLAMA_MODELS值设为D:\ollama\models。保存后打开任务管理器找到Ollama相关进程一般有ollama app.exe和ollama.exe两个全部结束掉或者直接在系统托盘右键图标选择退出。然后你在CMD里重新执行ollama list如果命令能正常返回说明Ollama已经用新目录启动。接下来再把C盘旧目录里的内容整体搬到D盘xcopy C:\Users\你的用户名\.ollama\models D:\ollama\models /E /I /H复制完成后先不要急着删旧目录。用ollama list确认所有模型都能正常显示再跑一个模型做对话测试。测试无误后才把C盘旧目录删掉或改名备份。3.3 第三步处理Visual Studio Code、Docker等衍生目录这一步是我自己的经验补充。很多人电脑里不只有Ollama还有VS Code、Docker Desktop、Miniconda这三件套。如果你只想解决C盘问题Ollama本身搞定后还得顺手把这几类占用补上VS Code的缓存目录C:\Users\用户名\AppData\Roaming\CodeDocker Desktop的WSL虚拟磁盘C:\Users\用户名\AppData\Local\Docker\wslMiniconda的默认环境C:\Users\用户名\miniconda3思路和Ollama迁移完全一致先把目标目录建好再设置对应软件的环境变量或配置文件指定新路径最后用目录联接做兜底。特别是WSL虚拟磁盘很多人发现C盘怎么清理都清理不干净一查才发现ext4.vhdx已经几十GB了。我不建议一次性把所有软件全搬走太容易出问题。优先处理Ollama因为模型文件涨得最快VS Code这种相对“柔和”等下次系统清理再处理也行。4. 下载速度慢到怀疑人生换一条喂模型的路径把目录问题彻底解决之后你马上会碰到第二个实际问题下载模型太慢。ollama pull默认从官方仓库拉取模型遇到高峰期或者网络波动一个几GB的模型能下到你怀疑人生进度条一直停在3%不动也是常事。4.1 卡在3%的常见原因我观察下来拉取模型卡住的原因通常有这么几个。一是断点续传失效。ollama pull在连接断开之后需要重试但如果你的网络对长连接不友好重试次数多了就会报max retries exceeded之类的错误。这时候直接重新执行一遍ollama pullOllama会基于已下载的blob继续拉取一般能续上。二是拉取源不稳定。Ollama模型仓库在国外加上模型文件都很大小水管网络传输自然吃力。这时候我会选择从hf-mirror.com这类国内可以正常访问的Hugging Face镜像站下载GGUF格式模型文件再用本地注册的方式导入Ollama绕开官方仓库的下载链路。这不是什么黑科技就是很常规的本地模型注册思路。三是磁盘写入性能太差。有些老机械硬盘在持续写入大文件时速度波动很大。如果换了下载源还是慢可以顺手看一下任务管理器里的磁盘占用情况心里有个底。4.2 本地注册GGUF模型从镜像站下载再导入Ollama标准的操作流程是这样的先去hf-mirror.com寻找你想要的模型的GGUF格式文件比如Qwen2.5-7B-Instruct的GGUF版本下载带q4_k_m标识的文件这个量化级别的文件体积适中效果也比较均衡。下载完成后在本地建一个文件夹比如D:\model-files创建一个ModelfileFROM D:/model-files/qwen2.5-7b-instruct-q4_k_m.gguf然后在CMD里执行ollama create qwen2.5:7b -f D:\model-files\Modelfile等待几十秒Ollama就会基于本地文件完成注册。之后ollama run qwen2.5:7b就能正常使用了。需要注意这条路径虽然绕开了官方下载仓库但前提是你能从镜像站稳定下载。不同镜像站的速度差异也很大我一般会多试几个挑一个下载速度能到10MB/s以上的。4.3 方式对但型号选错量化等级和体积的取舍还有一个高频问题是“模型拉错了”。有些朋友直接ollama pull qwen2.5:7b默认可能是16位精度的版本体积巨大下载慢不说内存稍微小一点直接跑不动。实际上Ollama仓库里同一模型会有多个量化标签比如q2_k、q4_k_m、q8_0等。q4_k_m在体积和效果之间比较平衡也是我用得最多的。下载前先看一下官方模型页面确认量化等级再决定要不要拉。如果空间不宽裕选体积小一级的量化版本能省下几个GB。我把选型建议整理成了表格模型规模推荐量化存储占用建议内存1B~3Bq4_k_m约1~2GB8GB7B~8Bq4_k_m约4~6GB16GB13B~14Bq4_k_m约8~10GB32GB30B以上q4_k_m约18GB以上64GB如果你不是做精细推理任务的不推荐盲目追求大模型7B~14B这个区间对绝大多数个人场景已经够用。5. 常见问题排查实录与避坑建议实操过程中几乎每个朋友都遇到过几个重复的问题。我把最高频的几类整理成了一份速查表并针对每一条补充了我的处理思路。5.1 环境变量设置了但模型文件还是写到C盘这种情况十有八九是环境变量没被Ollama服务读到。Ollama安装后会在系统里注册一个后台服务环境变量改了之后如果不重启服务它还是用旧路径。处理方式是先彻底退出Ollama包括托盘图标和后台进程再重新启动。如果还不行直接重启系统基本都能解决。还有一种特殊情况是你在PowerShell里临时设置过$env:OLLAMA_MODELS但系统变量里没有。别笑这个问题我见过好多次。终端里的临时变量只在当前窗口生效关掉窗口就没了。一定要去“系统变量”里改。5.2 mklink创建目录联接失败执行mklink /J时提示没有足够权限需要用管理员身份打开CMD。右键点击“开始”菜单选择“终端(管理员)”或者“命令提示符(管理员)”再执行命令。如果你确实不想用管理员权限建议改用/J而不是/D后者对权限和文件系统的要求更严格。把两个命令的差异记住能省掉很多麻烦。5.3 迁移完成之后模型对话异常一种情况是模型能识别但推理速度特别慢。先检查一下是否真的调用了GPU。Ollama默认优先使用GPU但如果电脑配置不够它会自动切到CPU推理速度自然感人。看GPU利用率可以用nvidia-smi看看进程列表里有没有ollama字样。如果没有可以在环境变量里加一个OLLAMA_GPU_DRIVERcuda不过前提是驱动和CUDA环境都正常。另一种情况是“模型输出乱码”。这种情况一般是量化等级太低比如q2_k的模型回复质量会明显下降不是你迁移过程中弄坏了文件。换回q4_k_m或者更高的量化等级即可。5.4 多个模型同时加载导致内存爆掉有朋友喜欢一次性跑好几个模型结果内存爆了系统卡死。Ollama默认会在内存里缓存已加载的模型方便你快速切换。如果内存不够大建议把OLLAMA_MAX_LOADED_MODELS设为1只保留一个模型在内存里。设置方式还是环境变量添加一个名字为OLLAMA_MAX_LOADED_MODELS的系统变量值填1。这样就不会同时加载多个模型原理很简单Ollama会把暂时用不到的模型从内存里卸载下次调用时再按需加载。虽然切换模型会慢一点但胜在系统稳定。5.5 安装完Ollama双击没反应如果你是从官网下载的安装包装完之后系统托盘会有一个小图标但没有图形窗口。这是正常现象Ollama本身就不是主打GUI的软件一切操作都在命令行里。双击桌面图标如果没反应先确认托盘图标还在不在然后在CMD里执行ollama run llama3.2只要能正常对话安装就没有问题。如果CMD提示不是内部或外部命令说明安装时没有把Ollama写入系统PATH。重新安装一次或者手动把D:\Ollama加入系统Path环境变量。这就是为什么我推荐用/DIR参数指定安装路径路径固定了手动配Path也方便。5.6 常见问题速查表问题常见原因处理建议模型文件仍写入C盘环境变量未生效或未重启服务重启Ollama必要时重启系统下载进度卡住网络波动导致重连失败重新执行ollama pull支持断点续传模型对话很慢未正确调用GPU用nvidia-smi确认检查驱动和CUDA多个模型同时加载内存爆掉默认模型缓存策略太激进设置OLLAMA_MAX_LOADED_MODELS1创建目录联接失败权限不足管理员终端运行mklink优先用/J参数CMD不识别ollama命令未正确配置PATH重装或手动添加D:\Ollama到Path6. 几个高频命令和配置项顺手列给你讲到最后把平时最常用的命令和配置项整理出来当作一份速查版说明书。遇到问题先翻这一段比百度管用。常用命令# 查看当前已下载模型 ollama list # 运行某个模型 ollama run llama3.2 # 下载某个模型并指定量化等级 ollama pull qwen2.5:7b # 删除某个模型 ollama rm qwen2.5:7b # 查看模型详细信息包括参数大小和路径 ollama show qwen2.5:7b # 从Modelfile注册本地模型 ollama create mymodel -f D:\model-files\Modelfile常用环境变量变量名作用推荐值OLLAMA_MODELS模型存储目录D:\ollama\modelsOLLAMA_HOST服务监听地址配合API调用时用127.0.0.1:11434OLLAMA_MAX_LOADED_MODELS同时加载的模型数量1OLLAMA_NUM_PARALLEL单个模型并发请求数默认即可说实话Ollama这个工具本身不复杂尤其是和“把模型部署到生产环境”这类需求比它的核心就是“下载模型、运行模型”两件事。但Windows上文件存放路径的坑确实会劝退一批刚上手的朋友。你只要抓住核心思路——模型目录必须能完全掌控在你自己手里——再配合环境变量OLLAMA_MODELS和合理的安装方式C盘空间焦虑就能彻底解决。我自己的日常习惯是Ollama程序装在D盘模型目录固定放在D:\ollama\models需要换机器时直接拷贝整个目录在新机器上配好环境变量模型立刻全回来了原理就是模型文件本身是自包含的新装Ollama后指向同一个目录就行。这个方法我试过很多次百试不爽。 
长河君 · 2026/9/19 13:23:20 · 阅读 1.2k Ollama模型存储迁移与配置指南：轻松解决C盘爆满
搞本地大模型的朋友应该都有过这种体验Ollama装完了模型也拉下来了结果C盘一天比一天瘦。一个7B的量化模型动辄4GB稍微玩到13B、32BC盘分分钟变红。问题不是出在安装包本身而是Ollama在Windows上默认把模型文件全部塞进了用户目录也就是C:\Users\你的用户名\.ollama\models。这个目录是隐形的大多数时候你根本注意不到它在涨等发现的时候C盘已经连更新补丁都跑不动了。这篇文章就是来解决这个问题的从安装Ollama开始干净利落地把本体和模型文件都安排到D盘顺便把模型下载慢、迁移失败、环境变量不生效这些我踩过的坑一次说清楚。内容不挑基础刚接触本地部署的新手照着做就能搞定已经装过Ollama但懒得重装的老手也能用迁移方案无缝切换。1. 装之前先想明白你的C盘到底被谁吃了很多人以为只要安装时选个其他路径就万事大吉实际操作完才发现C盘照样报警。这里面的关键认知是Ollama在Windows上有两个完全独立的“盘踞点”。1.1 Ollama默认安装路径和模型存储位置第一个是程序本体默认装在C:\Users\你的用户名\AppData\Local\Programs\Ollama这个相对小也就几百MB说实话放C盘不至于伤筋动骨。第二个才是真正的大头——模型文件目录默认在C:\Users\你的用户名\.ollama\models刚装完可能只有几十MB但只要你执行过ollama pull比如拉一个qwen2.5:7b目录会瞬间多出4GB到6GB的空间占用。这还只是一个模型。我把这两个路径摆在一起是想先帮你建立一个判断框架路径默认位置体积量级是否建议迁移程序本体C:\Users\用户名\AppData\Local\Programs\Ollama数百MB可选模型文件C:\Users\用户名.ollama\models数十GB起强烈建议模型文件目录增长太快了。我现在本地装了四个常用模型加起来超过了30GB。要是让这些文件继续住在C盘哪怕你初期只玩一个7B模型C盘压力就已经非常明显。所以核心思路就一句话模型文件目录必须挪出去程序本体能挪也一并挪走一次到位。1.2 为什么模型目录是C盘空间暴涨的元凶Ollama 的模型存储机制和普通软件不太一样。它不像你下载一个安装包那样解压出来一个文件夹就完事。它是从远程仓库拉取多个“分片文件”blob再根据不同的模型版本组合出可用文件。这个过程会在.ollama\models下面生成大量缓存层文件每一个文件都可能达到几百MB甚至几个GB。而且你反复执行ollama pull、ollama rm会产生很多残留的blob这些文件不会马上释放都在悄悄占着C盘。有些朋友还喜欢在Docker Desktop里跑Ollama那空间占用就更复杂了。Docker镜像默认存在C:\Users\用户名\AppData\Local\Docker\wsl下面一个含Ollama的镜像动辄几个GB叠加起来C盘直接崩掉。所以如果是Docker用户记得检查一下WSL虚拟磁盘的位置那个文件叫ext4.vhdx体积随镜像增长最好也统一迁到D盘。这篇文章主要讲原生安装但把WSL目录的坑一并提出来免得你排查半天发现还有另一个“空间杀手”。2. 把Ollama本体和模型都挪到D盘两种最稳的做法接下来进入实操环节。我推荐两种路径任选其一。第一种是“全新安装法”适合还没装Ollama、或者愿意卸载重来的朋友第二种是“迁移大法”适合已经下载了不少模型、不想重新拉一遍模型的朋友。2.1 全新安装法安装前先埋伏好环境变量Ollama本身是支持通过环境变量OLLAMA_MODELS来指定模型目录的。安装程序在安装过程中会读取系统环境变量你要是安装前就把这个变量设好装完之后模型文件默认就会写到D盘后面完全不用操心。具体步骤是这样按Win X选择“系统”点右侧“高级系统设置”再点“环境变量”。在“系统变量”区域点“新建”变量名填OLLAMA_MODELS变量值填你想放模型的目录比如D:\ollama\models。确认保存后重新打开一个CMD或PowerShell窗口。运行Ollama的安装包。装完之后你可以先验证一下运行ollama list如果提示没有任何模型说明安装正常。然后随便ollama pull一个小模型比如ollama pull llama3.2:1b拉完看一眼D:\ollama\models如果里面出现了blobs和manifests这两个目录就说明环境变量生效了。这里有个容易踩的坑环境变量必须在安装前设置。如果先安装再设置变量Ollama已经创建的默认目录不会自动删除新模型倒是会走新路径但旧模型还占着C盘。所以你如果已经装过Ollama又不想重新下载模型直接看下一节的迁移方案。2.2 安装包加安装参数程序本体也装进D盘环境变量解决的是模型目录但程序本体还需要另想办法。Ollama的Windows安装包实际上基于NSIS打包它支持一个标准的安装参数/DIR可以让你指定安装路径。把安装包下载到本地后不要直接双击而是在当前目录打开CMD执行OllamaSetup.exe /DIRD:\Ollama这样程序本体就会装到D:\Ollama不再占用C盘的AppData空间。不过我要提醒一句如果你之前已经用默认方式装过一次Ollama再执行这个命令它可能不会干净利落地把旧版本从C盘挪走。稳妥的做法是先去“设置——应用——安装的应用”里找到Ollama卸载干净重启一次系统再执行上面的带参安装。安装完成后我建议再检查一次环境变量是否存在OLLAMA_MODELS。有些情况下我用/DIR指定了安装目录但系统里没有提前建好OLLAMA_MODELS变量结果程序本体是装到了D盘模型目录还是默认回了C盘。所以我现在的操作习惯是两手都抓装之前先把OLLAMA_MODELS环境变量设好再用/DIR参数指定安装目录这样程序、模型全部在D盘C盘几乎零压力。2.3 不建议走的野路子手动拷文件网上很多教程会让你装完Ollama之后手动把整个.ollama文件夹拷到D盘再利用mklink做一个目录符号链接。这个思路本身没错但很多人操作的时候顺序搞反了——先拷贝后建链接结果原目录的数据被清掉新目录里又没有完整数据Ollama直接报“找不到模型”的错误。真正可行的手动操作方式是这样先建好D盘目标目录把C盘.ollama文件夹完整拷贝过去确认D盘目录里的模型文件都没有缺失再在C盘原位置用管理员权限执行mklink /J C:\Users\你的用户名\.ollama\models D:\ollama\models注意这里用的是/J而不是/D。/J创建的是目录联接Junction它不需要额外权限而且对Ollama这种应用来说兼容性更好。/D是符号链接虽然也能用但有的软件会因为在符号链接下解析路径异常导致读写失败。不过这个方法相对繁琐而且万一原目录里有正在被占用的进程拷贝出来的文件可能是残缺的。我建议优先用迁移三步走的官方方案等会儿在第3节详细讲。3. 已经装在C盘了怎么办模型迁移三步走我遇到的大部分朋友都不是“还没装Ollama”的纯新用户而是已经装好、也下载了三五个模型结果C盘告急才想着要搬家。这种场景完全不需要卸载重来三步就能搞定而且模型文件一个都不用重新下载。3.1 第一步先确认模型目录到底在哪打开CMD执行ollama list先看看你已经有哪些模型。然后再执行ollama show 模型名这个命令会显示模型的基础信息包括路径。比如你执行ollama show qwen2.5:7b输出里会有一行显示“Model Path”之类的信息。如果你懒得逐条查看也可以直接打开资源管理器进入C:\Users\你的用户名\.ollama\models看看里面的blobs和manifests目录占多大空间。这一步的目的就是搞清楚现状避免迁移到一半才发现还有另外一个模型被藏在了别的目录。3.2 第二步用环境变量切换目录再把旧目录搬走这一步其实和我刚才说的“全新安装法”里的环境变量设置是同一个操作只是顺序不同。你已经装好了Ollama现在做也一样。在系统环境变量中新建OLLAMA_MODELS值设为D:\ollama\models。保存后打开任务管理器找到Ollama相关进程一般有ollama app.exe和ollama.exe两个全部结束掉或者直接在系统托盘右键图标选择退出。然后你在CMD里重新执行ollama list如果命令能正常返回说明Ollama已经用新目录启动。接下来再把C盘旧目录里的内容整体搬到D盘xcopy C:\Users\你的用户名\.ollama\models D:\ollama\models /E /I /H复制完成后先不要急着删旧目录。用ollama list确认所有模型都能正常显示再跑一个模型做对话测试。测试无误后才把C盘旧目录删掉或改名备份。3.3 第三步处理Visual Studio Code、Docker等衍生目录这一步是我自己的经验补充。很多人电脑里不只有Ollama还有VS Code、Docker Desktop、Miniconda这三件套。如果你只想解决C盘问题Ollama本身搞定后还得顺手把这几类占用补上VS Code的缓存目录C:\Users\用户名\AppData\Roaming\CodeDocker Desktop的WSL虚拟磁盘C:\Users\用户名\AppData\Local\Docker\wslMiniconda的默认环境C:\Users\用户名\miniconda3思路和Ollama迁移完全一致先把目标目录建好再设置对应软件的环境变量或配置文件指定新路径最后用目录联接做兜底。特别是WSL虚拟磁盘很多人发现C盘怎么清理都清理不干净一查才发现ext4.vhdx已经几十GB了。我不建议一次性把所有软件全搬走太容易出问题。优先处理Ollama因为模型文件涨得最快VS Code这种相对“柔和”等下次系统清理再处理也行。4. 下载速度慢到怀疑人生换一条喂模型的路径把目录问题彻底解决之后你马上会碰到第二个实际问题下载模型太慢。ollama pull默认从官方仓库拉取模型遇到高峰期或者网络波动一个几GB的模型能下到你怀疑人生进度条一直停在3%不动也是常事。4.1 卡在3%的常见原因我观察下来拉取模型卡住的原因通常有这么几个。一是断点续传失效。ollama pull在连接断开之后需要重试但如果你的网络对长连接不友好重试次数多了就会报max retries exceeded之类的错误。这时候直接重新执行一遍ollama pullOllama会基于已下载的blob继续拉取一般能续上。二是拉取源不稳定。Ollama模型仓库在国外加上模型文件都很大小水管网络传输自然吃力。这时候我会选择从hf-mirror.com这类国内可以正常访问的Hugging Face镜像站下载GGUF格式模型文件再用本地注册的方式导入Ollama绕开官方仓库的下载链路。这不是什么黑科技就是很常规的本地模型注册思路。三是磁盘写入性能太差。有些老机械硬盘在持续写入大文件时速度波动很大。如果换了下载源还是慢可以顺手看一下任务管理器里的磁盘占用情况心里有个底。4.2 本地注册GGUF模型从镜像站下载再导入Ollama标准的操作流程是这样的先去hf-mirror.com寻找你想要的模型的GGUF格式文件比如Qwen2.5-7B-Instruct的GGUF版本下载带q4_k_m标识的文件这个量化级别的文件体积适中效果也比较均衡。下载完成后在本地建一个文件夹比如D:\model-files创建一个ModelfileFROM D:/model-files/qwen2.5-7b-instruct-q4_k_m.gguf然后在CMD里执行ollama create qwen2.5:7b -f D:\model-files\Modelfile等待几十秒Ollama就会基于本地文件完成注册。之后ollama run qwen2.5:7b就能正常使用了。需要注意这条路径虽然绕开了官方下载仓库但前提是你能从镜像站稳定下载。不同镜像站的速度差异也很大我一般会多试几个挑一个下载速度能到10MB/s以上的。4.3 方式对但型号选错量化等级和体积的取舍还有一个高频问题是“模型拉错了”。有些朋友直接ollama pull qwen2.5:7b默认可能是16位精度的版本体积巨大下载慢不说内存稍微小一点直接跑不动。实际上Ollama仓库里同一模型会有多个量化标签比如q2_k、q4_k_m、q8_0等。q4_k_m在体积和效果之间比较平衡也是我用得最多的。下载前先看一下官方模型页面确认量化等级再决定要不要拉。如果空间不宽裕选体积小一级的量化版本能省下几个GB。我把选型建议整理成了表格模型规模推荐量化存储占用建议内存1B~3Bq4_k_m约1~2GB8GB7B~8Bq4_k_m约4~6GB16GB13B~14Bq4_k_m约8~10GB32GB30B以上q4_k_m约18GB以上64GB如果你不是做精细推理任务的不推荐盲目追求大模型7B~14B这个区间对绝大多数个人场景已经够用。5. 常见问题排查实录与避坑建议实操过程中几乎每个朋友都遇到过几个重复的问题。我把最高频的几类整理成了一份速查表并针对每一条补充了我的处理思路。5.1 环境变量设置了但模型文件还是写到C盘这种情况十有八九是环境变量没被Ollama服务读到。Ollama安装后会在系统里注册一个后台服务环境变量改了之后如果不重启服务它还是用旧路径。处理方式是先彻底退出Ollama包括托盘图标和后台进程再重新启动。如果还不行直接重启系统基本都能解决。还有一种特殊情况是你在PowerShell里临时设置过$env:OLLAMA_MODELS但系统变量里没有。别笑这个问题我见过好多次。终端里的临时变量只在当前窗口生效关掉窗口就没了。一定要去“系统变量”里改。5.2 mklink创建目录联接失败执行mklink /J时提示没有足够权限需要用管理员身份打开CMD。右键点击“开始”菜单选择“终端(管理员)”或者“命令提示符(管理员)”再执行命令。如果你确实不想用管理员权限建议改用/J而不是/D后者对权限和文件系统的要求更严格。把两个命令的差异记住能省掉很多麻烦。5.3 迁移完成之后模型对话异常一种情况是模型能识别但推理速度特别慢。先检查一下是否真的调用了GPU。Ollama默认优先使用GPU但如果电脑配置不够它会自动切到CPU推理速度自然感人。看GPU利用率可以用nvidia-smi看看进程列表里有没有ollama字样。如果没有可以在环境变量里加一个OLLAMA_GPU_DRIVERcuda不过前提是驱动和CUDA环境都正常。另一种情况是“模型输出乱码”。这种情况一般是量化等级太低比如q2_k的模型回复质量会明显下降不是你迁移过程中弄坏了文件。换回q4_k_m或者更高的量化等级即可。5.4 多个模型同时加载导致内存爆掉有朋友喜欢一次性跑好几个模型结果内存爆了系统卡死。Ollama默认会在内存里缓存已加载的模型方便你快速切换。如果内存不够大建议把OLLAMA_MAX_LOADED_MODELS设为1只保留一个模型在内存里。设置方式还是环境变量添加一个名字为OLLAMA_MAX_LOADED_MODELS的系统变量值填1。这样就不会同时加载多个模型原理很简单Ollama会把暂时用不到的模型从内存里卸载下次调用时再按需加载。虽然切换模型会慢一点但胜在系统稳定。5.5 安装完Ollama双击没反应如果你是从官网下载的安装包装完之后系统托盘会有一个小图标但没有图形窗口。这是正常现象Ollama本身就不是主打GUI的软件一切操作都在命令行里。双击桌面图标如果没反应先确认托盘图标还在不在然后在CMD里执行ollama run llama3.2只要能正常对话安装就没有问题。如果CMD提示不是内部或外部命令说明安装时没有把Ollama写入系统PATH。重新安装一次或者手动把D:\Ollama加入系统Path环境变量。这就是为什么我推荐用/DIR参数指定安装路径路径固定了手动配Path也方便。5.6 常见问题速查表问题常见原因处理建议模型文件仍写入C盘环境变量未生效或未重启服务重启Ollama必要时重启系统下载进度卡住网络波动导致重连失败重新执行ollama pull支持断点续传模型对话很慢未正确调用GPU用nvidia-smi确认检查驱动和CUDA多个模型同时加载内存爆掉默认模型缓存策略太激进设置OLLAMA_MAX_LOADED_MODELS1创建目录联接失败权限不足管理员终端运行mklink优先用/J参数CMD不识别ollama命令未正确配置PATH重装或手动添加D:\Ollama到Path6. 几个高频命令和配置项顺手列给你讲到最后把平时最常用的命令和配置项整理出来当作一份速查版说明书。遇到问题先翻这一段比百度管用。常用命令# 查看当前已下载模型 ollama list # 运行某个模型 ollama run llama3.2 # 下载某个模型并指定量化等级 ollama pull qwen2.5:7b # 删除某个模型 ollama rm qwen2.5:7b # 查看模型详细信息包括参数大小和路径 ollama show qwen2.5:7b # 从Modelfile注册本地模型 ollama create mymodel -f D:\model-files\Modelfile常用环境变量变量名作用推荐值OLLAMA_MODELS模型存储目录D:\ollama\modelsOLLAMA_HOST服务监听地址配合API调用时用127.0.0.1:11434OLLAMA_MAX_LOADED_MODELS同时加载的模型数量1OLLAMA_NUM_PARALLEL单个模型并发请求数默认即可说实话Ollama这个工具本身不复杂尤其是和“把模型部署到生产环境”这类需求比它的核心就是“下载模型、运行模型”两件事。但Windows上文件存放路径的坑确实会劝退一批刚上手的朋友。你只要抓住核心思路——模型目录必须能完全掌控在你自己手里——再配合环境变量OLLAMA_MODELS和合理的安装方式C盘空间焦虑就能彻底解决。我自己的日常习惯是Ollama程序装在D盘模型目录固定放在D:\ollama\models需要换机器时直接拷贝整个目录在新机器上配好环境变量模型立刻全回来了原理就是模型文件本身是自包含的新装Ollama后指向同一个目录就行。这个方法我试过很多次百试不爽。