按分类筛选,展开查看安装步骤,命令可直接复制。涵盖对话模型、本地部署、开发工具、Agent 与 Skill、创意与视频五大类。
winget install Ollama.Ollamaollama run qwen2.5pip install open-webui
open-webui servedocker run -d -p 3000:8080 -v open-webui:/app/backend/data --name open-webui ghcr.io/open-webui/open-webui:maingit clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
pip install -r requirements.txt
python main.pydocker pull mintplexlabs/anythingllmwinget install Microsoft.VisualStudioCodecode --install-extension aliyun.tongyi-lingmaC:\Users\77408\.openclaw-autoclaw\skillsC:\Users\77408\.openclaw-autoclaw\skills\<技能名>\SKILL.mdgit clone https://github.com/langgenius/dify.git
cd dify/docker
docker compose up -dgit clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git本地部署与开发工具安装时的高频问题,覆盖 Ollama、ComfyUI、Docker、Python 环境等场景,遇到报错先来这里找答案。
说明模型还没有下载成功。先执行 ollama pull 模型名 手动拉取,确认进度完成后再执行 ollama run 模型名。国内网络下载慢时,可在设置里配置镜像加速或使用代理后重试。
这是 Python 没有加入环境变量 PATH。重新运行 Python 安装程序,勾选「Add Python to PATH」;或手动把 Python 与 Scripts 目录(如 C:\Python311、C:\Python311\Scripts)加入系统环境变量后重开终端。
winget 需要 Windows 10 1809 以上版本,且已安装「应用安装程序」(App Installer)。在微软商店搜索「应用安装程序」更新到最新版即可。也可直接去工具官网下载安装包,效果相同。
确认显卡为 NVIDIA 且驱动较新(建议 531 以上),显存建议 8GB 起。显存不够时可启动低显存模式,或在 run_nvidia_gpu.bat 中追加 --lowvram 参数;AMD 显卡请使用 DirectML 版本。
国内网络直连 Docker Hub 较慢,可配置国内镜像加速器:在 Docker Desktop 的 Settings → Docker Engine 中把 registry-mirrors 加入当前有效的镜像地址后重启 Docker。
Windows 下以管理员身份打开终端再执行;macOS/Linux 下建议使用 nvm 管理 Node 版本,或用 sudo 提权安装。也可以用 npm 的 prefix 方案把全局目录改到用户目录,彻底避开权限问题。
首次启动需要下载数 GB 的模型与依赖,进度慢属正常。若长时间无反应,检查网络是否能访问 Hugging Face,必要时配置代理或使用国内镜像源;换用 ComfyUI 便携版也能省去不少环境配置。
以 4bit 量化模型估算:7B 模型约需 6-8GB 显存,14B 约 12-16GB,32B 约 24GB 以上。显存不足时优先选小参数模型,或用 Ollama 的 CPU 模式(速度较慢)以及 LM Studio 的混合推理。