前言

本文主要介绍如何在Windows系统快速部署Ollama开源大语言模型运行工具，并安装Open WebUI结合cpolar内网穿透软件，实现在公网环境也能访问你在本地内网搭建的大语言模型运行环境。

近些年来随着ChatGPT的兴起，大语言模型 LLM（Large Language Model）也成为了人工智能AI领域的热门话题，很多大厂也都推出了自己的大语言模型，并或多或少的开源了自己的大语言模型，今天就来分享一个最近很火，且对于小白来说比较好上手本地部署的运行本地LLM的工具Ollama。

在本地运行大语言模型有诸多优点：

比如可以保护隐私、不会产生费用、可以无视网络问题、可以尝鲜各种开源模型等等。

Ollama支持当前主要的开源大模型， 比如llama2、千文qwen、mistral等，可以在Windows、Linux、MacOS系统上进行部署。稳定性和便利性都非常不错，下面就来分享一下它在Windows系统上的安装与应用。

1. 运行Ollama

本文安装环境为：Windows10专业版

下载： Ollama下载地址：https://ollama.com/download

在下载页面点击Windows，然后点击下载按钮。

安装： 下载完成后，双击下载的安装程序。

点击Install进行安装。

安装完成没有提示，我们打开一个终端，本文以Windows PowerShell为例，大家也可以使用其他的：

现在Ollama已经安装完了，我们需要在终端中输入下方命令运行一个大语言模型进行测试，这里以对在中文方面表现相对好些的千问为例，大家也可以使用其他的模型。

ollama run qwen

可以看到，系统正在下载qwen的模型（并保存在C盘，C:\Users<username>.ollama\models 如果想更改默认路径，可以通过设置OLLAMA_MODELS进行修改，然后重启终端，重启ollama服务。）

setx OLLAMA_MODELS "D:\ollama_model"

模型下载完成后，我们就可以在终端中输入问题进行使用了：

至此，在Windows本地部署ollama并运行qwen大语言模型就已经完成了。一键搞定，对新手体验大语言模型真的非常友好。

2. 安装Open WebUI

不过，我们现在只能在终端中使用，操作界面可能不像ChatGPT那样美观，如果能使用web页面进行交互，使用体验更好，也能保留之前的聊天记录，翻遍我们翻阅查询。

针对这个情况，我们可以在Windows上部署Open WebUI这个项目来实现类似chatgpt一样的交互界面。

本教程以Open WebUI这个项目为例，它以前的名字就叫 Formerly Ollama WebUI。可以理解为一开始就是专门适配Ollama的WebUI，它的界面也对用惯了chatgpt的小伙伴来说更相似一些。当然，大家也可以选择其他的WebUI，之后有机会也可以分享给大家。

如何在Windows系统安装Open WebUI：

2.1 在Windows系统安装Docker

首先，如果大家之前未安装过Docker，需要执行下面三个步骤进行安装：

第一步：启动Hyper-v

打开控制面板，在程序与功能页面选择启用或Windows功能

勾选Hyper-V、虚拟机平台、Linux子系统并点击确认

然后，重启计算机。

第二步：安装WSL

打开 powershell，以管理员的身份启动命令窗口，输入

wsl --update

安装

wsl --install

然后再次重启电脑。

第三步：访问Docker官网进行下载

点击下载链接：https://docs.docker.com/desktop/install/windows-install/

选择Windows最新版本：

下载完成后，双击安装程序进行安装，如果是第一次安装，安装后会提示重启电脑，重启后点击桌面的Docker Desktop图标：选择先不注册直接登录即可。

打开Docker Desktop后，左下角显示是绿色的running就代表我们成功了：

视频安装教程：

2.2 使用Docker部署Open WebUI

在Open WebUI的github页面 https://github.com/open-webui/open-webui 可以看到，如果你的Ollama和Open WebUI在同一台主机，那使用下面显示的这一行命令就可以在本地快速进行部署：

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

现在我们打开终端，比如powershell，然后输入docker，回车

可以看到这个命令成功运行，说明docker安装成功。

然后将上边在docker中部署Open WebUI的命令复制后粘贴到终端中，回车。

然后等待安装完毕即可：如下图所示

安装完成后，在Docker Desktop中可以看到Open WebUI的web界面地址为：https://localhost:3000

点击后，会在浏览器打开登录界面：

点击sign up注册，账号，邮箱，密码记好，下次登录时需要用到邮箱和密码登录：

然后点击create account创建账号即可：然后就能在浏览器中使用类似chatgpt界面的Open WebUI了！

点击右上角的设置，可以修改当前界面的语言为简体中文：然后点击保存即可。

点击上方选择一个模型旁边的加号+可以增加大模型，点击下拉按钮可以选择当前使用哪一个已安装的模型，接下来就可以愉快的跟ai聊天了！

3. 安装内网穿透工具

至此，我们已经成功完成在本地Windows系统使用Docker部署Open WebUI与Ollama大模型工具进行交互了！但如果想实现出门在外，也能随时随地使用Ollama Open WebUI，那就需要借助cpolar内网穿透工具来实现公网访问了！接下来介绍一下如何安装cpolar内网穿透并实现公网访问！

下面是安装cpolar步骤：

cpolar官网地址: https://www.cpolar.com

点击进入cpolar官网，点击免费使用注册一个账号，并下载最新版本的cpolar

登录成功后，点击下载cpolar到本地并安装（一路默认安装即可）本教程选择下载Windows版本。

cpolar安装成功后，在浏览器上访问http://localhost:9200，使用cpolar账号登录,登录后即可看到cpolar web 配置界面,结下来在web 管理界面配置即可。

接下来配置一下 Open WebUI 的公网地址，

登录后，点击左侧仪表盘的隧道管理——创建隧道，

创建一个 ollama1 的公网http地址隧道：

• 隧道名称：ollama1（可自定义命名，注意不要与已有的隧道名称重复）
• 协议：选择http
• 本地地址：3000 (本地访问的地址)
• 域名类型：免费选择随机域名
• 地区：选择China Top

隧道创建成功后，点击左侧的状态——在线隧道列表,查看所生成的公网访问地址，有两种访问方式,一种是http 和https：

使用上面的任意一个公网地址,在手机或任意设备的浏览器进行登录访问,即可成功看到 Open WebUI 界面,这样一个公网地址且可以远程访问就创建好了,使用了cpolar的公网域名,无需自己购买云服务器,即可到公网访问 Open WebUI 了！

小结

如果我们需要长期异地远程访问Open WebUI，由于刚才创建的是随机的地址，24小时会发生变化。另外它的网址是由随机字符生成，不容易记忆。如果想把域名变成固定的二级子域名，并且不想每次都重新创建隧道来访问Open WebUI，我们可以选择创建一个固定的公网地址来解决这个问题。

4. 创建固定公网地址

我们接下来为其配置固定的HTTP端口地址，该地址不会变化，方便分享给别人长期查看你部署的项目，而无需每天重复修改服务器地址。

配置固定http端口地址需要将cpolar升级到专业版套餐或以上。

登录cpolar官网，点击左侧的预留，选择保留二级子域名，设置一个二级子域名名称，点击保留,保留成功后复制保留的二级子域名名称

保留成功后复制保留成功的二级子域名的名称：myollama，大家也可以设置自己喜欢的名称。

返回登录Cpolar web UI管理界面，点击左侧仪表盘的隧道管理——隧道列表，找到所要配置的隧道：ollama1，点击右侧的编辑：

修改隧道信息，将保留成功的二级子域名配置到隧道中

• 域名类型：选择二级子域名
• Sub Domain：填写保留成功的二级子域名：myollama

点击更新(注意,点击一次更新即可,不需要重复提交)

更新完成后,打开在线隧道列表,此时可以看到公网地址已经发生变化,地址名称也变成了固定的二级子域名名称的域名：

最后,我们使用固定的公网https地址访问,可以看到访问成功,这样一个固定且永久不变的公网地址就设置好了，可以随时随地在公网环境异地访问本地部署的 Open WebUI 了！

以上就是如何在Windows系统本地安装Ollama大模型工具并使用docker部署Open WebUI，结合cpolar内网穿透工具实现公网访问本地LLM，并配置固定不变的二级子域名公网地址实现远程访问的全部流程，感谢您的观看，有任何问题欢迎留言交流。