Ollama: Instalação e Configuração de Ambiente do Ollama

Instalar o Ollama é como dar ao seu computador um cérebro local — um comando, todas as plataformas, pronto para uso imediato.

📋 Pré-requisitos: Você precisa dominar o seguinte primeiro

• Aula 1: Conceitos de IA Local e Visão Geral do Ambiente

1. O Que Você Vai Aprender

• Métodos de instalação com um clique para três plataformas
• Requisitos de hardware do sistema e verificações de compatibilidade
• Inicialização do serviço e configuração de porta
• Caminhos personalizados via variáveis de ambiente
• Solução de problemas comuns de instalação

2. Uma História Real de Uma Fundadora de SaaS

(1) O Problema: Pesadelo de Configuração de Ambiente

Alice fundou a plataforma de e-commerce GlobalShop e precisava implantar atendimento ao cliente com IA nos servidores Linux da empresa e em seu próprio laptop Mac. Ela tentou o llama.cpp — compilando CUDA, configurando ambientes, resolvendo conflitos de dependências — gastando dois dias inteiros. Trocar para outra máquina significava recomeçar do zero.

(2) A Solução: Um Comando Resolve Tudo

O Ollama empacota compilação, dependências e gerenciamento de Modelo juntos. Alice precisa de apenas um comando para instalar, completando a Implantação multiplataforma em dez minutos.

# macOS / Linux: instalação em uma linha
curl -fsSL https://ollama.com/install.sh | sh

# Verify installation
ollama --version
# ollama version is 0.5.x

3. Requisitos de Sistema e Compatibilidade

(1) Configuração Mínima e Recomendada

(2) Matriz de Suporte a Aceleração por GPU

▶ Exemplo 1: Verificar Compatibilidade do Sistema (Linux)

# Check CPU architecture
uname -m
# Expected: x86_64 or aarch64

# Check available RAM in GB
free -g | awk '/^Mem:/{print $2}'

# Check NVIDIA GPU
nvidia-smi --query-gpu=name,memory.total --format=csv

# Check disk space
df -h / | awk 'NR==2{print $4}'

Saída：

# Command executed successfully

4. Métodos de Instalação nas Três Plataformas

(1) Instalação no macOS

flowchart LR
    A[Baixar DMG] --> B[Arrastar para Aplicativos]
    B --> C[Iniciar Ollama]
    C --> D[Servidor inicia automaticamente]
    D --> E[Verificar: ollama --version]

flowchart LR
    A[Baixar DMG] --> B[Arrastar para Aplicativos]
    B --> C[Iniciar Ollama]
    C --> D[Servidor inicia automaticamente]
    D --> E[Verificar: ollama --version]

▶ Exemplo 2: Instalação Completa no macOS

# Option A: Homebrew install
brew install ollama

# Start the server
ollama serve

# Option B: Verify GUI app is running
ps aux | grep ollama

# Quick test
ollama run llama3.2 "Say hello in one sentence"

Saída：

I'm a helpful AI assistant running locally on your machine...

(2) Instalação no Linux

▶ Exemplo 3: Instalação e Gerenciamento de Serviço no Linux

# Install with official script (auto-detects GPU)
curl -fsSL https://ollama.com/install.sh | sh

# Check systemd service status
sudo systemctl status ollama

# Start/stop/restart service
sudo systemctl start ollama
sudo systemctl stop ollama
sudo systemctl restart ollama

# Enable auto-start on boot
sudo systemctl enable ollama

Saída：

# Command executed successfully

(3) Instalação no Windows

▶ Exemplo 4: Instalação no Windows e Verificação de GPU WSL2

# Install via winget
winget install Ollama.Ollama

# Verify installation
ollama --version

# If using WSL2 with NVIDIA GPU, verify inside WSL
wsl
nvidia-smi  # Should show GPU inside WSL
ollama run llama3.2 "Hello"

Saída：

// Execution successful

5. Variáveis de Ambiente e Configuração de Porta

(1) Variáveis de Ambiente Centrais

(2) Comparação de Segurança do Endereço de Escuta

▶ Exemplo 5: Configuração Personalizada de Variáveis de Ambiente

# Linux/macOS: set environment variables
# Edit systemd service (Linux)
sudo systemctl edit ollama

# Add in the override file:
[Service]
Environment="OLLAMA_HOST=0.0.0.0:11434"
Environment="OLLAMA_MODELS=/data/ollama/models"
Environment="OLLAMA_KEEP_ALIVE=30m"

# Reload and restart
sudo systemctl daemon-reload
sudo systemctl restart ollama

# macOS: set via launchctl or shell profile
export OLLAMA_HOST=0.0.0.0:11434
ollama serve

Saída：

NAME                    ID              SIZE    
llama3.2:latest        a80...          2.0 GB  
mistral:latest         61...           4.1 GB

6. Solução de Problemas Comuns de Instalação

(1) Tabela Rápida de Diagnóstico

▶ Exemplo 6: Diagnóstico de Conflito de Porta

# Check what process is using port 11434
lsof -i :11434
# or on Linux
ss -tlnp | grep 11434

# Kill the conflicting process if needed
kill -9 `<PID>`

# Or change Ollama port
export OLLAMA_HOST=127.0.0.1:8080
ollama serve

Saída：

NAME                    ID              SIZE    
llama3.2:latest        a80...          2.0 GB  
mistral:latest         61...           4.1 GB

7. Exemplo Abrangente: Script de Implantação em Servidor Novo

#!/bin/bash
# ============================================
# Comprehensive: Fresh server Ollama deployment
# Checks hardware, installs Ollama, verifies service
# ============================================

set -e

echo "=== Step 1: Hardware Check ==="
echo "CPU: $(nproc) cores"
echo "RAM: $(free -g | awk '/^Mem:/{print $2}')GB"

if command -v nvidia-smi &> /dev/null; then
    echo "GPU: $(nvidia-smi --query-gpu=name --format=csv,noheader)"
    echo "VRAM: $(nvidia-smi --query-gpu=memory.total --format=csv,noheader)"
else
    echo "GPU: Not detected (CPU-only mode)"
fi

echo "Disk: $(df -h / | awk 'NR==2{print $4}') available"

echo ""
echo "=== Step 2: Install Ollama ==="
curl -fsSL https://ollama.com/install.sh | sh

echo ""
echo "=== Step 3: Configure Environment ==="
sudo mkdir -p /data/ollama/models
sudo systemctl edit ollama <<EOF
[Service]
Environment="OLLAMA_HOST=0.0.0.0:11434"
Environment="OLLAMA_MODELS=/data/ollama/models"
Environment="OLLAMA_KEEP_ALIVE=30m"
EOF

sudo systemctl daemon-reload
sudo systemctl restart ollama

echo ""
echo "=== Step 4: Verify Service ==="
sleep 3
if curl -s http://localhost:11434/api/tags > /dev/null; then
    echo "SUCCESS: Ollama is running on port 11434"
    ollama --version
else
    echo "FAILED: Check logs with: journalctl -u ollama"
fi

echo ""
echo "=== Step 5: Pull First Model ==="
ollama pull llama3.2
echo "Deployment complete! Run: ollama run llama3.2"

❓ Perguntas Frequentes

P: O comando ollama não é encontrado após a instalação, o que devo fazer? R: No Linux, verifique se /usr/local/bin está no seu PATH. No macOS após instalar via Homebrew, execute brew link ollama. No Windows, reinicie o terminal.

P: Instalação via Docker ou instalação direta — qual escolher? R: Escolha instalação direta para desenvolvimento local (mais simples). Escolha Docker para Implantação em servidor (isolamento e ops mais fáceis). Esta aula cobre instalação direta; Docker é detalhado na Aula 15.

P: Como configuro Inferência por GPU no WSL2? R: Após instalar NVIDIA CUDA no Windows, o WSL2 herda automaticamente a GPU. Execute nvidia-smi no WSL2 para verificar — se você ver a GPU, está pronto. Não é necessário instalar CUDA separadamente dentro do WSL2.

P: Como defino o Ollama para inicialização automática? R: O script de instalação Linux registra automaticamente um serviço systemd e ativa a inicialização automática. O macOS adiciona o app aos itens de login automaticamente após a instalação. O Windows adiciona aos itens de inicialização.

P: Onde os arquivos de Modelo são armazenados por padrão? Posso alterar o caminho? R: O padrão é ~/.ollama/models. Defina a variável de ambiente OLLAMA_MODELS para alterá-lo — útil quando o espaço em disco é baixo e você precisa montar armazenamento externo.

P: Como posso confirmar se a aceleração por GPU está funcionando? R: Execute ollama run --verbose <model> e verifique os logs. Mensagens como using CUDA ou using Metal indicam que a aceleração por GPU está habilitada. Você também pode usar nvidia-smi para observar o uso de VRAM durante a Inferência.

📖 Resumo

• O Ollama suporta instalação com um clique no macOS / Linux / Windows
• Mínimo de 8GB RAM para Modelos 3B, recomendado 16GB+ para Modelos 8B
• Escuta padrão em 127.0.0.1:11434, alterável via OLLAMA_HOST
• A variável de ambiente OLLAMA_MODELS permite caminho personalizado de armazenamento de Modelos
• Aceleração por GPU é detectada automaticamente: NVIDIA CUDA / AMD ROCm / Apple Metal
• Problemas comuns podem ser rapidamente diagnosticados através de verificação de portas e inspeção de logs

📝 Exercícios

1. Básico (Dificuldade ⭐): Instale o Ollama no seu sistema atual e execute ollama --version para confirmar o sucesso.
2. Intermediário (Dificuldade ⭐⭐): Configure as variáveis de ambiente OLLAMA_HOST e OLLAMA_MODELS para vincular o serviço a 0.0.0.0:11434 e armazenar Modelos em um caminho personalizado, então verifique se a configuração entra em vigor.
3. Avançado (Dificuldade ⭐⭐⭐): Escreva um script de Implantação automatizado que cubra detecção de hardware, instalação do Ollama, configuração de ambiente e download de Modelo, gerando um relatório de Implantação.

Equipe Técnica Web-Tutorial

Uma plataforma de tutoriais mantida por diversos desenvolvedores. Cada tutorial é escrito e revisado por profissionais da área correspondente. Trabalhamos para manter nosso conteúdo preciso e confiável — se encontrar algum problema, avise-nos.

Sobre Nós