برای اجرای هوش مصنوعی روی کامپیوتر می‌توانید Ollama را نصب کنید، یک مدل محلی کوچک بگیرید و نخستین درخواست را در ترمینال بفرستید. مسیر این آموزش، آزمایش روی دستگاه خودتان است؛ خرید کارت گرافیک، خرید API یا اتصال به سرویس ابری جزو مراحل نیست. ابتدا سازگاری سیستم و فضای خالی را بررسی کنید. این راهنما از مستندات رسمی تهیه شده و گزارش اجرای مدل روی سخت‌افزار اپرا نیست.
پیش از نصب چه چیزهایی را بررسی کنیم؟
سیستم‌عامل، حافظه و محل ذخیره را یادداشت کنید. در مستندات فعلی Ollama، ویندوز ۱۰ نسخهٔ 22H2 یا جدیدتر و macOS Sonoma 14 یا جدیدتر آمده است؛ برای لینوکس راهنمای نصب جدا وجود دارد. نسخهٔ برنامه و پشتیبانی سخت‌افزار تغییر می‌کند؛ پیش از نصب، صفحهٔ رسمی سیستم‌عامل خود را هم ببینید. وجود GPU به‌تنهایی سازگاری درایور و مدل را ثابت نمی‌کند.
فضای فایل نصب با فضای مدل و حافظهٔ هنگام اجرا فرق دارد. راهنمای ویندوز برای نصب برنامه حداقل ۴ گیگابایت فضای دیسک ذکر می‌کند؛ فایل مدل جداگانه دانلود می‌شود. نمونهٔ انتخاب‌شده در این مقاله کوچک است، اما اندازهٔ فایل آن را حداقل RAM موردنیاز حساب نکنید. اگر دستگاه فعلی منابع کافی ندارد، آزمایش را متوقف کنید؛ صرف خواندن این آموزش دلیل خرید سخت‌افزار نیست. برای تصمیم اولیه، راهنمای CPU یا GPU و معیار انتخاب کارت گرافیک برای هوش مصنوعی را ببینید.
۱. برنامه را از منبع رسمی نصب کنید
از صفحهٔ دانلود رسمی Ollama، نسخهٔ سازگار با سیستم خود را بگیرید. در ویندوز، فایل نصب را اجرا و برنامه را باز کنید؛ سپس یک پنجرهٔ تازهٔ PowerShell یا ترمینال باز کنید تا مسیر فرمان شناخته شود. در مک، فایل DMG را باز و برنامه را طبق راهنمای رسمی به Applications منتقل کنید. برای لینوکس، مراحل نصب رسمی لینوکس را دنبال کنید؛ در این مقاله فرمان نصب اینترنتی را به‌صورت خودکار اجرا نمی‌کنیم.
حالا این فرمان را بنویسید:
ollama -vباید اطلاعات نسخه یا پاسخ معتبر فرمان را ببینید. شمارهٔ ثابت و ازپیش‌تعیین‌شده‌ای لازم نیست. خطای شناخته‌نشدن فرمان را پیش از دانلود مدل حل کنید: برنامه نصب و باز باشد و ترمینال پس از نصب دوباره باز شده باشد. اگر سرویس در لینوکس اجرا نیست، راهنمای همان نصب را بررسی کنید؛ اجرای چند سرور هم‌زمان راه‌حل خطا نیست.
۲. محل مدل را پیش از دانلود مشخص کنید
اگر درایو اصلی فضای کمی دارد، ابتدا مقصد ذخیره را عوض کنید. در ویندوز، برنامهٔ Ollama را از بخش کنار ساعت کاملاً Quit کنید. در تنظیمات متغیرهای محیطی حساب خود، متغیر OLLAMA_MODELS را به یک پوشهٔ قابل نوشتن، مثلاً D:\AI\models در صورت وجود درایو D، تنظیم کنید. سپس برنامه و ترمینال را دوباره باز کنید. این مسیر فقط مثال است و باید روی دستگاه شما معتبر باشد.
تغییر متغیر را جابه‌جایی خودکار مدل‌های قبلی فرض نکنید. برای اولین آزمایش، مقصد را قبل از گرفتن مدل تعیین کنید و فضای آزاد همان درایو را ببینید. روش تنظیم محیط در مک و سرویس لینوکس یکسان نیست؛ دستورهای ویندوز را به آن‌ها تعمیم ندهید. راهنمای ویندوز و راهنمای مک جزئیات نصب و مسیرها را توضیح می‌دهند.
۳. یک مدل کوچک و مشخص بگیرید
برای آزمونِ صرفاً راه‌اندازی، از tag مشخص qwen2.5:0.5b استفاده می‌کنیم. صفحهٔ رسمی این tag هنگام بررسی در ۲ نوامبر ۲۰۲۶، فایل حدود ۳۹۸ مگابایتی نشان می‌دهد؛ اندازه و نسخه را در زمان دانلود دوباره بررسی کنید. این انتخاب، رتبه‌بندی بهترین مدل یا تأیید کیفیت فارسی آن نیست. مدل کوچک ممکن است در فهم سؤال و رعایت دستور ضعیف باشد.
ollama pull qwen2.5:0.5b
ollama lsفرمان اول مدل را دریافت می‌کند و به اینترنت برای دانلود نیاز دارد؛ فرمان دوم فهرست مدل‌های موجود را نشان می‌دهد. برای ادامه باید نام همان مدل را در فهرست ببینید. اگر دانلود کامل نشد، ابتدا اتصال، نام tag و فضای مقصد را بررسی کنید. پیام خطا را بخوانید و به‌جای دانلود چند مدل بزرگ، همان مرحلهٔ ناموفق را مشخص کنید. استفاده از مدل محلی به API key ابری نیاز ندارد؛ tag ابری یا گزینهٔ ورود به حساب را با این مسیر محلی اشتباه نگیرید.
۴. نخستین درخواست را بفرستید
این فرمان یک سؤال سادهٔ انگلیسی می‌فرستد تا مشکل نمایش حروف فارسی با مشکل اجرای مدل مخلوط نشود:
ollama run qwen2.5:0.5b "Explain in one short sentence what a language model does."معیار اولیه این است که پس از بارگیری، متن پاسخ دریافت شود و فرایند با خطای اجرا متوقف نشود. جملهٔ دقیقی را به‌عنوان خروجی تضمین نمی‌کنیم؛ پاسخ مدل می‌تواند متفاوت یا نادرست باشد. اینجا خروجی واقعیِ آزموده‌شده‌ای منتشر نکرده‌ایم. دریافت یک جمله فقط سلامت اولیهٔ مسیر اجرا را نشان می‌دهد، نه صحت پاسخ‌ها یا مناسب‌بودن برای کار مشتری.
حالا همین مدل را با سؤال فارسی و دادهٔ ساختگی امتحان کنید:
ollama run qwen2.5:0.5b "فقط موضوع این درخواست را کوتاه بنویس: لطفاً زمان تحویل سفارش نمونه را اعلام کنید."
ollama psنام، شماره و سفارش واقعی وارد نکنید. در خروجی ollama ps، ستون پردازنده را ببینید تا مشخص شود مدل روی CPU، GPU یا ترکیبی از آن‌ها بارگذاری شده است. اسم دستگاه یا داشتن کارت گرافیک برای نتیجه‌گیری کافی نیست. برای تکرار آزمون، مدل، ورودی و تنظیمات را ثابت نگه دارید و زمان پاسخ مشاهده‌شدهٔ خودتان را ثبت کنید؛ عددی از دستگاه دیگر را معیار قطعی قرار ندهید.
۵. پاسخ را ارزیابی و مدل را متوقف کنید
سه سؤال ساده، یک سؤال با اطلاعات ناقص و یک درخواست خارج از موضوع آماده کنید. بررسی کنید مدل جواب را از ورودی گرفته یا جزئیات تازه اختراع کرده است. در مثال سفارش، تاریخ تحویل در متن نیست؛ اضافه‌کردن تاریخ، حتی با جملهٔ روان، خطاست. هدف این آزمون کوچک، جداکردن «مدل اجرا شد» از «برای این کار قابل اتکاست» است.
| کنترل | چه چیزی را ثبت کنیم؟ |
|---|---|
| اجرای اولیه | نام tag، نسخهٔ برنامه و وجود پاسخ بدون خطای اجرا |
| منابع | محل ذخیره، فضای آزاد و پردازندهٔ مشاهده‌شده در ps |
| کیفیت فارسی | درستی موضوع، حفظ ابهام و رعایت دستور کوتاه‌نویسی |
| تکرارپذیری | ورودی ثابت، تنظیمات ثابت و نتیجهٔ مشاهده‌شدهٔ هر نوبت |
پس از آزمایش، برای خارج‌کردن مدل از حافظه از فرمان زیر استفاده کنید. این فرمان مدل دانلودشده را از دیسک حذف نمی‌کند:
ollama stop qwen2.5:0.5bاگر اولین اجرا موفق نبود
| نشانه | قدم بعدی |
|---|---|
| فرمان شناخته نمی‌شود | نصب، بازبودن برنامه و ترمینال تازه را بررسی کنید. |
| اتصال به سرویس محلی برقرار نیست | اجرای خود برنامه یا سرویس را بررسی کنید؛ پورت را عمومی نکنید. |
| خطای حافظه یا توقف هنگام بارگیری | برنامه‌های سنگین را ببندید و منابع مدل و دستگاه را با مستندات بسنجید. |
| انگلیسی نمایش داده می‌شود ولی فارسی ناخواناست | نمایش و کدگذاری ترمینال را از کیفیت خود مدل جدا بررسی کنید. |
| مدل پاسخ بی‌ربط می‌دهد | ورودی و معیار پذیرش را روشن کنید؛ اجرای فنی را تأیید کیفیت ندانید. |
برای این تمرین اتصال به شبکهٔ عمومی لازم نیست. نشانی محلی پیش‌فرض Ollama با پورت 11434 را بدون کنترل دسترسی در اینترنت منتشر نکنید. انتخاب مدل محلی نیز جای بررسی دسترسی دستگاه، فایل‌های ذخیره‌شده، مجوز استفاده از مدل و مسیرهای ابری فعال را نمی‌گیرد.
از آزمایش محلی تا پاسخ‌گویی به مشتری
یک مدل متنیِ محلی به‌تنهایی تلفن جواب نمی‌دهد. تماس صوتی به دریافت صدا، تبدیل گفتار، مدیریت مکالمه، تولید صدا، اتصال تلفنی و مسیر ارجاع نیاز دارد. اگر هدف شما یادگیری اجراست، همین مراحل را با دادهٔ آزمایشی ادامه دهید. برای مرور موضوع‌های مرتبط، مسیر یادگیری هوش مصنوعی را ببینید.
اگر مسئلهٔ اصلی کسب‌وکار «جواب‌دادن به تلفن ورودی» یا «پیگیری مشتری» است، راهکار منشی تلفنی و تماس خروجی و پیگیری را جدا بررسی کنید. برای گفت‌وگو دربارهٔ نیاز و راه‌اندازی تیمی، درخواست بررسی نیاز ثبت کنید. این آموزش به معنی ارائهٔ نصب و پشتیبانی Ollama یا فروش سخت‌افزار توسط اپرا نیست.
منابع و تاریخ بررسی
منابع اصلی در ۲ نوامبر ۲۰۲۶ بررسی شده‌اند: شروع Ollama و تفکیک local و cloud، مرجع فرمان‌ها، پرسش‌های فنی و تشخیص CPU/GPU و صفحهٔ دقیق مدل نمونه. تاریخ انتشار مطلق این صفحات مستندات مشخص نشده است؛ تاریخ بررسی را تاریخ انتشار مدل یا خبر تازه معرفی نمی‌کنیم.