使用 Ollama 集成 GraphRag.Net：一步步教你如何实现

在AI工具遍地开花的今天，我想先说一句：选对工具组合，往往等于成功了一半。尤其对于开发者而言，如何用最低的成本、最高的效率把图算法和本地模型结合起来，是值得仔细掂量的事。今天我们要聊的这对搭档——

和 ，就正好踩在了这个点上。一个负责轻量本地模型部署，一个负责高效的图数据分析，两者结合之后，你完全可以在自己机器上跑出一套不依赖云API的智能处理流水线。

第一部分：Ollama 简介

先来看看 Ollama 是什么。简单说，它就是一个让你在本地轻松管理、运行 AI 模型的开源平台。不需要折腾复杂的 GPU 驱动和容器环境，一条命令就能启动一个模型，然后通过 API 直接调用。这在几个维度上解决了开发者的痛点：

• 经济实惠
  ：对比反复调用 OpenAI 的 API，长期用下来本地部署的成本优势非常明显。省下来的钱干点什么不好？

• 灵活性高
  ：Ollama 支持多种模型类型——聊天、代码补全、文本嵌入，甚至工具调用。你想换模型？换一行命令的事。

• 上手容易
  ：安装流程极度简化，文档做得也清楚，哪怕你只是刚接触本地模型，也能很快跑起来。

第二部分：安装 Ollama

进入实操环节。首先，确保你的机器环境满足基本的运行条件。然后前往 Ollama 官网下载页面，根据你的操作系统（Windows、macOS、Linux）下载对应的安装包。官网提供了很清晰的引导，按步骤走就行。安装完成之后，在终端里敲一下 ollama 命令，能正常输出命令列表就算安装成功。

第三部分：选择合适的模型

Ollama 的模型库里种类相当丰富。访问模型库页面，你会看到按用途划分的标签，比如

（支持函数调用）、（编程专用）、（文本嵌入）等等。在这个项目中，我们需要一个聊天模型来做推理，外加一个嵌入模型来做语义表示。

综合性能和资源占用，推荐两个组合：聊天模型选

，嵌入模型选 。前者在中等参数量上表现均衡，后者在嵌入任务中久经考验。拉取命令很简单：

ollama pull qwen2:7B
ollama pull nomic-embed-text:v1.5

等待下载完成就好，速度取决于你的网络环境。

第四部分：配置 GraphRag.Net

一旦模型就位，下一步就是在 GraphRag.Net 项目里把指向改好。打开项目的配置文件，找到 GraphOpenAI 节，更新如下内容：

"GraphOpenAI": {
  "Key": "123",
  "EndPoint": "http://localhost:11434/",
  "ChatModel": "qwen2:7b",
  "EmbeddingModel": "nomic-embed-text:v1.5"
}

Key 可以随意填，因为 Ollama 不校验它；EndPoint 是 Ollama 的本地服务地址，默认端口 11434，确保 Ollama 服务已经启动。

第五部分：运行与测试

配置完成，启动你的 GraphRag.Net 应用。试着扔进去一些数据，看看能否正常调用本地模型进行推理和嵌入。如果一切顺利，你会看到整个流程跑在本地，响应速度快，而且不需要联网。

第六部分：总结与展望

通过这几步，我们成功把 Ollama 本地模型挂到了 GraphRag.Net 上。这个组合最大的价值在于：你用可控的成本换来了独立的 AI 能力，不再受制于 API 配额或延迟。未来有很多方向可以继续深挖——

1. 模型优化
   ：针对具体业务场景微调参数，或者尝试更小的量化版本，进一步压榨资源。

2. 功能扩展
   ：在 GraphRag.Net 上叠加图像、时序等其他模态数据分析。

3. 社区共建
   ：两个项目都有活跃的社区，参与进去能获取最新思路和问题解决经验。

工具在迭代，思路在进化。希望这篇文章能帮你推开一扇门，让你在自己的开发环境里试验出更多可能性。