Ollama平替！LM Studio本地大模型调用实战
本文已收录在Github，关注我，紧跟本系列专栏文章，咱们下篇再续！
- 🚀 魔都架构师 | 全网30W技术追随者
- 🔧 大厂分布式系统/数据中台实战专家
- 🏆 主导交易系统百万级流量调优 & 车联网平台架构
- 🧠 AIGC应用开发先行者 | 区块链落地实践者
- 🌍 以技术驱动创新，我们的征途是改变世界！
- 👉 实战干货：编程严选网
0 前言
可像 Ollama 通过暴露本地端口，实现本地客户端调用。
1 选择模型
在 LM Studio 的 “开发者” 选项卡中选择模型：
2 端口暴露
设置暴露的端口（默认1234）：
启用 CORS 后，可对接网页应用或其他客户端工具。
3 启动服务
点击状态选项卡：
控制台会显示运行日志和访问地址：
4 快速上手
4.1 快速ping
列出已加载并就绪的模型：
curl http://127.0.0.1:1234/v1/models/
这也是验证服务器是否可访问的一种有效方法！
4.2 聊天
这是一个类似调用OpenAI的操作，通过curl工具访问/v1/chat/completion端点：
- 在Mac或Linux系统，可用任意终端运行
- Windows系统用Git Bash
curl http://127.0.0.1:1234/v1/chat/completions \-H "Content-Type: application/json" \-d '{"model": "llama-4-maverick-17b-128e-instruct","messages": [ { "role": "system", "content": "Always answer in rhymes." },{ "role": "user", "content": "Introduce yourself." }], "temperature": 0.7, "max_tokens": -1,"stream": true}'
该调用是“无状态的”，即服务器不会保留对话历史记录。调用方有责任在每次调用时提供完整的对话历史记录。
流式传输 V.S 累积完整响应
注意"stream": true（流式传输：开启）参数:
true（开启）时，LM Studio会在预测出标记（token）的同时将其逐一流式返回- 如将此参数设置为
false（关闭），在调用返回之前，完整的预测结果会被先累积起来。对于较长的内容生成或者运行速度较慢的模型，这可能需要花费一些时间！