Ollama pull 成功但 ollama list 看不到

你执行 ollama pull llama3.2:3b，进度条跑到 100%，最后一行打印 success，可紧接着 ollama list 却没有这个模型。ollama run llama3.2:3b 报 Error: model 'llama3.2:3b' not found。blob 文件明明在磁盘上 —— 你能在某个 models/blobs/ 目录里看到它 —— 所以这不是下载失败。blob 存在，但告诉 Ollama”这些 blob 组成了哪个模型”的 manifest 文件，要么缺失、要么损坏，要么躺在一个当前 Ollama 进程根本不读的目录里。

最快修复（约 80% 的情况有效）： CLI 和 Ollama 守护进程读的是两个不同的模型目录。pull 和 list 都走同一个守护进程，所以真正的分裂几乎总是：你 shell 里的 OLLAMA_MODELS 值已经过期，跟服务实际使用的路径对不上。先跑一句 ollama show llama3.2:3b —— 如果 blob 在磁盘上、这条命令却失败，直接跳到 Step 1 把两个路径对齐。

Ollama 模型到底存在哪里（2026 年 6 月）

先把这件事搞清楚 —— 大多数”模型不见了”其实就是目录找错了。截至 2026 年 6 月 Ollama 0.x 的默认值：

平台 / 安装方式	默认模型目录	运行身份
macOS（App 或 brew）	~/.ollama/models	你自己的用户
Linux（官方安装脚本 + systemd）	/usr/share/ollama/.ollama/models	ollama 服务用户
Linux（在 shell 里手动 ollama serve）	~/.ollama/models	你自己的用户
Windows	C:\Users\%username%\.ollama\models	你自己的用户
Docker	容器里挂载到 /root/.ollama 的路径	容器 root

Linux 上最经典的坑：官方安装脚本会创建一个专用的 ollama 系统用户和一个 systemd 服务。该服务把模型存在 /usr/share/ollama/.ollama/models，而不是你的家目录。如果你在 shell 里 export OLLAMA_MODELS=/somewhere/else 再 pull，你以为拉到了自己的路径，可守护进程仍然只读它自己那个路径 —— 于是 ollama list 里就没有新模型。

常见原因

按命中率从高到低排列。

1. OLLAMA_MODELS 只设在了 shell 里，没设在服务里

你把 export OLLAMA_MODELS=/data/ollama 写进了 ~/.bashrc 或 ~/.zshrc。但 systemd 服务不会继承你登录 shell 的环境变量，守护进程会忽略它，继续用默认路径（Linux 上是 /usr/share/ollama/.ollama/models）。你以为 pull 进了 /data/ollama，可由于 pull 走的就是守护进程，结果要么落到守护进程的默认目录、要么因为目录跟你预期不一致而”看不见”。

怎么判断： 对比两个值。

echo "$OLLAMA_MODELS"                               # 你 shell 里的值
systemctl show ollama --property=Environment        # 服务里的值（Linux/systemd）

如果两者不同，或者你 shell 里设了、服务那行却是空的 —— 这就是根因。

2. ollama 服务用户读不到（或写不进）你的自定义目录

如果你把 OLLAMA_MODELS 指向一个 ollama 用户读不了或写不了的路径（你 $HOME 下的目录、root 所有的目录、还没挂载的磁盘），守护进程会悄悄回退或写不出可用的文件。blob 可能落地了，但 manifest 从没写到守护进程查找的位置。

怎么判断：

ls -la /usr/share/ollama/.ollama/models/manifests/  # 谁是所有者？
# 以及你的自定义目录（如果有）：
ls -ld /data/ollama

在 systemd 安装下，这个目录及其内容必须由 ollama:ollama 拥有。

3. manifest 缺失、零字节或不是合法 JSON

pull 被中断、pull 进行中守护进程重启、或磁盘写满之后，Ollama 可能保留了（很大的）blob，却让那个很小的 manifest 文件变成空的或被截断。ollama list 先读 manifest；零字节或格式损坏的 manifest 会让这个模型被悄悄跳过。

怎么判断： 在守护进程的目录下检查你那个标签对应的版本文件。

# 这里给的是 Linux systemd 路径；macOS/Windows 换成 ~/.ollama
sudo cat /usr/share/ollama/.ollama/models/manifests/registry.ollama.ai/library/llama3.2/3b \
  | python3 -m json.tool

如果文件是空的、不存在，或者 python3 -m json.tool 报 JSON 错误，问题就出在 manifest 上。

4. pull 最后几秒磁盘写满了

blob 是分块下载的，绝大部分会在最后那个小小的 manifest 提交之前就写好。如果磁盘在这最后一步写满，你就会得到完整的 blob 加一个被截断或缺失的 manifest —— 而 success 可能照样一闪而过。

怎么判断： df -h /usr/share/ollama（macOS/Windows 用 df -h ~/.ollama）。如果使用率接近 100%，先腾空间再重新 pull。

5. 你用 sudo（或别的用户）pull，跟运行中的守护进程身份不一致

跑 sudo ollama pull ... 可能会走到一个绑定 root 的守护进程（或写到 root 的路径），把模型留在 /root/.ollama/models，而不是服务的 /usr/share/ollama/.ollama/models。然后你以普通用户 ollama list —— 它对接的是 systemd 守护进程 —— 自然什么都看不到。

怎么判断：

sudo ls /root/.ollama/models/manifests/registry.ollama.ai/library/ 2>/dev/null
ls /usr/share/ollama/.ollama/models/manifests/registry.ollama.ai/library/ 2>/dev/null

如果模型只出现在 /root/.ollama 下，那就是用 root pull 的。

6. 标签对不上 —— pull 的和 list/run 的不是同一个标签

ollama pull llama3.2（不带标签）解析成 llama3.2:latest。如果你接着 ollama run llama3.2:3b，那是另一个标签，即使 llama3.2:latest 就摆在那儿，也会报 “not found”。llama3:latest 和 llama3.3:latest 同样是完全不同的两个模型。

怎么判断： 看 ollama list 里确切的 NAME 列，跟你运行时输入的逐字符对一遍。

ollama list
# NAME                ID              SIZE      MODIFIED
# llama3.2:latest     a80c4f17acd5    2.0 GB    ...

最短修复路径

Step 1：确认守护进程在读哪个目录

# 你 shell 以为的路径
echo "$OLLAMA_MODELS"

# 守护进程启动时拿到的值（Linux/systemd）
systemctl show ollama --property=Environment

# 直接问运行中的守护进程 —— 这个列表才是权威来源
curl -s http://localhost:11434/api/tags | python3 -m json.tool

# 查看守护进程的默认目录（Linux systemd 安装）
sudo ls /usr/share/ollama/.ollama/models/manifests/registry.ollama.ai/library/
# macOS / Windows / 手动 `ollama serve`：
ls ~/.ollama/models/manifests/registry.ollama.ai/library/

/api/tags 返回的内容跟 ollama list 完全一致；如果模型在这里也没有，说明守护进程是真的看不到它。

Step 2：检查并修复 manifest

# 这里给的是 Linux systemd 路径；macOS/Windows 换成 ~/.ollama
MANIFEST=/usr/share/ollama/.ollama/models/manifests/registry.ollama.ai/library/llama3.2/3b

sudo ls -la "$MANIFEST"
sudo cat "$MANIFEST" | python3 -m json.tool   # 是合法 JSON，还是报错？

# 如果是零字节 / 非法，只删掉 manifest 再重新 pull。
# Ollama 会按校验和复用磁盘上已有的 blob，只重写 manifest。
sudo rm -f "$MANIFEST"
ollama pull llama3.2:3b

Step 3：把 OLLAMA_MODELS 设进 systemd 单元（Linux），不要只设在 shell

sudo systemctl edit ollama

# 在编辑器里，[Service] 下加上：
# [Service]
# Environment="OLLAMA_MODELS=/data/ollama"

# ollama 用户必须拥有这个目录：
sudo chown -R ollama:ollama /data/ollama

sudo systemctl daemon-reload
sudo systemctl restart ollama

# 确认守护进程现在报告的是新路径
systemctl show ollama --property=Environment

macOS 上改成给 App 设置：launchctl setenv OLLAMA_MODELS "/path"，然后退出并重新打开 Ollama。Windows 上在「系统环境变量」里设置，再从托盘重启 Ollama App。

Step 4：找回用 root 或错误用户 pull 的模型

# 从 /root 拷进服务目录，再修所有权
sudo cp -r /root/.ollama/models/manifests/* /usr/share/ollama/.ollama/models/manifests/
sudo cp -r /root/.ollama/models/blobs/*     /usr/share/ollama/.ollama/models/blobs/
sudo chown -R ollama:ollama /usr/share/ollama/.ollama/

sudo systemctl restart ollama
ollama list

Step 5：重启守护进程并等它就绪

Ollama 在启动时加载模型注册表，所以任何路径改动都要重启之后 ollama list 才会反映出来。

sudo systemctl restart ollama      # macOS/Windows：退出并重新打开 App

# 阻塞直到 API 有响应，再 list
until curl -s http://localhost:11434/api/version > /dev/null; do sleep 1; done
ollama list

Step 6：标签有歧义时，用完整标签重新 pull

ollama pull llama3.2:3b            # 显式标签，不让 `latest` 自己猜
ollama list | grep llama3.2        # 确认确切的 NAME:TAG 在列表里
ollama run llama3.2:3b "say hello" # 用你 list 里那个标签来运行

如何确认已经修好

ollama list | grep llama3.2        # 1) 标签出现在列表里
ollama show llama3.2:3b            # 2) manifest 能解析（不再 "not found"）
ollama run llama3.2:3b "1+1="      # 3) 真能加载并回答（约等于 "2"）

三条都通过，说明 manifest 和 blob 一致，且守护进程读的是正确的目录。

预防建议

• OLLAMA_MODELS 只在一个守护进程认账的地方设置 —— Linux 用 systemd override，macOS 用 launchctl setenv，Windows 用「系统环境变量」。别指望 ~/.bashrc 里的 export 能影响 systemd 服务。
• Linux 上记住守护进程的家是 /usr/share/ollama/.ollama/models，不是 ~/.ollama。任何自定义目录都必须由 ollama:ollama 拥有。
• 除非守护进程也以 root 运行，否则别用 sudo ollama pull；用户身份不一致是”pull 成功但看不到”的头号原因。
• 每次 pull 后立刻验证：ollama list | grep <model>（CI 里写成 ollama list | grep -q "llama3.2:3b" || exit 1）。
• 模型磁盘留足余量，pull 几 GB 的大模型前先看 df -h，免得最后那步 manifest 写入被截断。
• 升级 Ollama 或操作系统后，重启服务以清空内存里的注册表。

常见问答 (FAQ)

Q: 我直接下了个 .gguf 文件（不是 ollama pull 来的），怎么让它出现在 ollama list 里？ A: 写一个一行的 Modelfile 指向这个文件，然后创建模型。在存放该文件的目录里执行：

echo 'FROM ./model.gguf' > Modelfile
ollama create mymodel -f Modelfile

通常 10–60 秒，之后 mymodel:latest 就会出现在 ollama list 里。注意分片（sharded）的 GGUF 不能直接导入，要先合并。

Q: blob 在磁盘上，但 ollama show <model> 报 “not found”，能不重新下载就恢复吗？ A: 可以，前提是你有那份 manifest。把 manifest JSON 还原到守护进程模型目录下的 .../manifests/registry.ollama.ai/library/<model>/<tag>，再重启 Ollama。由于 Ollama 按 SHA-256 匹配 blob，跑一句 ollama pull <model>:<tag> 也会重建 manifest 并复用现有 blob，而不会重新下载。

Q: 重启或升级 Ollama 之后我的模型全没了，为什么？ A: 几乎总是因为守护进程现在读的目录跟之前不一样了 —— OLLAMA_MODELS 改动没带过来、磁盘在服务启动之后才挂载、或者 /usr/share/ollama 的权限被改了。检查 systemctl show ollama --property=Environment，并确认模型目录由 ollama:ollama 拥有。blob 一般都还在，你只需要把守护进程重新指回去。

Q: 怎么把整个模型库搬到另一台机器？ A: 把整个 models/ 目录 —— blobs/ 和 manifests/ 都要 —— 复制到目标机的对应路径。如果用非默认路径，在目标机设好 OLLAMA_MODELS，修好所有权（systemd 安装是 ollama:ollama），再重启服务并 ollama list。manifest 到 blob 的目录结构必须保持完整。

Q: pull 到了 100% 又重置、再爬一遍才真正完成，是 bug 吗？ A: 不是。ollama pull 有「下载」和「校验 + 写 manifest」两个阶段，进度条会在两阶段之间重置。只要最后一行是 success 且 ollama list 能看到这个标签，就是正常完成。

相关阅读

• Ollama 下载模型卡在某个百分比
• Ollama 启动报 port already in use
• Ollama 探测不到 GPU，全跑在 CPU
• Ollama Modelfile 里的 SYSTEM prompt 被忽略
• llama.cpp 在网络盘上 mmap 失败

标签: #local-llm #ollama #排查

相关文章

常见问题解决库

llama.cpp 在网络盘上 mmap 失败

llama.cpp 从 NFS、SMB 或 CIFS 网络盘加载 GGUF 模型时崩溃或卡顿。最快修复：加 --no-mmap（DirectIO 开着时再加 --no-direct-io），或把模型拷到本地盘。

2026/05/25 #local-llm #llama-cpp

常见问题解决库

llama.cpp 换更激进量化后质量明显下降

从 Q5_K_M 或 Q8_0 换到 Q4_0、IQ4_XS 或更低量化后输出变差：选对量化档位、修复劣质重量化文件，并用 perplexity 验证。

2026/05/25 #local-llm #llama-cpp

常见问题解决库

LM Studio 加载模型时报 out of memory

LM Studio 加载 GGUF 模型时崩溃或报 out of memory。先降 Context Length、开 Flash Attention、调 GPU offload 即可解决，附按显存分级的选型表。

2026/05/25 #local-llm #lm-studio

常见问题解决库

本地 embedding 服务在 batch 请求下崩溃

Ollama、llama-server、vLLM 或 sentence-transformers 批量 embedding 时 OOM 崩溃或返回 500。从 batch size、num_batch、序列长度、并发四方面定位修复，附确切参数。

2026/05/25 #local-llm #ollama

常见问题解决库

Chat-Template 不匹配导致本地 LLM 输出乱码

本地 LLM 把你的问题原样吐回、在回复里夹着 [INST] 或 <|im_start|> 标签、或者一句话重复个没完，这都是 chat-template 不匹配。教你找到模型真正的模板，并强制引擎使用它。

2026/05/25 #local-llm #llama-cpp

常见问题解决库

多 GPU 没分配上，模型只跑在卡 0

本地 LLM 只用一张卡，其余卡 0% 空闲。用 llama.cpp --split-mode、vLLM --tensor-parallel-size、Ollama 自动分布，以及 PCIe 机器需要的 NCCL 参数把它分到多卡上。

2026/05/25 #local-llm #vllm