# Локальные модели через Ollama: где брать, что ставить, обслуживание

## Где брать модели

Проще всего через каталог Ollama: [https://ollama.com/library](https://ollama.com/library)

Расширенные таблицы и заметки по семействам: [model-catalog.md](model-catalog.md)

## Рекомендуемый старт

- `qwen2.5-coder:7b` — хороший баланс для кода
- `qwen2.5:3b` — если сервер слабый
- `llama3.1:8b` — универсальный сильный baseline
- `deepseek-r1:8b` — reasoning-ориентированный вариант

## Базовые команды

```bash
ollama pull qwen2.5-coder:7b
ollama pull qwen2.5:3b
ollama pull llama3.1:8b
ollama pull deepseek-r1:8b
ollama list
```

Установка самого Ollama по ОС — в [install-openclaude-cli.md](install-openclaude-cli.md#2-установка-и-запуск-ollama-для-локального-профиля).

## «Модель дообучается сама» от работы в чате?

Короткий ответ: **нет**.

- Обычная работа в чате не дообучает модель автоматически.
- Качество обычно улучшают так:
  - обновляют модель/тег (`ollama pull ...`);
  - улучшают системные промпты;
  - подключают RAG (документы + retrieval).
- Полноценный finetune/LoRA — отдельный ML-процесс.

## Обновление и обслуживание

Смотреть установленные:

```bash
ollama list
```

Обновлять нужные:

```bash
ollama pull qwen2.5-coder:7b
```

Удалять старые:

```bash
ollama rm <model:tag>
```

Проверять занятое место (Linux):

```bash
sudo du -h --max-depth=2 /usr/share/ollama /var/lib/ollama 2>/dev/null | sort -h | tail -n 30
```

Дальше: как подключать документы и MCP — [rag-mcp-stack.md](rag-mcp-stack.md).