門市常有人問我同一句話：「在自己 Mac 上跑 AI，是不是只能盯著黑底白字的終端機打指令？」會這樣想很正常，因為網路上多數教學就停在 ollama run 那一步，畫面醜得讓人提不起勁用第二次。但其實只要在後面接上一個叫 Open WebUI 的東西，你打開瀏覽器看到的，就是一個跟 ChatGPT 幾乎沒兩樣的聊天視窗——差別在於，所有對話一個字都不會離開你這台機器。
我自己的工作機就是這樣設定的。沒網路也能用、客戶資料丟給它整理也不怕外流，這兩點是我會推薦進階使用者花半小時搞定它的真正理由。
整套東西分兩層，底層是負責「真正跑模型」的 Ollama，上層才是好看的介面。順序不能反，所以先處理 Ollama。
到 ollama.com 抓 macOS 版的 .dmg，拖進「應用程式」就裝好了。裝完不會跳出什麼大視窗，你要看的是螢幕右上角選單列——出現那個羊駝圖示，就代表背景服務已經在跑，預設守在 http://localhost:11434 這個位址等人來連。
它不吃 Docker，本身自帶 Metal 加速，在 Apple Silicon 上是直接調用 GPU 推論的，速度跟純用 CPU 差一大截，這也是為什麼我會強調機型。M1 到 M4 都吃得很開。
接著要把模型抓下來。開「終端機」，挑你想用的拉：
# Llama 3.2（3B，輕量，8GB RAM 也跑得動）
ollama pull llama3.2
# Gemma 3（4B，Google 的，多語言底子好）
ollama pull gemma3
# Qwen2.5（7B，繁體中文是這幾顆裡最順的）
ollama pull qwen2.5
模型會落在 ~/.ollama/models，3B 大概 2 GB、7B 約 4 到 5 GB。拉完用 ollama list 看一下在不在：
ollama list
# NAME ID SIZE MODIFIED
# llama3.2:latest a80c4f17acd5 2.0 GB 2 minutes ago
# qwen2.5:latest 845dbda0ea48 4.7 GB 5 minutes ago
懶得開介面就想先確認後端活著的話，直接在終端機丟一句問問它：
ollama run qwen2.5 "用繁體中文介紹你自己"
它願意回話，引擎這層就沒問題了，可以往上蓋介面。
Open WebUI 有兩條路可走。我帶過的人裡，十個有八個我會直接叫他用 Docker，因為穩、重開機自己會回來;真的不想碰 Docker 的才走 pip。
Docker 這條（我推這個），先裝好 Docker Desktop for Mac，然後就一行：
docker run -d \
-p 3000:8080 \
--add-host=host.docker.internal:host-gateway \
-v open-webui:/app/backend/data \
--name open-webui \
--restart always \
ghcr.io/open-webui/open-webui:main
這行裡有幾個地方值得知道在幹嘛，不然出問題你不知道從哪找：-p 3000:8080 是把容器內的 8080 接到你 Mac 的 3000 埠;--add-host 那段是讓容器有辦法回頭連到 Mac 上的 Ollama，少了它兩邊就接不上;-v open-webui:... 是把你的對話紀錄跟設定存進 Docker Volume，這樣容器砍掉重建資料還在。
跑起來後瀏覽器開 http://localhost:3000，第一次進去要你建一個管理員帳號——這帳號只活在本機，不會上傳到任何地方，放心填。
pip 這條留給已經有 Python 3.11 以上、又鐵了心不裝 Docker 的人：
pip install open-webui
open-webui serve
它的位址是 http://localhost:8080。不過 pip 在 macOS 上偶爾會跟系統的 Python 套件吵架，依賴版本撞在一起。我的習慣是先 python -m venv ~/.venv/openwebui 開個獨立環境再裝，免得哪天牽連到別的東西。
Open WebUI 多半會自己抓到本機的 http://localhost:11434。沒抓到也別慌，手動填就好：進「設定 → 管理員面板 → 設定 → 連線 → Ollama API」，Docker 裝的填 http://host.docker.internal:11434，pip 裝的填 http://localhost:11434，按「驗證連線」看到綠燈就成了。
回首頁，頂部那個下拉選單挑一顆下載好的模型（比方 qwen2.5:latest），就能打字了。值得一玩的功能不少：左側欄點「新對話」就自動分檔保存歷史;對話設定裡的進階參數能塞 System Prompt，給 AI 捏個固定人設;PDF、txt 直接拖進對話框，它就會讀那份文件回答你（這就是常聽到的 RAG，而且整個在本機算）;對話框上方點「＋」還能同時把一個問題丟給好幾顆模型，左右擺著比誰答得好。
對話框左下角的齒輪可以即時動幾個旋鈕。Temperature 那條 0 到 2，越低越死板精確、越高越天馬行空，日常我大概放 0.7 到 1.0;Context Length 決定它記得多少前文，M2、M3 以上開到 8192 甚至 16384 都行，代價是更吃記憶體;Top-P、Top-K 這兩個多數時候別動，預設就夠用。
如果你某顆模型每次都要交代一樣的開場設定，可以用 Ollama 的 Modelfile 把系統提示直接烤進去，做一顆自己的版本：
cat > ~/Modelfile << 'EOF'
FROM qwen2.5
SYSTEM """
你是 iLab 學校的 Apple 技術助理，專門回答 macOS、iOS 相關問題。
回答時使用繁體中文，風格簡潔、精準、友善。
"""
EOF
ollama create ilab-assistant -f ~/Modelfile
# 做好之後 Open WebUI 的下拉選單就會多出 ilab-assistant
記憶體這關得認清現實。Apple Silicon 是統一記憶體，RAM 是 CPU 跟 GPU 一起分的。跑 7B 至少要留 8 GB 空閒，14B 得 16 GB 起跳。想看它到底有沒有在操 GPU，終端機這行盯著看：
sudo powermetrics --samplers gpu_power -i 2000 | grep "GPU Active"
回應突然變慢，先去「設定 → 一般 → 儲存空間」看磁碟還夠不夠，再把背景那些吃記憶體的 App 收一收，通常就回來了。
連線一直顯示失敗，八成是這三件事之一。第一，Ollama 根本沒在跑——看一眼選單列圖示，或終端機補一句 ollama serve。第二，也是最常見的，Docker 裡填了 localhost——容器裡的 localhost 不是你的 Mac，要改 http://host.docker.internal:11434 才對。第三，Mac 防火牆把 11434 埠擋了，去「設定 → 網路 → 防火牆 → 選項」放行 Ollama。
慢到想砸鍵盤，先確認它是不是真的在用 GPU。跑 ollama run llama3.2 "test" 的時候，活動監視器的「GPU 記憶體」該明顯往上跳;完全沒動，多半是被 Rosetta 模擬拖著用 CPU 在算，回官網下載頁重抓標明「macOS (Apple Silicon)」的原生版。再不行，就用小一點的模型（3B 換掉 7B）、把 Context Length 縮短、關掉佔 RAM 的程式，這幾招疊起來很有感。
整套搞下來會發現，本機 AI 真正卡人的從來不是設定難，而是你那台 Mac 的記憶體跟晶片撐不撐得住——同一份指令，M4 跟舊機跑起來是兩種人生。如果你正考慮把工作機換成有本錢跑這類在地模型的機型，不確定該配多少記憶體、選哪顆晶片，到 /choose 我們幫你按用途配，或直接來店裡讓我們把模型實際跑給你看，再決定也不遲。