开源 AI 从哪里上手：用 Ollama、ComfyUI 和 LangChain 完成第一个任务

“开源 AI”不是一个装好就能完成所有工作的软件包。Ollama 负责提供运行语言模型的入口，ComfyUI 把图像生成步骤组织成节点图，LangChain 则让开发者在代码里组合模型和工具。它们可能出现在同一个项目中，但第一次上手应先选一个你能判断结果对错的任务。 例如，你想让自己的电脑整理一小段文本，就从语言模型开始；想理解一张图是怎样生成的，就从基础图像流程开始；已经有查询数据的函数，想让自然语言调用它，再进入应用开发。不要用“安装了多少组件”衡量进度：能重新完成同一个任务，并知道失败发生在哪里，才有继续扩展的基础。 先分清程序、模型和运行位置 程序源码、模型权重和扩展插件分别有自己的许可。此次核对的 Ollama 与 LangChain 程序仓库标示 MIT，ComfyUI 程序使用 GPL 第 3 版；这些标示不能自动代表你另行下载的模型或节点。保留模型原始页面与许可文件，尤其在准备分发应用或模型时，重新检查整个组合的使用条件。 “装在本地”也不等于每次计算都在本地。Ollama 同时提供本地与云端模型入口；ComfyUI 的流程也可能包含调用外部服务的节点。先看所选模型和节点实际把输入发到哪里，再决定是否放入自己的材料。第一次练习用公开文本或自拟内容，便于交换配置和复查结果。 路线一：让 Ollama 稳定完成一项文本任务 按照官方快速入门安装与你的系统对应的版本，启动后从官方模型入口选择适合现有硬件的模型。运行命令的形式是 ollama run 模型名；这里的“模型名”要换成你选定的实际名称。首次运行可能需要下载权重，应把下载等待和真正生成回答的等待分开记录。不要把体积最大的模型当作默认起点。 给它一段自拟材料：“小林负责整理会议记录，小周负责核对数据，材料没有规定截止日期。”要求只提取负责人和任务，未给出的日期写“未提供”。先看两个人是否对应正确，再看它有没有补造时间。如果输出格式正确但任务张冠李戴，换一个更漂亮的展示界面不能解决这个问题。 保存原始输入、完整模型名称和回答。第二次只改变一个条件，例如把人名顺序调换，观察结果是否仍对应正确。能够回答闲聊问题，只说明调用通了；完成这类小练习，才能开始判断它是否适合你的工作。结束交互可使用 /bye。后续需要接入程序时，再沿官方 API 文档继续，不必一开始就增加多个客户端。 路线二：在 ComfyUI 中保存一条能重新打开的图像流程 先按设备选择官方安装方式，再加载官方基础文生图示例。进入界面不代表基础模型已经安装：加载示例后，查看缺失模型提示与 Load Checkpoint 节点，按示例要求准备对应文件。模型列表为空时，先核对模型所在目录和当前实例，再刷新或重启；不要急着安装新的自定义节点。 第一轮沿用示例的基础结构，使用一个简单的自拟描述，例如“浅灰背景上的一只红色陶杯”。运行后检查输出是否存在、主体和背景是否大致符合要求。暂时保留模型、尺寸、采样设置和种子，第二轮只改背景描述，比较变化发生在哪里。即使环境相同，目标也先设为重现流程与可解释的差异，不承诺跨设备逐像素相同。 把工作流导出为 JSON，重新打开一次，并同时记录模型文件与版本。工作流文件保存节点和连接信息，不会把全部模型权重一起打包；别人打开后仍可能缺文件。带有工作流元数据的原始生成图片也可用于恢复流程，但经过转存或压缩的图片不一定保留这些信息。交付练习时，JSON、模型清单和示例输出应一起留下。 路线三：用 LangChain 连接一个你已会调用的函数 如果还不能独立编写函数、处理 JSON 和查看异常，先完成这些基础，再引入框架。LangChain 的价值在于组织模型、工具和调用过程；它不会自动定义你业务里的正确答案。 准备一个只读函数，例如用商品编号查询三条自拟库存记录。先不接模型，直接测试“存在的编号”“不存在的编号”“空编号”，让返回结果能区分查到记录、没有记录和输入无效。再按官方概览接入模型与工具，让模型从用户提问中选择参数。这样一旦回答错了，可以依次查参数、函数结果和模型转述，不必在整个应用里猜原因。 验收时至少保留一次成功查询和一次无结果查询。模型说“已经查到”不能代替实际工具记录；它应根据工具返回的信息回答，不能给不存在的编号编库存。到这一步，再决定要不要接数据库、增加其他工具或构建界面。 出了问题，沿输入经过的顺序找 模型文件缺失、运行时资源不足、输入理解错误和业务数据错误，是不同层的问题。先确认程序能启动、需要的文件齐全、最小官方示例能跑，再替换自己的输入。每次只增加一个扩展或修改一组参数，并保留最后可用的配置。 完成第一条路线后，如果新的任务确实需要另一种能力，再组合工具。例如，本地模型能稳定提取字段后，用代码校验并查询数据；图像流程能复现后，再尝试控制结构或风格的节点。这样每一次安装都有具体用途，也有一份已知可用的结果可以回到。

运行语言模型1

Ollama

Ollama 提供跨 macOS、Windows 和 Linux 的模型运行入口，并提供应用集成和 API 文档。

适合场景

验证本地语言模型是否适合自己的电脑与文本任务。

需要留意

本地模型需要硬件资源；选择云端模型会改变数据流与成本，模型权重许可需单独核对。

了解项目 访问官网

组织图像流程1

ComfyUI官网

ComfyUI 使用节点图组织生成流程，支持保存和加载工作流，并通过自定义节点扩展。

适合场景

想学习、复用和调整图像生成过程。

需要留意

模型、显存和节点依赖会影响能否运行；部分 API 节点调用外部服务，不能把所有工作流都视为离线。

了解项目 访问官网

编写 AI 应用1

LangChain

LangChain 为模型调用和工具组合提供代码层的开发能力。

适合场景

能编写 Python 或相关应用代码的开发者。

需要留意

框架不能代替模型或业务测试；外部模型和配套服务的许可与费用需另外确认。

了解项目 访问官网