2026年LM Studio教程：最易用的本地AI模型运行工具

对于不想折腾命令行的用户来说，LM Studio是进入本地AI世界的最佳入口。在AI工具合集2026中，我将LM Studio列为必装工具之一。

二、下载和安装

下载LM Studio

访问LM Studio的官网 lmstudio.ai，点击页面上的”Download LM Studio”按钮。网站会自动检测你的操作系统并提供对应的安装包：

• Windows：.exe 安装文件（支持Windows 10/11）
• macOS：.dmg 安装文件（支持Apple Silicon和Intel）
• Linux：.AppImage 文件（支持Ubuntu、Fedora等主流发行版）

安装步骤

Windows安装：

1. 双击下载的 .exe 文件
2. 按照安装向导完成安装
3. 首次启动时，LM Studio会进行硬件检测，自动识别你的GPU和内存配置
4. 根据检测结果，LM Studio会推荐适合你硬件的模型

macOS安装：

1. 打开 .dmg 文件
2. 将LM Studio拖入应用程序文件夹
3. 首次打开时，在系统设置中允许运行
4. Apple Silicon Mac会自动启用Metal GPU加速

Linux安装：

# 下载AppImage
chmod +x LM-Studio-*.AppImage
./LM-Studio-*.AppImage

首次启动设置

首次启动LM Studio时，建议进行以下设置：

1. 选择模型存储目录：默认在用户目录下，如果磁盘空间紧张，可以改到其他盘
2. GPU配置：如果有独立显卡，在设置中选择GPU推理模式
3. 主题选择：支持亮色和暗色主题，根据个人喜好选择

三、模型搜索和下载

LM Studio最强大的功能之一就是内置的模型搜索系统。你不需要去HuggingFace网站逐个查找，直接在应用内就能找到想要的模型。

搜索模型

在左侧导航栏中点击”Discover”（发现）按钮，你会看到一个搜索框。输入模型名称或关键词即可搜索：

• 搜索 llama 可以找到所有Llama系列模型
• 搜索 qwen 可以找到通义千问系列模型
• 搜索 code 可以找到代码相关的模型
• 搜索 chinese 可以找到中文优化模型

选择量化版本

搜索结果会显示多个量化版本。作为新手，你需要理解以下常见的量化格式：

我通常选择 Q4_K_M 版本，它在文件大小和模型质量之间取得了很好的平衡。

下载模型

点击模型右侧的下载按钮即可开始下载。下载进度会显示在底部状态栏中。模型下载完成后会出现在”My Models”标签页中。

推荐模型清单

根据我的使用经验，以下是LM Studio中最值得下载的模型：

1. Llama 3.1 8B - 通用对话和英文任务的最佳选择
2. Qwen 2.5 7B - 中文任务的首选模型
3. DeepSeek-R1 7B - 推理和数学能力出色
4. Mistral 7B - 轻量快速，适合低配置设备
5. CodeLlama 7B - 专注于代码生成和解释
6. Phi-3 Mini - 微软出品，小体积高性能
7. Gemma 2 9B - 谷歌出品，多语言支持好
8. Yi 1.5 9B - 中文场景表现优秀

四、聊天界面使用

下载好模型后，就可以开始聊天了。在左侧导航栏点击”Chat”（聊天）按钮进入对话界面。

选择模型

在聊天界面顶部，你会看到一个模型选择下拉菜单。点击它可以选择你已经下载的模型。加载模型可能需要几秒到几十秒不等，取决于模型大小和你的硬件配置。

设置系统提示词

点击聊天界面上方的设置图标，你可以配置系统提示词（System Prompt）。这决定了AI的角色和行为方式。例如：

你是一个专业的Python编程导师，擅长用简单易懂的方式解释编程概念。每次回答都包含代码示例。

调整生成参数

在设置面板中，你还可以调整以下参数：

• Temperature（温度）：0-2之间，值越低回答越确定，值越高越有创意。日常使用建议0.7
• Max Tokens：单次回复的最大token数
• Top P：控制词汇多样性，建议0.9
• Repeat Penalty：重复惩罚，避免模型重复输出相同内容

多轮对话

LM Studio支持完整的多轮对话上下文。在一次会话中，模型会记住之前的对话内容。你可以：

• 创建新的对话会话
• 保存和加载历史对话
• 导出对话记录为文本文件
• 在对话中随时切换模型

对话模板

LM Studio支持多种对话模板，包括ChatML、Llama、Alpaca等格式。大多数情况下，应用会自动检测并使用正确的模板。如果你发现模型输出格式异常，可以手动切换对话模板。

五、本地API服务器

LM Studio不仅能作为聊天客户端使用，还可以作为本地API服务器，为你的应用程序提供AI能力。这是我非常喜欢LM Studio的一个原因。

启动API服务器

在左侧导航栏中点击”Developer”（开发者）按钮，然后：

1. 选择要使用的模型
2. 点击”Start Server”按钮
3. 服务器默认监听 http://localhost:1234

API接口

LM Studio的API与OpenAI兼容，你可以直接使用OpenAI的SDK：

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:1234/v1",
    api_key="lm-studio"
)

response = client.chat.completions.create(
    model="local-model",
    messages=[
        {"role": "system", "content": "你是一个有用的助手"},
        {"role": "user", "content": "请帮我写一个Python冒泡排序"}
    ],
    temperature=0.7
)

print(response.choices[0].message.content)

cURL调用示例

curl http://localhost:1234/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "messages": [
      {"role": "user", "content": "你好，请介绍一下自己"}
    ],
    "temperature": 0.7
  }'

服务器配置

在开发者面板中，你还可以配置：

• 跨域设置：允许前端应用直接调用API
• 日志记录：记录所有API请求和响应
• 并发设置：配置同时处理的请求数量
• 模型预热：提前加载模型以减少首次请求延迟

关于如何将本地API集成到编程工作流中，可以参考2026年AI编程工具推荐。

六、多模型切换和管理

LM Studio的一大优势是方便管理多个模型。在实际使用中，我经常会根据不同任务切换不同的模型。

模型管理

在”My Models”页面，你可以：

• 查看所有已下载的模型及其文件大小
• 删除不再需要的模型释放磁盘空间
• 查看模型的详细信息（参数量、量化方式等）
• 为模型添加自定义标签方便分类

按场景切换模型

根据我的使用习惯，以下是不同场景下的模型选择建议：

模型预设

你可以为常用的模型组合创建预设，包括模型选择、系统提示词、参数配置等。这样在不同任务之间切换时，只需一键加载预设即可。

七、LM Studio与Ollama对比

很多用户在选择本地大模型工具时会在LM Studio和Ollama之间犹豫。我长期使用这两款工具，以下是我的详细对比分析：

总结：LM Studio更适合普通用户和不想接触命令行的用户，它的图形界面非常友好。Ollama更适合开发者和需要自动化集成的场景。如果你两者都想学，可以先从Ollama本地部署教程开始。

八、常见问题解答（FAQ）

Q1：LM Studio支持哪些操作系统？

LM Studio支持Windows 10/11、macOS（包括Apple Silicon和Intel芯片）以及主流Linux发行版（Ubuntu、Fedora等）。macOS上的性能通常最好，因为Apple Silicon的Metal加速非常高效。Windows用户如果有NVIDIA显卡，也可以获得很好的GPU加速效果。

Q2：LM Studio需要联网吗？

只在搜索和下载模型时需要联网。模型下载完成后，所有对话和推理过程都在本地完成，完全不需要网络连接。这意味着你可以在飞机上、在偏远地区或者任何没有网络的环境中使用AI助手，非常适合对隐私有高要求的用户。

Q3：8GB内存的电脑能运行什么模型？

8GB内存的电脑可以流畅运行7B参数的Q4量化模型。推荐选择Phi-3 Mini（3.8B）、Gemma 2 2B或者Qwen 2.5 7B的Q4_K_M量化版本。运行时建议关闭其他占用内存的程序。如果你想要更好的体验，建议升级到16GB内存。

Q4：如何让LM Studio使用GPU加速？

LM Studio会自动检测可用的GPU。在设置中的”GPU Offload”选项，你可以选择将多少层模型卸载到GPU上。如果有NVIDIA显卡，确保安装了最新的驱动程序。Apple Silicon Mac会自动使用Metal加速。如果GPU显存不够，可以只将部分层卸载到GPU，其余层在CPU上运行。

以上就是LM Studio的完整使用教程。作为一款零门槛的本地AI工具，LM Studio真正做到了让每个人都能在自己的电脑上运行大语言模型。如果你还想了解更多本地部署方案，可以查看AI本地部署完全指南获取进阶内容。

推荐阅读

• 私有化智谱大模型：2026年ChatGLM开源模型本地部署教程：私有化智谱大模型
• 搭建你的私人AI助手：2026年Ollama本地大模型部署教程：搭建你的私人AI助手
• 搭建你自己的AI对话界面：2026年Open WebUI教程：搭建你自己的AI对话界面
• Luma AI视频：2026年Luma AI视频教程：AI视频生成新星的完整使用指南