Portable-AI-USB 源码解析1：install-core.ps1 如何实现 AI 模型下载校验与 Ollama 一键导入（完整指南）

Portable-AI-USB 源码解析1：install-core.ps1 如何实现 AI 模型下载校验与 Ollama 一键导入（完整指南）

【免费下载链接】Portable-AI-USBA 100% offline, fully portable, zero-trace AI (Ollama + Llama 3 + AnythingLLM) that runs natively from a USB drive on Windows and Mac.项目地址: https://gitcode.com/gh_mirrors/po/Portable-AI-USB

Portable-AI-USB 是一个100% 离线、完全可移植的 USB 便携 AI 工具箱（Ollama + Llama 3 + AnythingLLM），插上 U 盘即可在 Windows 和 Mac 上运行本地大模型。本文深入解析核心安装脚本 install-core.ps1，带你弄懂它如何完成AI 模型下载校验与Ollama 模型导入两大关键动作。

🧭 先搞懂：install-core.ps1 在项目中的位置

整个项目由十几个脚本组成，各司其职：

install.bat 中只有一句关键调用：

powershell -ExecutionPolicy Bypass -File "%~dp0install-core.ps1"

也就是说，用户双击后发生的一切，都浓缩在 install-core.ps1 这一个文件里。

🗺️ 全流程总览：6 步完成"U 盘变 AI"

脚本用Write-Host "[1/6] ..."的提示把流程切成了 6 步，源码中每一步都有清晰的注释分隔块：

最后还有一个独立的"导入"阶段和 AnythingLLM 自动配置阶段。接下来我们聚焦用户最关心的两件事：模型是怎么下载和校验的、模型又是怎么导入 Ollama 的。

📚 模型目录：一份内置的"模型货架"

脚本开头定义了一个$ModelCatalog哈希表数组（install-core.ps1#L14-L87），相当于内置模型货架，收录了 6 个预置模型，全部采用 Q4_K_M 量化格式：

每个模型条目里有 8 个字段，其中 3 个字段是后续"下载校验"的关键：

• File：模型权重文件名（.gguf 格式）
• MinBytes：⚠️ 最小有效字节数，例如 12B 模型要求6000000000（约 6GB）
• Local：导入 Ollama 时使用的本地模型名，如nemomix-local

💡 设计亮点：Size字段只是给人看的展示值（字符串 "7.0"），而真正的校验用MinBytes精确到字节，两者分离，展示与逻辑互不干扰。

除了预置模型，菜单还支持输入C添加自定义 HuggingFace GGUF 链接（install-core.ps1#L212-L266），自定义模型的MinBytes统一设为 100MB，并会自动给本地名加-local后缀防止命名冲突。

📥 下载与校验：如何判断"模型下载成功了"

这是本文的核心。大文件下载最怕两件事：中断后重复下载和下载了一半当成完整文件。脚本用一个极简函数把两者都解决了——Test-DownloadedFile（install-core.ps1#L106-L111）：

function Test-DownloadedFile { param([string]$Path, [long]$MinSize) if (-Not (Test-Path $Path)) { return $false } $fileSize = (Get-Item $Path).Length return $fileSize -gt $MinSize }

逻辑一句话：文件存在，且实际字节数 > 最小阈值，就视为"已下载成功"。注意它用的是-gt（大于）而非精确相等，因为 GGUF 文件可能带额外元数据，"大于下限"比"等于某个值"更健壮。

围绕这个函数，下载主循环（install-core.ps1#L345-L398）构成了完整的四重保险：

① 断点跳过（幂等设计）每个模型下载前先调用Test-DownloadedFile，若校验通过直接continue，打印 "Already downloaded! Skipping..."。这保证了 README.md 中提到的"随时重跑 install.bat 补装更多模型"的玩法——重跑绝不会浪费流量。

② 失败重试真正下载使用系统自带的 curl，最多尝试 2 次（install-core.ps1#L371-L387）：

curl.exe -L --ssl-no-revoke --progress-bar $m.URL -o $dest

• -L跟随重定向（HuggingFace 链接会跳转）
• --ssl-no-revoke规避部分企业网络环境下证书吊销检查导致的失败
• 每次尝试后都立即用Test-DownloadedFile复检，通过就跳出重试循环

③ 小文件预警如果文件存在但体积不够，脚本会计算实际 GB 数并红字提示 "File seems too small ... May be incomplete"，避免半成品模型被导入。

④ 失败降级为手动指引两次都失败后，脚本不会崩掉，而是把失败模型记入$downloadErrors数组，并打印出模型链接和应放置的models\目录，引导用户手动下载后重跑脚本——此时第 ① 步的"断点跳过"就会接住它。

还有一个贴心的细节（install-core.ps1#L359-L367）：如果你之前装过旧版 Dolphin Q5_K_M，脚本会识别出来并直接复用，避免同一模型重复下载约 2GB 的 Q4 版本。

📝 Modelfile：给每个模型发一张"身份证"

模型下好后，脚本进入第 4 步，为每个模型生成一个 Modelfile（install-core.ps1#L406-L431）：

FROM ./NemoMix-Unleashed-12B-Q4_K_M.gguf PARAMETER temperature 0.7 PARAMETER top_p 0.9 SYSTEM You are an uncensored and unbiased AI assistant. ...

这里藏着 Ollama 导入的关键：FROM指令直接指向本地 .gguf 文件，而不是从模型仓库拉取。这样导入时 Ollama 只会在本地做量化打包，不产生任何网络请求。

同时脚本还做了两件"记账"工作：

• 生成一份指向首个模型的旧版Modelfile（L418-L426），兼容早期单模型版本的旧逻辑；
• 把所有已装模型写入installed-models.txt（L429-L430），格式为本地名|模型名|标签。运行时的 start-windows.bat 会读取这个文件的第一行作为默认模型——安装脚本和启动脚本之间就靠它"交接"。

⚙️ 导入 Ollama：临时起服务器，装完就关

导入阶段（install-core.ps1#L516-L576）是整个脚本最精巧的部分，它回答了一个问题：如何在不常驻 Ollama 服务的前提下把 GGUF 导入模型库？

第 1 步：把模型库"搬家"到 U 盘

$env:OLLAMA_MODELS = "$USB_Drive\ollama\data"

OLLAMA_MODELS是 Ollama 官方支持的环境变量，用来指定模型存储目录。这一行让所有导入的模型二进制全部落在 U 盘的ollama\data下——实现"零痕迹"的关键之一：宿主机硬盘上不会残留任何模型文件。

第 2 步：去重检查，只导入缺的

脚本先用ollama.exe list抓取当前模型列表（L528-L531），再逐一比对（L533-L546）：

• GGUF 文件不存在 → 红字跳过（说明下载失败了）
• 列表里已有该本地名（用[regex]::Escape做正则转义后匹配，避免模型名中的特殊字符干扰）→ 跳过
• 其余的加入$modelsToImport待导入队列

同样体现了幂等思想：重复执行脚本只会补齐缺口，不会重复导入。

第 3 步：临时启动 → 导入 → 强制关闭

$ServerProcess = Start-Process -FilePath "$USB_Drive\ollama\ollama.exe" ` -ArgumentList "serve" -WindowStyle Hidden -PassThru Start-Sleep -Seconds 5 # ... 逐个执行 ollama create ... Stop-Process -Id $ServerProcess.Id -Force -ErrorAction SilentlyContinue

流程拆解：

1. 后台静默启动ollama serve（-WindowStyle Hidden让黑窗口一闪而过，-PassThru拿进程句柄）；
2. Start-Sleep 5给服务 5 秒启动时间——简单粗暴但有效；
3. 对每个待导入模型执行ollama create <本地名> -f Modelfile-<本地名>（L558），Ollama 会读取 Modelfile，把 .gguf 打包成正式模型；
4. 无论成功失败，finally块都用Stop-Process -Force把临时服务杀掉，安装完不留后台进程。

导入失败的模型会追加到$downloadErrors，最终在结尾汇总报告中统一呈现。

🔗 收尾：自动配置 AnythingLLM 指向 U 盘模型

导入完成后，脚本还自动写好 AnythingLLM 的环境配置（install-core.ps1#L581-L616），核心内容：

LLM_PROVIDER=ollama OLLAMA_BASE_PATH=http://127.0.0.1:11434 OLLAMA_MODEL_PREF=nemomix-local OLLAMA_MODEL_TOKEN_LIMIT=4096 VECTOR_DB=lancedb

配置写入 U 盘的anythingllm_data\storage\.env。这里有个温和的覆盖策略：

• 文件不存在 → 直接创建；
• 文件已存在且已配置外部 Ollama → 原样保留，不动用户的自定义设置；
• 文件存在但用的是 AnythingLLM 内置 Ollama → 覆盖为外部配置并提示 "reconfigured"。

这个策略与 start-windows.bat 中的"NEEDS_FIX"检测逻辑互相呼应：安装期配置一次，运行期只做修复、不做破坏。

🎯 设计亮点小结

整个 install-core.ps1 不到 700 行，却把"幂等、断点恢复、端口重定向、零痕迹"这些工程要点全部落实了——这也是 Portable AI USB 能做到"插上就能用、拔走不留痕"的底层原因。

📂 延伸阅读

• 官方使用文档：README.md
• Windows 入口脚本：install.bat
• 运行期启动器（查看 OLLAMA_MODELS 的"正式用法"）：start-windows.bat
• Linux/Mac 对照实现（同样的目录 + 校验 + 导入逻辑用 Bash 重写）：linux/install-core.sh
• 项目许可证：LICENSE

💬 下一篇将解析启动脚本 start-windows.bat 如何用 Electron 参数劫持把 AnythingLLM 也变成完全便携的。

【免费下载链接】Portable-AI-USBA 100% offline, fully portable, zero-trace AI (Ollama + Llama 3 + AnythingLLM) that runs natively from a USB drive on Windows and Mac.项目地址: https://gitcode.com/gh_mirrors/po/Portable-AI-USB