用Python+Ollama搭建本地离线文本摘要工具

不用买API tokens，不用连外网，你本地电脑就能跑完全私有的文本摘要工具。

先把本地运行环境搭好

• 先去Ollama官网下载对应操作系统的安装包，Windows、macOS、Linux均支持，双击安装完成后不需要手动改配置，服务会在后台自动运行
• 打开终端拉取轻量级大模型，设备性能一般就选qwen2:0.5b，性能够可以选qwen2:1.5b，命令直接复制执行：

  ollama pull qwen2:0.5b

• 安装需要的Python依赖，只有两个轻量库，不需要额外装深度学习框架：

  pip install ollama pyperclip

可直接复制的核心代码

把下面的代码存成summary.py就行，逻辑很简单，自动读剪贴板的长文本，调用本地模型生成摘要后再写回剪贴板，不用手动复制粘贴内容：

import ollama
import pyperclip

# 读取剪贴板内的长文本
long_text = pyperclip.paste()

response = ollama.chat(
    model="qwen2:0.5b",
    messages=[
        {
            "role": "user",
            "content": f"帮我把下面这段文本提炼成300字以内的核心摘要，不要加多余解释，直接输出摘要内容：\n{long_text}"
        }
    ]
)

summary = response["message"]["content"]
# 摘要写回剪贴板
pyperclip.copy(summary)
print("摘要已生成并复制到剪贴板：\n", summary)

实际使用的几个小提醒

• 第一次运行脚本时模型加载需要一点时间，具体速度看设备性能，不要急着关终端
• 如果运行报连接错误，先检查Ollama后台服务有没有正常启动，Windows看任务栏图标，macOS看顶部状态栏图标就行
• 想要调整摘要格式，比如要分点输出、要提炼行动项、要控制摘要长度，直接改代码里prompt的文字描述就可以，不需要改其他逻辑
• 觉得小参数模型效果不够的话，直接拉取更大参数的模型替换就行，代码里只要改model参数对应的模型名，其他都不用动

说白了这套逻辑没有什么复杂架构，就是给本地跑的大模型套了层极简交互壳，所有文本处理都在本地完成，不会泄露内容，也不用受网络限制。

平时看长文档、读技术文章遇到大段文字的时候，复制完跑个脚本就能拿到核心要点，比切网页找在线工具省事不少。