Skip to main content
1743512294 Docker 在其最新的 4.44.0 版本中引入了 Docker Model Runner 功能，使在本地环境中运行 AI 模型变得简单和便捷。 当前平台支持情况：目前，Docker Model Runner 仅在搭载 Apple Silicon 芯片（M 系列）的 Mac 设备上可用。Windows 平台的支持已在 Docker 的开发路线图上，将在未来版本中推出。正如官方所述：“Soon, this will also be available on Windows.” 这项功能的推出标志着 Docker 向 AI 开发领域迈出了重要一步，为开发者提供了一种无需配置复杂环境就能轻松管理和运行大型语言模型的方式，同时避免了对外部云服务的依赖。 1743512217

​
可用命令整理

​
查看 Model Runner 状态

检查 Docker Model Runner 是否处于活动状态： 
docker model status

​
查看所有命令

显示帮助信息和可用子命令列表： 
docker model help
输出： 
Usage:  docker model COMMAND

Commands:
  list        列出本地可用的模型
  pull        从 Docker Hub 下载模型
  rm          删除已下载的模型
  run         以交互方式或使用提示运行模型
  status      检查模型运行器是否正在运行
  version     显示当前版本

​
拉取模型

1743512060 从 Docker Hub 拉取模型到本地环境： 
docker model pull <model>
示例： 
docker model pull ai/deepseek-r1-distill-llama
输出： 
Downloaded: 257.71 MB
Model ai/deepseek-r1-distill-llama pulled successfully

​
列出可用模型

列出当前拉取到本地环境的所有模型： 
docker model list
您将看到类似以下内容： 
MODEL       PARAMETERS  QUANTIZATION    ARCHITECTURE  MODEL ID      CREATED     SIZE
ai/deepseek-r1-distill-llama  361.82 M    IQ2_XXS/Q4_K_M  llama         354bf30d0aa3  1 days ago  256.35 MiB

​
运行模型

运行模型并使用提交的提示或聊天模式与其交互。

​
一次性提示

docker model run ai/deepseek-r1-distill-llama "Hi"
输出： 
Hello! How can I assist you today?

​
交互式聊天

docker model run ai/deepseek-r1-distill-llama
输出： 
Interactive chat mode started. Type '/bye' to exit.
> Hi
Hi there! It's SmolLM, AI assistant. How can I help you today?
> /bye
Chat session ended.

​
删除模型

从系统中移除已下载的模型： 
docker model rm <model>
输出： 
Model <model> removed successfully

​
使用 Rest 端点

从 Docker Desktop GUI 或通过 Docker Desktop CLI 启用主机端 TCP 支持。 使用 docker desktop enable model-runner --tcp <port>。 之后，可以使用 localhost 和所选或默认端口与其交互： 
curl http://localhost:12434/engines/llama.cpp/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{
        "model": "ai/deepseek-r1-distill-llama",
        "messages": [
            {
                "role": "system",
                "content": "You are a helpful assistant."
            },
            {
                "role": "user",
                "content": "Please write a summary about Docker."
            }
        ]
    }'

​
LangChain4j 调用 Docker Model

LangChain4j 是一个 Java 框架，用于构建基于大型语言模型 (LLM) 的应用程序。它为 Java 开发人员提供了与各种 LLM 交互的简单方式，类似于 Python 世界中流行的 LangChain 库。

​
设置步骤

​
1. 确保 Docker Model Runner 已启用

在 Docker Desktop 中确保 Model Runner 功能已启用（见前文）。

​
2. 添加 LangChain4j 依赖

在您的 Java 项目的pom.xml文件中添加以下依赖： 
<dependencies>
    <dependency>
        <groupId>dev.langchain4j</groupId>
        <artifactId>langchain4j</artifactId>
        <version>1.0.0-beta2</version>
    </dependency>
    <dependency>
        <groupId>dev.langchain4j</groupId>
        <artifactId>langchain4j-open-ai</artifactId>
        <version>1.0.0-beta2</version>
    </dependency>
</dependencies>

​
3. 拉取并运行所需模型

使用前文介绍的命令拉取模型： 
docker model pull ai/deepseek-r1-distill-llama

​
4. 配置 LangChain4j 连接到本地模型

创建一个配置类来连接到 Docker Model Runner： 
import dev.langchain4j.model.chat.ChatLanguageModel;
import dev.langchain4j.model.openai.OpenAiChatModel;

public class ModelConfig {

    public ChatLanguageModel chatLanguageModel() {
        return OpenAiChatModel.builder()
                .baseUrl("http://localhost:12434/engines/llama.cpp/v1")
                .modelName("ai/deepseek-r1-distill-llama")
                .temperature(0.7)
                .build();
    }
}

​
示例应用

下面是一个使用 LangChain4j 与 Docker Model Runner 的简单示例： 
public class DockerModelExample {

    interface Assistant {
        String chat(String message);
    }

    public static void main(String[] args) {
        // 创建模型配置
        ModelConfig config = new ModelConfig();
        ChatLanguageModel model = config.chatLanguageModel();
        
        // 创建 AI 服务
        Assistant assistant = AiServices.builder(Assistant.class)
                .chatLanguageModel(model)
                .build();
        
        // 进行对话
        String response = assistant.chat("用 Java 编写一个简单的 Hello World 程序");
        System.out.println(response);
    }
}

​
总结

提起来 Docker Model Runner ,那必须要与 Ollama 的对比，这两个工具都致力于简化本地 AI 模型的运行管理，但在技术实现和适用场景上存在显著差异。Docker Model Runner 深度集成于 Docker 生态，而 Ollama 则是独立的模型运行工具。
特性Docker Model RunnerOllama
开发状态Beta，2025 年 4 月 1 日仍在测试成熟开源工具，已广泛使用
操作系统支持主要支持 macOS（Apple Silicon），Windows NVIDIA 即将支持macOS、Linux、Windows，跨平台支持更广
模型来源从 Docker Hub 拉取，缓存本地支持官方库和自定义导入（如 GGUF），更灵活
定制能力暂未公布构建模式通过 Modelfile 支持深度定制，功能更强
API 集成OpenAI 兼容 API，适合 Docker 生态REST API 和 Python 库，集成更广泛
易用性适合 Docker 用户，CLI 集成紧密独立工具，适合非 Docker 用户，界面更简单
⌘I