أخطاء Ollama الشائعة وحلولها (من واقع 6 أشهر استخدام يومي)

1. Error: model requires more system memory

Related: Midjourney vs DALL-E vs Flux: A Practical Image-Tool Comparison Framework →

Related: I Replaced Copilot With a Fully Offline AI Assistant in VS Code →

Error: model requires more system memory (9.2 GiB) than is available (7.1 GiB)

النموذج أكبر من الذاكرة المتاحة. الحل ليس شراء رام — الحل نسخة مضغوطة أكثر:

ollama pull llama3.1:8b-instruct-q4_K_M

اقرأ اللاحقة دائماً: q4_K_M تحتاج نصف ما تحتاجه q8_0 تقريباً بفرق جودة صغير.

2. الرد بطيء جداً رغم وجود كرت شاشة

Related: 9 Free AI Coding Tools Every Developer Should Try in 2026 →

Related: Ollama Running Slow? 7 Fixes That Actually Worked on My Machine →

ollama ps

إذا ظهر 100% CPU فالنموذج لا يعمل على الكرت أصلاً. غالباً السبب تعريف قديم:

nvidia-smi

عندي كان التعريف 535 والمطلوب 550+. تحديث التعريف وحده ضاعف السرعة ست مرات.

3. Error: listen tcp 127.0.0.1:11434: bind: address already in use

Related: Sora 2 Review: OpenAI's Video Model Is Finally Useful for Real Work →

Related: Ollama vs LM Studio vs Jan: I Used All Three for a Month →

هناك نسخة تعمل بالفعل:

# لينكس
sudo systemctl restart ollama
# ماك
pkill ollama && ollama serve

4. لا يمكن الوصول من جهاز آخر على الشبكة

Related: How to Clone Your Voice with AI in 2026 (Free and Paid Options) →

Related: I Built a Chatbot for My Own Documents in One Evening (Free, Local, No API Key) →

افتراضياً يستمع على localhost فقط:

export OLLAMA_HOST=0.0.0.0:11434

تحذير مهم: لا يوجد أي نظام مصادقة. لا تعرّضه على الإنترنت العام إطلاقاً — ضعه خلف بروكسي أو VPN.

5. النموذج ينسى المحادثة بعد رسائل قليلة

Related: How to Run a Local LLM on 8GB of RAM (What Actually Works in 2026) →

السياق ممتلئ. الرسائل القديمة تُقص بصمت:

ollama run llama3.1
>>> /set parameter num_ctx 8192

انتبه: كل زيادة في السياق تستهلك ذاكرة إضافية حتى قبل أن تكتب حرفاً.

6. Error: pull model manifest: EOF

Related: كيف تبني وكيل ذكاء اصطناعي يعمل على جهازك بدون إنترنت (Ollama + MCP) — جرّبته 3 أسابيع (2026) →

اتصال انقطع في منتصف التحميل. الملفات الجزئية تبقى:

ollama rm llama3.1
ollama pull llama3.1

إن تكرر الأمر على اتصال ضعيف، أعد تشغيل pull — يستأنف من حيث توقف في معظم الحالات.

7. الرد يبدأ بعد تأخير طويل في كل مرة

النموذج يُفرَّغ من الذاكرة بعد 5 دقائق افتراضياً:

export OLLAMA_KEEP_ALIVE=30m

8. القرص امتلأ فجأة

النماذج ثقيلة وتتراكم:

ollama list
du -sh ~/.ollama/models
ollama rm <اسم-النموذج>

عندي تراكم 94 جيجا من نماذج جرّبتها مرة واحدة ونسيتها.

9. مخرجات JSON غير صالحة عند الاستدعاء برمجياً

لا تعتمد على التعليمات النصية وحدها:

curl http://localhost:11434/api/generate -d '{
  "model": "llama3.1",
  "prompt": "استخرج الاسم والمدينة",
  "format": "json",
  "stream": false
}'

"format": "json" يفرض المخرجات على مستوى فك التشفير، لا على مستوى الرجاء والأمل. توقفت أخطاء التحليل عندي تماماً بعد إضافته.

سجلّ التجربة

• الأسبوع الأول: كنت أعيد تشغيل الخدمة عند كل مشكلة. أهدرت وقتاً كثيراً قبل أن أتعلم قراءة مخرجات ollama serve مباشرة — الإجابة تكون فيها غالباً.
• الشهر الثاني: عرّضت المنفذ 11434 على الإنترنت لأصل إليه من الجوال. خلال يومين ظهرت طلبات غريبة في السجل. أغلقته ووضعته خلف Tailscale.
• الشهر الثالث: ظننت أن نموذجاً معيناً «غبي» في العربية، والسبب كان num_ctx صغيراً يقص التعليمات الأساسية من بداية المحادثة.
• الشهر السادس: أصبح ترتيب الفحص عندي ثابتاً: ollama ps ثم ollama serve للسجل ثم مساحة القرص. هذه الثلاثة تغطي أغلب المشاكل.

الأسئلة الشائعة

أين تُخزَّن النماذج؟ ~/.ollama/models على لينكس وماك، وC:\Users\<اسم>\.ollama\models على ويندوز. يمكن تغييره عبر OLLAMA_MODELS.

هل يمكن تشغيل نموذجين في نفس الوقت؟ نعم، إن اتسعت الذاكرة لهما معاً. غير ذلك سيتم تفريغ الأول عند تحميل الثاني.

كيف أحدّث Ollama نفسه؟ أعد تنفيذ سكربت التثبيت؛ النماذج المحمّلة لا تتأثر.

الدليل الكامل من الصفر: كيفية تشغيل نموذج ذكاء اصطناعي محلياً على جهازك.