LM Studio怎麼用：下載模型、切換中文、聊天與本地 API 服務入門

適用於誰

• 搜「lm studio 怎麼用」「lm studio 中文」「lm studio 下載模型」「lm studio api」的人；
• 不想敲命令行，希望用圖形介面在本機跑開源大模型的人。

本文根據 LM Studio 官方文檔整理，資料核對於 2026-10-11。介面裏的英文名稱（Discover、Chat、Developer 等）沿用官方文檔的寫法，切成中文後對應的名稱以實際介面為準。

結論先說

1. LM Studio 是一個帶圖形介面的本地大模型桌面應用：下載模型、聊天、開本地 API 服務都在一個窗口裏完成。
2. 三步上手：在 Discover 頁下載模型 → 在 Chat 頁用模型加載器加載 → 開始對話。
3. 介面可以切成中文：設定裏的 Preferences → Language。
4. 下載時看到的 Q4、Q8 是量化版本，同一個模型的不同壓縮程度。官方建議機器帶得動就選 4-bit 或更高的版本。
5. 本地 API 兼容 OpenAI 格式，官方示例地址是 http://localhost:1234/v1。
6. 官方說明：聊天、讀文檔、本地服務這些核心功能都不需要聯網，對話內容不會離開你的裝置。

系統要求

官方文檔列出的要求：

步驟

1. 安裝並切換中文

到 lmstudio.ai 下載安裝。裝好後如果想用中文介面：

1. 按 Ctrl + ,（macOS 是 Cmd + ,）打開設定；
2. 在 Preferences 下找到 Language 下拉選單，選擇中文。

官方文檔列出的介面語言包含中文（簡體、繁體都有，由社區貢獻者翻譯）。文檔還註明：要進入設定頁，需要處於 Power User 或更高的模式；如果你在介面上找不到設定，先把應用的模式從 User 切到 Power User（切換位置以實際介面為準）。

2. 下載第一個模型

1. 打開 Discover 頁（快捷鍵 Ctrl + 2，macOS 是 Cmd + 2）；
2. 從推薦列表裏挑一個，或者在搜尋框輸入關鍵詞（如 qwen、gemma）。官方說明這裏搜的是 Hugging Face 上的模型，也可以直接粘貼 用戶名/模型名，甚至完整的 Hugging Face 連結；
3. 在右側選擇一個下載選項，點下載。

下載選項怎麼選：同一個模型會列出 Q3_K_S、Q4_K_M、Q8_0 等多個文件。官方的解釋是，它們是同一個模型在不同保真度下的拷貝，Q 代表「量化」，大致就是壓縮文件體積、同時犧牲一部分質素。數字越小文件越小、質素損失越大。官方建議：機器跑得動的話，選 4-bit 或更高。更完整的判斷方法見《本地大模型怎麼選》。

3. 加載模型並聊天

1. 切到 Chat 頁；
2. 打開模型加載器（快捷鍵 Ctrl + L，macOS 是 Cmd + L）；
3. 選一個已下載的模型，可以順便調整加載參數（例如上下文長度、放多少層到顯卡）；
4. 加載完成後直接提問。

官方對「加載」的解釋是：把模型的權重放進電腦內存。所以加載會佔用相當於模型文件大小的內存或顯存，加載不了通常就是內存不夠，換小一檔的量化版本或更小的模型。

聊天頁的幾個操作：Ctrl + N 新建對話，Ctrl + Shift + N 新建文件夾；對話可以拖進文件夾整理；拖動對話標籤到窗口左右兩側可以分屏並排看兩個對話。

4. 讓模型讀文檔

對話裏可以附加 .docx、.pdf、.txt 文件。官方文檔說明了兩種處理方式：

• 文檔夠短、放得進模型的上下文：全文直接加入對話；
• 文檔很長：自動改用檢索增強（RAG），只挑出和你的問題相關的片段給模型參考。

所以問長文檔時有一個官方給的竅門：問題裏盡量多帶上下文，把你預期原文中會出現的術語、說法寫進問題裏，檢索到正確片段的概率更高。文檔處理全部在本機完成。

5. 開啟本地 API 服務

1. 打開 Developer 頁，啟動服務，並加載一個模型；
2. 用任何支持 OpenAI 格式的代碼或工具連接。官方示例：

python
from openai import OpenAI

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

completion = client.chat.completions.create(
    model="model-identifier",   # 換成 Developer 頁裏顯示的模型標識
    messages=[
        {"role": "system", "content": "回答使用簡體中文。"},
        {"role": "user", "content": "介紹一下你自己。"},
    ],
    temperature=0.7,
)
print(completion.choices[0].message)

api_key 填任意字符串即可。除了 OpenAI 兼容接口，官方還提供自己的 REST API（文檔標註為 beta）和 TypeScript SDK。

也可以用自帶的命令行工具 lms（隨 LM Studio 一起安裝，需要先至少打開過一次應用）：

bash
lms server start            # 啟動服務，端口沿用上次的設定
lms server start --port 3000
lms ls                      # 列出已下載的模型
lms ps                      # 列出已加載的模型

想讓服務常駐，可以在設定裏勾選「登入時啟動 LLM 服務」，之後關閉窗口會最小化到系統托盤，服務繼續在後台運行。

6. 導入在別處下載的模型

已經有 .gguf 文件的話，不用重新下載：

bash
lms import 路徑/模型文件.gguf

官方把這個命令標註為實驗性功能。也可以手動把文件放進模型目錄，按「發佈者 / 模型名 / 文件」的結構存放，例如 ~/.lmstudio/models/發佈者/模型名/文件.gguf。模型目錄的位置可以在 My Models 頁修改，系統盤空間緊張時把它改到別的盤。

常見問題

Q：LM Studio 和 Ollama 有什麼區別？

兩者都是在本機運行開源模型的工具。按各自官方文檔的描述，LM Studio 以圖形介面為主，模型搜尋、聊天、文檔問答和服務開關都在窗口裏；Ollama 以命令行和後台服務為主，預設端口是 11434。兩者都提供 OpenAI 兼容接口，同一個 GGUF 模型兩邊都能用。不熟悉命令行的人從 LM Studio 開始更順手。

Q：下載模型很慢或者搜不到？

官方離線說明裏寫明，搜尋和下載模型需要聯網，請求會發往 huggingface.co。網絡訪問不到時，可以在別處獲取模型文件後用上面的「導入」方式加載。

Q：模型會從我的聊天裏學習嗎？

不會。官方的說法是模型不會從對話中「學習」，它只知道當前對話裏的內容和你通過系統提示詞等配置提供的資訊。

Q：聊天記錄存在哪裏？

在對話上點右鍵選擇在文件管理器中顯示。預設路徑是 ~/.lmstudio/conversations/（Windows 是 %USERPROFILE%\.lmstudio\conversations），JSON 格式，官方不建議手動修改。

Q：完全斷網能用嗎？

能。模型下載到本機後，聊天、讀文檔、本地服務都不需要聯網。需要聯網的只有搜尋和下載模型、下載運行時、檢查更新這幾件事。

參考資料

• LM Studio 文檔首頁 — https://lmstudio.ai/docs/app
• System Requirements — https://lmstudio.ai/docs/app/system-requirements
• Get started with LM Studio — https://lmstudio.ai/docs/app/basics
• Download an LLM — https://lmstudio.ai/docs/app/basics/download-model
• Chat with Documents — https://lmstudio.ai/docs/app/basics/rag
• Offline Operation — https://lmstudio.ai/docs/app/offline
• lms CLI — https://lmstudio.ai/docs/cli