本文已收录在Github，关注我，紧跟本系列专栏文章，咱们下篇再续！

• 🚀 魔都架构师 | 全网30W技术追随者
• 🔧 大厂分布式系统/数据中台实战专家
• 🏆 主导交易系统百万级流量调优 & 车联网平台架构
• 🧠 AIGC应用开发先行者 | 区块链落地实践者
• 🌍 以技术驱动创新，我们的征途是改变世界！
• 👉 实战干货：编程严选网

0 前言

可像 Ollama 通过暴露本地端口，实现本地客户端调用。

1 选择模型

在 LM Studio 的 “开发者” 选项卡中选择模型：

2 端口暴露

设置暴露的端口（默认1234）：

启用 CORS 后，可对接网页应用或其他客户端工具。

3 启动服务

点击状态选项卡：

控制台会显示运行日志和访问地址：

4 快速上手

4.1 快速ping

列出已加载并就绪的模型：

curl http://127.0.0.1:1234/v1/models/

这也是验证服务器是否可访问的一种有效方法！

4.2 聊天

这是一个类似调用OpenAI的操作，通过curl工具访问/v1/chat/completion端点：

• 在Mac或Linux系统，可用任意终端运行
• Windows系统用Git Bash

curl http://127.0.0.1:1234/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama-4-maverick-17b-128e-instruct",
    "messages": [ 
      { "role": "system", "content": "Always answer in rhymes." },
      { "role": "user", "content": "Introduce yourself." }
    ], 
    "temperature": 0.7, 
    "max_tokens": -1,
    "stream": true
  }'

该调用是“无状态的”，即服务器不会保留对话历史记录。调用方有责任在每次调用时提供完整的对话历史记录。

流式传输 V.S 累积完整响应

注意"stream": true（流式传输：开启）参数:

• true（开启）时，LM Studio会在预测出标记（token）的同时将其逐一流式返回
• 如将此参数设置为false（关闭），在调用返回之前，完整的预测结果会被先累积起来。对于较长的内容生成或者运行速度较慢的模型，这可能需要花费一些时间！

本文由博客一文多发平台 OpenWrite 发布！