本地Ollama一键生成PPT实战

本文记录 WSL2 + Docker 私有化部署 Presenton 的方案与命令。Presenton 是开源 AI 演示文稿生成器，文本生成走 Windows 宿主机 Ollama 模型 qwen2.5:3b，大纲与 PPTX 导出落盘本地，不依赖第三方 LLM API Key。

定位：实验 / PoC。 对照机器：Windows 10 + WSL2 Ubuntu，NVIDIA GeForce GTX 1060 6GB；Presenton 跑 WSL Docker，Ollama 跑 Windows 宿主机，实测模型 qwen2.5:3b。

效果预期： 本地 qwen2.5:3b 适合简单主题、页数少、结构直白的 PPT（如概述、提纲、内部分享初稿）。若需复杂逻辑、多层级大纲、行业深度内容或精美排版，建议在 Presenton Settings 切换 OpenAI / Gemini 等线上大模型，生成质量通常明显更好；本地方案侧重隐私、速度与零 API 成本。

目录

1. 整体部署架构设计说明

2. WSL 环境前置校验标准

3. Windows 宿主机 Ollama 准备

4. Docker 私有化 Presenton 完整部署流程

5. 私有化环境关键参数说明

6. 部署后初始化与安全配置

7. 容器生命周期运维命令

8. Presenton 核心能力概览

9. 部署验证步骤

10. 常见问题

11. 适用场景与小结

12. 应用链接

1. 整体部署架构设计说明

1.1 网络与存储架构链路

Windows 浏览器 ↔ WSL2 ↔ Docker Presenton(:5001)                          ↕ HTTPWindows 宿主机 Ollama(:11434)  ← qwen2.5:3b存储层：~/data/presenton 持久挂载 /app_data（配置、PPTX、Mem0 向量库）

Presenton 容器不内置跑 Ollama，只通过 HTTP 调用宿主机 qwen2.5:3b；GPU 算力集中在 Windows Ollama，容器负责 Web UI、编排与导出。

1.2 私有化设计核心目标

1. 数据不出域：提示词、上传文档、生成 PPTX 仅存 WSL 本地目录；

2. 模型自主：LLM 与 Mem0 记忆模块均指向宿主机 Ollama qwen2.5:3b，无需 OpenAI Key；

3. 可迁移：容器销毁后 ~/data/presenton 保留，重装即恢复；

4. 时区统一：TZ=Asia/Shanghai，导出文件时间戳与业务一致。

1.3 对照机器与硬件参考

1060 6GB 说明： LLM 推理由 Windows Ollama 加载 qwen2.5:3b（约 1.9GB 量化）占 GPU，Presenton 容器主要负责 Web 与编排，本身几乎不占显存；生成 PPT 时建议关闭其他占 GPU 程序。

2. WSL 环境前置校验标准

docker -vsystemctl status docker

Docker 版本正常、服务 active (running) 即就绪。

hostname -Icurl -s -o /dev/null -w "HTTP %{http_code}\n" http://127.0.0.1:5001 || true

可输出 WSL IP；5001 尚未占用属正常（部署后应返回 200）。

3. Windows 宿主机 Ollama 准备

Ollama 安装在 Windows 宿主机（非 WSL 内）。WSL2 下容器访问宿主机 Ollama，须用 /etc/resolv.conf 中的 nameserver IP（下文记为 WIN_HOST），host.docker.internal 在本环境可能不通。

3.1 安装并拉取模型

Windows PowerShell（管理员可选）：

# 若未安装，到 Ollama 官网下载 Windows 安装包后执行：ollama --versionnvidia-smi# 允许 WSL / Docker 访问（当前会话；长期生效请写入系统环境变量）$env:OLLAMA_HOST="0.0.0.0:11434"ollama pull qwen2.5:3bollama list

nvidia-smi 应识别 GTX 1060 6GB。若更看重中文质量，可改用 qwen2.5:7b（约 4.7GB），名称须与下文 OLLAMA_MODEL 一致。

3.2 从 WSL 验证宿主机 Ollama 可达

WIN_HOST=$(grep nameserver /etc/resolv.conf | awk '{print $2}')curl -s "http://${WIN_HOST}:11434/api/tags" | head -c 200echo

预期返回 JSON，且含 qwen2.5:3b。若连接失败，检查 Windows 防火墙是否放行 11434，或确认 OLLAMA_HOST=0.0.0.0:11434 已生效后重启 Ollama。

4. Docker 私有化 Presenton 完整部署流程

4.1 本地持久化目录

mkdir-p ~/data/presenton

4.2 启动容器（Ollama + qwen2.5:3b）

先取 Windows 宿主机 IP（WSL 内执行）：

WIN_HOST=$(grep -m1 nameserver /etc/resolv.conf | awk '{print $2}')echo "OLLAMA at $WIN_HOST"

启动容器：

docker run -d \--name presenton-private \--restart always \-p 5001:80 \-v ~/data/presenton:/app_data \-e TZ=Asia/Shanghai \-e DISABLE_ANONYMOUS_TRACKING=true \-e CAN_CHANGE_KEYS=true \-e LLM=ollama \-e OLLAMA_URL=http://${WIN_HOST}:11434 \-e OLLAMA_MODEL=qwen2.5:3b \-e START_OLLAMA=false \-e MEM0_ENABLED=false \-e MEM0_LLM_BASE_URL=http://${WIN_HOST}:11434 \-e MEM0_LLM_MODEL=qwen2.5:3b \-e DISABLE_IMAGE_GENERATION=true \-e WEB_GROUNDING=false \-e AUTH_USERNAME=admin \-e AUTH_PASSWORD=changeme123 \  ghcr.io/presenton/presenton:latest

MEM0_ENABLED=false 关闭记忆模块，避免容器访问外网下载向量模型拖慢生成。

4.3 重建容器与健康检查

需释放 GPU 并重建时，在 WSL 执行：

WIN_HOST=$(grep -m1 nameserver /etc/resolv.conf | awk '{print $2}')curl -s "http://${WIN_HOST}:11434/api/generate" \-H 'Content-Type: application/json' \-d '{"model":"qwen2.5:3b","keep_alive":0}' >/dev/null || truedocker rm -f presenton-private 2>/dev/null || true# 再执行 4.2 节 docker run 整段命令

健康检查：

docker ps --filter name=presenton-privatecurl -s -o  /dev/null -w "HTTP %{http_code}\n" http://127.0.0.1:5001/

4.4 部署启动有效性校验

docker ps--filtername=presenton-privatecurl -s -o /dev/null -w "HTTP %{http_code}\n" http://127.0.0.1:5001/docker logs -f presenton-private

日志无持续报错，且 curl 返回 HTTP 200 时，可认为 Web 服务已就绪：

curl -s -o /dev/null -w "HTTP %{http_code}\n" http://127.0.0.1:5001/ls ~/data/presenton

5. 私有化环境关键参数说明

本地模型：

本地 vs 线上模型：

线上模型在 Settings 中按 Provider 分类配置（见 6.1）；CAN_CHANGE_KEYS=true 时入口可见，默认仍为 Ollama + qwen2.5:3b。

6. 部署后初始化与安全配置

1. 浏览器打开 http://localhost:5001

2. 使用 4.2 节预设账号登录（admin / 你的密码）

3. 左侧进入 Settings，顶部状态栏应显示 Ollama (qwen2.5:3b) - No image provider - Web search disabled；Text Provider 选 Ollama，模型下拉选 qwen2.5:3b，点 Check models 后 Save Configuration

4. 局域网访问：同事用 http://<WSL_IP>:5001，建议仅内网使用或前置反向代理 + HTTPS

6.1 Settings：文本 / 配图 / 搜索 Provider

左侧 Select Provider 分三类，改完点右下角 Save Configuration 生效。日常默认保持 qwen2.5:3b；仅复杂 PPT 临时切线上 Text Provider。

文本模型（Text Provider） — Select Text Provider 选 Ollama，模型选 qwen2.5:3b；Ollama URL 填 Windows 宿主机地址（如 http://192.168.208.1:11434），点 Check models 确认列表含 qwen2.5:3b。复杂 PPT 可改选 OpenAI / Google / DeepSeek / ChatGPT 等线上 Provider 并填 API Key：

配图模型（Image Provider） — 部署时默认关闭（DISABLE_IMAGE_GENERATION=true）。需幻灯片配图时，打开开关并选择 NanoBanana Pro / ComfyUI / Open WebUI / Custom 等：

联网搜索（Web Search Provider） — 默认关闭。需实时检索增强内容时，打开开关并选择 Tavily / Exa / Brave / SearXNG 等：

日常用本地 qwen2.5:3b 即可；复杂汇报建议 Text Provider 切线上大模型，配图与搜索按需另开。

两阶段耗时说明（实测 GTX 1060 + qwen2.5:3b）：

进度条在 95% 附近停留 多为正在生成最后一两页或导出数据，属正常。本地 3B 单次结构化输出约 10–20 秒/次，页数越多越久——这是 Presenton 流程设计 + 1060 算力上限，不是页面故障。

想再快一点：

• 生成前把 Auto slides 调到 5–6 页，verbosity 选 concise

• Windows 设 OLLAMA_KEEP_ALIVE=-1（用户环境变量），避免生成过程中模型反复卸载

• 生成时勿用其他程序占用 Ollama / GPU

• 要速度优先：复杂稿用 Settings 线上大模型

生产环境请修改默认密码；需强制重置时：

docker stop presenton-private && docker rm presenton-privatedocker run -d ... -eAUTH_OVERRIDE_FROM_ENV=true-eAUTH_PASSWORD=新密码 ... ghcr.io/presenton/presenton:latest

（其余参数与 4.2 相同。）

7. 容器生命周期运维命令

# 重启docker restart presenton-private# 日志docker logs -f presenton-private# 停止docker stop presenton-private# 查看运行容器docker ps# 销毁容器（~/data/presenton 数据保留）docker rm presenton-private

8. Presenton 核心能力概览

• Prompt 生成 PPT：输入主题或粘贴文档，自动拆页、写要点

• 可编辑导出：Web 内微调后导出 PPTX / PDF

• 模板系统：内置 general 等模板，支持自定义 HTML + Tailwind 主题

• API 部署：/api/v1/ppt/presentation/generate 供 n8n / 脚本调用

• MCP Server：可通过 MCP 客户端远程触发生成（需 Bearer Token）

• 多 Provider：复杂场景可在 Settings 切线上模型；本地默认 qwen2.5:3b

9. 部署验证步骤

完成第 4 节后，按下列步骤自检。

9.1 Web UI 试生成

1. 首页选择 Create Presentation，进入 Generate 页

2. 在 Write prompt 输入主题，例如：人工智能概述

3. 可选上传 Office / PDF 等附件；页数、语言可用顶部 Auto slides / Auto 下拉调整

4. 点击 Get Started，等待大纲 → 幻灯片 → 预览；生成页顶部状态栏应含 qwen2.5:3b

1. 生成完成后回到 Dashboard，Decks 区可见新建的演示文稿

2. 点击进入编辑器，左侧为缩略图导航，右侧 AI Assistant 可继续改稿；右上角 Export 导出 PPTX

1. 导出 PPTX，检查 ~/data/presenton 下是否落盘

9.2 API 验证（可选）

curl-u admin:changeme123 \-X POST http://127.0.0.1:5001/api/v1/ppt/presentation/generate \-H"Content-Type: application/json" \-d'{"content": "Introduction to Local LLM and Private AI PPT","n_slides": 5,"language": "Chinese","template": "general","export_as": "pptx"  }'

预期返回 presentation_id 与 path。将密码换成你的实际值。

9.3 自检清单

• Windows ollama list 含 qwen2.5:3b
• WSL curl 宿主机 :11434/api/tags 返回含 qwen2.5:3b
• Settings 文本模型为 Ollama + qwen2.5:3b
• curl http://127.0.0.1:5001/ 返回 HTTP 200，Telemetry 已关
• 生成 PPTX 可本地打开、可二次编辑
• 容器重启后历史项目仍在

10. 常见问题

11. 适用场景与小结

本文在 WSL2 + Docker 下完成 Presenton + Windows Ollama 私有化部署：宿主机 qwen2.5:3b 供稿，Web UI 可生成中文 PPT 并导出，数据落盘 ~/data/presenton。

本地 qwen2.5:3b 适合： 内网 PoC、隐私敏感、简单主题初稿（概述、培训提纲、内部分享），1060 6GB 上实测可跑通。复杂演示（行业研报、多附件融合、高标准对外汇报）建议在 Presenton 切换 线上大模型，效果更好。

演示视频

应用链接

[1] Presenton GitHub. https://github.com/presenton/presenton

[2] Presenton Docker 镜像. https://github.com/presenton/presenton/pkgs/container/presenton

[3] Presenton 官网. https://presenton.ai

[4] Ollama 官网. https://ollama.com

[5] Ollama 模型 qwen2.5. https://ollama.com/library/qwen2.5

[6] Pexels API（可选配图）. https://www.pexels.com/api/

以上为个人实践记录，环境、版本差异可能导致步骤差异。如有问题或更优做法，欢迎留言交流。

如果觉得有帮助，欢迎点赞、收藏、关注，后续会继续分享本地大模型部署相关实践。文中疏漏或你在复现中遇到的新问题，也欢迎在评论区一起探讨。