---
title: 'Setup Ollama'
description: 'Installer Ollama, pull en Gemma 4-model, og pege Cartwright på det. ~10 minutter.'
canonical: 'https://cartwright.app/docs/ai/local-ai/ollama-setup'
---

# Setup Ollama (/docs/ai/local-ai/ollama-setup)



## 1. Installer Ollama [#1-installer-ollama]

<Tabs items="['macOS', 'Linux', 'Windows']">
  <Tab value="macOS">
    Download fra [ollama.com/download](https://ollama.com/download/mac) eller via Homebrew:

    ```bash
    brew install ollama
    ```

    Start service:

    ```bash
    brew services start ollama
    ```
  </Tab>

  <Tab value="Linux">
    ```bash
    curl -fsSL https://ollama.com/install.sh | sh
    ```

    Service starter automatisk. Verificér med:

    ```bash
    systemctl status ollama
    ```
  </Tab>

  <Tab value="Windows">
    Download installer fra [ollama.com/download/windows](https://ollama.com/download/windows). Service starter automatisk.
  </Tab>
</Tabs>

## 2. Pull en model [#2-pull-en-model]

**Hurtigste vej:** spring til [Pull fra admin-UI](/docs/ai/local-ai/pulling-models) — admin har en knap der pull'er modellen og viser progress live, så du aldrig skal åbne terminalen igen efter Ollama er installeret.

Hvis du foretrækker terminal: anbefalet til Cartwright admin er **Gemma 4 e4b** (sweet spot mellem kvalitet og hardware-krav).

```bash
# Apple Silicon (M1/M2/M3/M4)
ollama pull gemma4:e4b-mlx

# Linux / Intel Mac / Windows
ollama pull gemma4:e4b
```

Det downloader \~9.6 GB. Hvis du har en kraftigere maskine:

```bash
# 26B model — bedst kvalitet, kræver 32GB+ RAM
ollama pull gemma4:26b

# Lille variant — kører på 8GB laptops, men kun læs-only tools
ollama pull gemma4:e2b
```

Har du allerede Gemma 3 pulled fra før? Det virker stadig — Cartwright's
`MODEL_CAPABILITIES` har entries for både Gemma 3 og 4. Du kan migrere over
tid uden at miste konfiguration.

Se [Model Selection](/docs/ai/local-ai/model-selection) for at forstå trade-offs.

## 3. Sæt CORS-tilladelse (vigtigt) [#3-sæt-cors-tilladelse-vigtigt]

Hvis Cartwright admin kører i en anden origin end Ollama (typisk når du bruger `next dev` på `localhost:3000`), skal Ollama eksplicit tillade requests fra den origin:

<Tabs items="['macOS', 'Linux', 'Windows']">
  <Tab value="macOS">
    ```bash
    # Stop service
    brew services stop ollama

    # Start med OLLAMA_ORIGINS sat
    OLLAMA_ORIGINS=* ollama serve
    ```

    For permanent: tilføj til `~/.zshrc` eller `~/.bash_profile`:

    ```bash
    export OLLAMA_ORIGINS=*
    ```

    Genstart terminal og `brew services restart ollama`.
  </Tab>

  <Tab value="Linux">
    ```bash
    sudo systemctl edit ollama
    ```

    Tilføj:

    ```
    [Service]
    Environment="OLLAMA_ORIGINS=*"
    ```

    Genstart:

    ```bash
    sudo systemctl restart ollama
    ```
  </Tab>

  <Tab value="Windows">
    Sæt environment-variabel via System Settings → Advanced → Environment Variables. Tilføj:

    ```
    OLLAMA_ORIGINS=*
    ```

    Genstart Ollama-service via System Tray.
  </Tab>
</Tabs>

<Callout type="warn">
  `OLLAMA_ORIGINS=*` tillader CORS fra alle origins. På en delt maskine eller server, snæver det ind til præcis det Cartwright-domæne du bruger — fx `OLLAMA_ORIGINS=http://localhost:3000,https://min-shop.dk`.
</Callout>

## 4. Tilslut Cartwright [#4-tilslut-cartwright]

I admin:

<Steps>
  1. Åbn `/admin/integrations`
  2. Find sektionen &#x2A;*"AI provider"**
  3. Vælg **Local** (eller **Auto** hvis du også vil have cloud-fallback)
  4. Indsæt endpoint: `http://localhost:11434/v1`
  5. Klik &#x2A;*"Hent modeller"** — du skulle se din pullede model i listen. Har du ingen modeller endnu? Anbefaling-kortene viser tre Gemma 4-varianter med "Pull this model"-knap — se [Pull fra admin-UI](/docs/ai/local-ai/pulling-models).
  6. Vælg modellen
  7. Klik &#x2A;*"Gem settings"**
  8. Klik &#x2A;*"Test forbindelse"** — du skulle få "✓ local · gemma4:e4b-mlx · \~800ms"
</Steps>

## 5. Verificér [#5-verificér]

Status-pill nederst-højre i admin viser nu **🔒 Local AI · gemma4:e4b-mlx**.

Gå til `/admin/integrations/ai-test&#x60;, klik &#x2A;*"Kør alle 3"**. Hver canned prompt skulle besvares af din lokale Gemma med latency mellem 0.5-8 sekunder (første kald er langsomst pga. model-load; MLX-varianten er markant hurtigere på M-series Macs end ikke-MLX).

Gå til `/admin/audit` og find seneste rows — de viser nu `provider="local"`, `model="gemma4:e4b-mlx"`. Det er din bekræftbarhed på at intet gik til Anthropic.

## Hvis du støder ind i problemer [#hvis-du-støder-ind-i-problemer]

Se [Troubleshooting](/docs/ai/local-ai/troubleshooting).