大模型

Ollama | 本地部署运行开源大模型

优质文章学习记录

06 Feb 2025 — 9 min read

你有没有考虑过在本地运行开源LLM？

你是否不得不手动下载庞大的模型文件？

你是否努力构建本地模型的API？

你是否尝试在本地管理多个模型？

我猜你确实考虑过！这些都是繁重的体力劳动。

幸运的是，这里有Ollama。

Ollama是一款流行的大模型管理工具，用于在本地部署和运行大型语言模型 - https://ollama.ai/

现在，你不再需要担心这些麻烦了，一款单一的应用程序可以解决所有这些问题。

你只需要访问他们的官方网站，下载应用程序并进行安装。就这样！现在，你将拥有一个用于模型管理的CLI或GUI，包括拉取、移除、运行、创建自定义模型等功能。

Ollama支持哪些模型？

Ollama支持一大波主流的模型。你可以在 https://ollama.ai/library 上找到它所支持的模型列表。

目前的列表如下：

llama2

mistral

llava

mixtral

starling-lm

neural-chat

codellama

dolphin-mixtral

mistral-openorca

llama2-unsensored

……

运行Ollama

当你完成了应用程序的安装，你可以通过运行Ollama的桌面应用程序来启动它。或者，你也可以通过CLI来启动它：

$ ollama serve

Ollama CLI

我们来看看Ollama的命令行接口。

拉取模型

命令 ollama pull 会为你自动下载模型文件。

`01coder@X8EF4F3X1O ollama-libraries-example % ollama pull tinyllama``pulling manifest` `pulling manifest                                                     MB/s      4s                                                               ▏ 284 MB/637 MB   28 MB/s     12s``pulling 2af3b81862c6... 100% ▕████▏ 637 MB`                         `pulling af0ddbdaaa26... 100% ▕████▏   70 B`                         `pulling c8472cd9daed... 100% ▕████▏   31 B`                         `pulling fa956ab37b8c... 100% ▕████▏   98 B`                         `pulling 6331358be52a... 100% ▕████▏  483 B`                         `verifying sha256 digest` `writing manifest` `removing any unused layers` `success`

运行模型

命令ollama run 运行模型并开启与指定模型的交互式对话。

01coder@X8EF4F3X1O ollama-libraries-example % ollama run orca-mini``>>> Explain the word distinct` `Distinct means separate or distinct from others, with no` `similarity or connection to others. It refers to something that` `is unique or different in a way that cannot be easily identified` `or compared with other things. In other words, something that is` `distinct is not like anything else that you might encounter.``   ``>>> What did I ask?` `You asked me to explain the word "distinct".``   ``>>> Send a message (/? for help)

查询本地部署的模型

命令ollama list列出所有本地下载部署的模型。

01coder@X8EF4F3X1O ollama-libraries-example % ollama list``NAME                    ID              SIZE    MODIFIED`      `llama2:7b-chat          fe938a131f40    3.8 GB  8 weeks ago`  `orca-mini:latest        2dbd9f439647    2.0 GB  25 hours ago` `phi:latest              e2fd6321a5fe    1.6 GB  29 hours ago` `tinyllama:latest        2644915ede35    637 MB  6 minutes ago

Ollama HTTP API

当你启动Ollama时，它会提供一系列用于模型管理的API。请参考以下文档以获取完整的端点列表:

https://github.com/ollama/ollama/blob/main/docs/api.md

文本补全

Ollama默认监听在11434端口。

curl http://localhost:11434/api/generate -d '{`  `"model": "orca-mini",`  `"prompt":"Explain the word distinct"``}'

聊天补全

curl http://localhost:11434/api/chat -d '{`  `"model": "orca-mini",`  `"messages": [`    `{ "role": "user", "content": "Explain the word distinct" }`  `]``}'

Python与Javascript开发包

最近，Ollama发布了Python和JavaScript库，允许开发人员以最小的工作量将Ollama集成到现有或新的应用程序中。

Python: https://github.com/ollama/ollama-python

JavaScript: https://github.com/ollama/ollama-js

Python库用例 | 使用Streamlit应用与LLM聊天

Streamlit是一个非常适合快速开发AI应用程序的开发框架。

我创建了一个简单的项目，演示了如何使用Ollama Python库与Streamlit一起构建一个Web应用程序，用户可以通过该应用与Ollama支持的任何模型进行聊天。请使用以下链接查看：

https://github.com/sugarforever/ollama-libraries-example/tree/main/python

这是基于一个使用OpenAI Python SDK的Streamlit教程创建的：

https://docs.streamlit.io/knowledge-base/tutorials/build-conversational-apps

代码非常简单易懂，这里分享一些关键要点：

获取模型列表

import ollama``   ``model_list = ollama.list()

与模型聊天

与OpenAI Python SDK相比，Ollama Python库的chat函数返回不同格式的数据。在流模式下，应该以如下方式解析块：

        `full_response = ""`        `for chunk in ollama.chat(`            `model=st.session_state["model_name"],`            `messages=[`                `{"role": m["role"], "content": m["content"]}`                `for m in st.session_state.messages`            `],`            `stream=True,`        `):`            `if 'message' in chunk and 'content' in chunk['message']:`                `full_response += (chunk['message']['content'] or "")`                `message_placeholder.markdown(full_response + "▌")`

通过该示例应用，你应该看到类似如下界面。

好了，今天的分享就到这里。周末愉快！🎿⛷🏂🪂🏋️‍♀️

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。

内容：

L1.1 人工智能简述与大模型起源
L1.2 大模型与通用人工智能
L1.3 GPT模型的发展历程
L1.4 模型工程
L1.4.1 知识大模型
L1.4.2 生产大模型
L1.4.3 模型工程方法论
L1.4.4 模型工程实践
L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

内容：

L2.1 API接口
L2.1.1 OpenAI API接口
L2.1.2 Python接口接入
L2.1.3 BOT工具类框架
L2.1.4 代码示例
L2.2 Prompt框架
L2.3 流水线工程
L2.4 总结与展望

阶段3：AI大模型应用架构实践

目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

内容：

L3.1 Agent模型框架
L3.2 MetaGPT
L3.3 ChatGLM
L3.4 LLAMA
L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

内容：

L4.1 模型私有化部署概述
L4.2 模型私有化部署的关键技术
L4.3 模型私有化部署的实施步骤
L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉👈