大模型

Ollama —— 在本地启动并运行大语言模型

优质文章学习记录

07 Feb 2025 — 8 min read

Ollama () 是一款命令行工具，可在 macOS 、 Linux 、Windows 上本地运行 Llama 2、Code Llama 、Gemma 等模型。

Ollama 目前支持近二十多个语言模型系列（），每个模型系列都有许多可用的 “tags”。Tags 是模型的变体，这些模型使用不同的微调方法以不同的规模进行训练，并以不同的级别进行量化，以便在本地良好运行。

下面以我的15年的MacBook Pro来跑Gemma模型()，下载Ollama对应版本后，直接放入应用目录，然后命令行执行。

ollama run gemma:2b

Gemma 有 2B 与 7B 两个版本，我这里用低的这个版本。上面这个命令会自动下载对应的模型。

Gemma 2B效果：写诗

www.zeeklog.com - Ollama —— 在本地启动并运行大语言模型

写一首关于计算机的诗，用中文。

码头思绪，硬件原理，
逻辑思索，软件原理。
硬件硬件，软件软件，
通往无限，通往未来。

微处理器，控制一切，
内存存储，数据流，功能。
操作系统，层层共建，
管理系统，服务人。

软件程序，指令流，
处理数据，完成任务。
网络通信，连接世界，
人工智能，智能析。

代码，灵魂poken，机灵poken，
人工智能，想象无限。

计算机，文明的核心，
赋予人类，赋予生活。

Gemma 2B效果：写评论

写一段不超过30个字的，赞美直播博主歌唱的好，用于直播间的评论。

Your melodious vocals soar, captivating the crowd. Your music transports
me, a blissful escape from the mundane. #SupportLiveMusic

通过API调用 Ollama

Ollama 运行和管理模型是有 REST API 接口的。

curl http://localhost:11434/api/generate -d '{
  "model": "gemma:2b",
  "prompt":"Why is the sky blue?"
}'


curl http://localhost:11434/api/chat -d '{
  "model": "mistral",
  "messages": [
    { "role": "user", "content": "why is the sky blue?" }
  ]
}'

上面API返回的是类似如下的内容：

{"model":"gemma:2b","created_at":"2024-02-22T08:52:09.137391Z","response":"The","done":false}
{"model":"gemma:2b","created_at":"2024-02-22T08:52:09.25168Z","response":" sky","done":false}
{"model":"gemma:2b","created_at":"2024-02-22T08:52:09.353537Z","response":" appears","done":false}
{"model":"gemma:2b","created_at":"2024-02-22T08:52:09.45868Z","response":" blue","done":false}
...

{"model":"gemma:2b","created_at":"2024-02-22T08:52:14.301459Z","response":" appears","done":false}
{"model":"gemma:2b","created_at":"2024-02-22T08:52:14.408377Z","response":" blue","done":false}
{"model":"gemma:2b","created_at":"2024-02-22T08:52:14.517119Z","response":".","done":false}
{"model":"gemma:2b","created_at":"2024-02-22T08:52:14.622311Z","response":"","done":true,"context":[106,1645,108,4385,603,573,8203,3868,235336,107,108,106,2516,108,651,8203,8149,3868,3402,577,153902,38497,235265,153902,38497,603,573,38497,576,2611,731,16791,16071,575,573,13795,235265,7640,2611,919,476,25270,35571,1178,1156,9276,235269,712,665,603,30390,978,16347,1178,1156,9276,235265,1417,603,3165,573,8203,8149,3868,235265,107,108],"total_duration":10581960235,"load_duration":4028201095,"prompt_eval_count":15,"prompt_eval_duration":1068217000,"eval_count":52,"eval_duration":5484814000}

直接提问则显示如下：

机器负载情况

我这里是一台15年的MacBook Pro

在生产时，使用CPU，负载情况如下：

可以看到老机器，或者手机是完全可以本地跑这个模型的。

总结

Ollama 是一个跨平台命令行工具，支持在本地运行多种语言模型。

Ollama 支持通过 REST API 接口管理模型，使得开发相对简单。

即便在老旧设备上，也能轻松本地运行Gemma + Ollama模型，实现人手一个大模型。

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🆓↓↓↓

👉👈