老牛同学在前面有关大模型应用的文章中，多次使用了Ollama 来管理和部署本地大模型（包括：Qwen2 、Llama3 、Phi3 、Gemma2 等），但对Ollama 这个非常方便管理本地大模型的软件的介绍却很少。
目前，清华和智谱 AI 联合发布开源的GLM4-9B 大模型也能支持Ollama 进行本地部署了（本地部署 GLM-4-9B 清华智谱开源大模型方法和对话效果体验），Ollama 支持的大模型越多越普及，对于的应用也就越多。为了降低大家查阅资料等学习时间，老牛同学今天尝试着对 Ollama 进行一次详细完整介绍。毕竟老牛同学也在不断学习中，若有疏漏或者错误之处，还请各位朋友多多指正，谢谢大家。
本文将分为以下章节对 Ollama 进行介绍：
Ollama 管理本地已有大模型（包括终端对话界面） Ollama 导入模型到本地的三种方式：直接从 Ollama 远程仓库拉取、通过 GGUF 模型权重文件导入到本地、通过 safetensors 模型权限文件导入到本地 基于 WebUI 部署 Ollama 可视化对话界面 Ollama 客户端 API 应用，包括 Python API 和 Java API 接口应用 Ollama 是什么，它与 Llama 有什么关系？ Ollama 官网：https://ollama.com/，官方网站的介绍就一句话：Get up and running with large language models. （开始使用大语言模型。）
Ollama 是一个开源的 LLM（大型语言模型）服务工具，用于简化在本地运行大语言模型、降低使用大语言模型的门槛，使得大模型的开发者、研究人员和爱好者能够在本地环境快速实验、管理和部署最新大语言模型，包括如Qwen2 、Llama3 、Phi3 、Gemma2 等开源的大型语言模型。
Ollama 支持的大语言模型列表，可通过搜索模型名称查看：https://ollama.com/library
Ollama 官方 GitHub 源代码仓库：https://github.com/ollama/ollama/
Llama 是 Meta 公司开源的备受欢迎的一个通用大语言模型，和其他大模型一样，Llama 可以通过Ollama 进行管理部署和推理等。
因此，Ollama与Llama的关系：Llama是大语言模型，而Ollama是大语言模型（不限于Llama模型）便捷的管理和运维工具，它们只是名字后面部分恰巧相同而已！
Ollama 安装和常用系统参数设置 在官网首页，我们可以直接下载Ollama 安装程序（支持 Windows/MacOS/Linux）：https://ollama.com/
Ollama 的安装过程，与安装其他普通软件并没有什么两样，安装完成之后，有几个常用的系统环境变量 参数建议进行设置：
OLLAMA_MODELS ：模型文件存放目录，默认目录为当前用户目录（Windows 目录：C:\Users%username%.ollama\models，MacOS 目录：~/.ollama/models，Linux 目录：/usr/share/ollama/.ollama/models），如果是 Windows 系统建议修改 （如：D:\OllamaModels），避免 C 盘空间吃紧OLLAMA_HOST ：Ollama 服务监听的网络地址，默认为127.0.0.1 ，如果允许其他电脑访问 Ollama（如：局域网中的其他电脑），建议设置 成0.0.0.0 ，从而允许其他网络访问OLLAMA_PORT ：Ollama 服务监听的默认端口，默认为11434 ，如果端口有冲突，可以修改设置成其他端口（如：8080 等）OLLAMA_ORIGINS ：HTTP 客户端请求来源，半角逗号分隔列表，若本地使用无严格要求，可以设置成星号，代表不受限制OLLAMA_KEEP_ALIVE ：大模型加载到内存中后的存活时间，默认为5m 即 5 分钟（如：纯数字如 300 代表 300 秒，0 代表处理请求响应后立即卸载模型，任何负数则表示一直存活）；我们可设置成24h ，即模型在内存中保持 24 小时，提高访问速度OLLAMA_NUM_PARALLEL ：请求处理并发数量，默认为1 ，即单并发串行处理请求，可根据实际情况进行调整OLLAMA_MAX_QUEUE ：请求队列长度，默认值为512 ，可以根据情况设置，超过队列长度请求被抛弃OLLAMA_DEBUG ：输出 Debug 日志标识，应用研发阶段可以设置成1 ，即输出详细日志信息，便于排查问题OLLAMA_MAX_LOADED_MODELS ：最多同时加载到内存中模型的数量，默认为1 ，即只能有 1 个模型在内存中Ollama 管理本地已有大模型 【展示本地大模型列表：ollama list】
>ollamalistNAMEIDSIZEMODIFIEDgemma2:9bc19987e1e6e25.4GB7daysagoqwen2:7be0d4e1163c584.4GB10daysago 可以看到，老牛同学本地有 2 个大模型，它们的名称（NAME ）分别为gemma2:9b 和qwen2:7b 。
【删除单个本地大模型：ollama rm 本地模型名称】
>ollama rm gemma2:9bdeleted 'gemma2:9b'>ollama listNAMEIDSIZEMODIFIEDqwen2:7be0d4e1163c584.4 GB10 days ago老牛同学通过rm命令删除了gemma2:9b 大模型之后，再次通过list命令查看，本地只有qwen2:7b 一个大模型了。
【启动本地模型：ollama run 本地模型名】
启动成功之后，就可以通过终端对话界面进行对话了（本命令下面也会讲到，其他详细暂且忽略）
【查看本地运行中模型列表：ollama ps】
>ollamapsNAMEIDSIZEPROCESSORUNTILqwen2:0.5b6f48b936a09f693MB100%CPU4minutesfromnow 通过ps命名可以看到，老牛同学本地qwen2:0.5b 大模型正在运行中。
【复制本地大模型：ollama cp 本地存在的模型名 新复制模型名】
>ollama cp qwen2:0.5b Qwen2-0.5Bcopied 'qwen2:0.5b' to 'Qwen2-0.5B'>ollama listNAMEIDSIZEMODIFIEDQwen2-0.5B:latest 6f48b936a09f352 MB4 seconds agoqwen2:0.5b6f48b936a09f352 MB29 minutes agoqwen2:7be0d4e1163c584.4 GB10 days ago上面cp命令，老牛同学把本地qwen2:0.5b 复制了一份，新模型名为Qwen2-0.5B
下面老牛同学介绍三种通过 Ollama 下载到本地大模型方式：
方式一：直接通过 Ollama 远程仓库下载，这是最直接的方式，也是最推荐、最常用的方式 方式二：如果已经有 GGUF 模型权重文件了，不想重新下载，也可以通过 Ollama 把该文件直接导入到本地（不推荐、不常用） 方式三：如果已经有 safetensors 模型权重文件，也不想重新下载，也可以通过 Ollama 把该文件直接导入到本地（不推荐、不常用） 方式一：Ollama 从远程仓库下载大模型到本地 【下载或者更新本地大模型：ollama pull 本地/远程仓库模型名称】
本pull命令从 Ollama 远程仓库完整下载或增量更新模型文件，模型名称格式 为：模型名称:参数规格 ；如ollama pull qwen2:0.5b 则代表从 Ollama 仓库下载qwen2 大模型的0.5b 参数规格大模型文件到本地磁盘：
如果参数规格标记为latest则代表为默认参数规格，下载时可以 不用指定，如Qwen2 的7b 被标记为latest，则ollama pull qwen2和ollama pull qwen2:7b这 2 个命令的意义是一样的，都下载的为7b 参数规格模型。为了保证后续维护方便、避免误操作等，老牛同学建议 不管是否为默认参数规格，我们下载命令中均明确参数规格。
值得一提的是，今天开始GLM4 支持 Ollama 部署和推理，老牛同学特意列出它的下载命令：ollama pull glm4:9b（和其他模型相比，其实并没有特殊支出）。需要注意的是：Ollama 最低版本为0.2.0 才能支持GLM4 大模型！
>ollama pull qwen2:0.5bpulling manifestpulling manifestpulling manifestpulling manifestpulling manifestpulling 8de95da68dc4... 100% ▕████████████████████████▏ 352 MBpulling 62fbfd9ed093... 100% ▕████████████████████████▏182 Bpulling c156170b718e... 100% ▕████████████████████████▏11 KBpulling f02dd72bb242... 100% ▕████████████████████████▏ 59 Bpulling 2184ab82477b... 100% ▕████████████████████████▏488 Bverifying sha256 digestwriting manifestremoving any unused layerssuccess>ollama listNAMEIDSIZEMODIFIEDqwen2:0.5b6f48b936a09f352 MB9 minutes agoqwen2:7be0d4e1163c584.4 GB10 days ago若本地不存在大模型，则下载 完整模型文件到本地磁盘；若本地磁盘存在该大模型，则增量 下载大模型更新文件到本地磁盘。
从上面最后的list命令结果可以看到，老牛同学本地存在了qwen2:0.5b 这个名称的大模型。
【下载且运行本地大模型：ollama run 本地/远程仓库模型名称】
若本地不存在大模型，则下载 完整模型文件到本地磁盘（类似于pull命令），然后启动 大模型；若本地存在大模型，则直接启动（不进行更新）。
启动成功后，默认为终端对客界面：
若需要输入多行文本，需要用三引号 包裹，如："""这里是多行文本""" /set parameter num_ctx 4096可设置窗口大小为 4096 个 Token，也可以通过请求设置，如：curl <http://localhost:11434/api/generate> -d '{ "model": "qwen2:7b", "prompt": "Why is the sky blue?", "options": { "num_ctx": 4096 }}'>>> /show infoModelarchqwen2parameters494.03MquantizationQ4_0context length32768embedding length896Parametersstop"<|im_start|>"stop"<|im_end|>"LicenseApache LicenseVersion 2.0, January 2004方式二：Ollama 导入 GGUF 模型文件到本地磁盘 若我们已经从 HF 或者 ModeScope 下载了 GGUF 文件（文件名为：Meta-Llama-3-8B-Instruct.Q4_K_M.gguf ），在我们存放Llama3-8B的 GGUF 模型文件目录中，创建一个文件名为Modelfile的文件，该文件的内容如下：
FROM./Meta-Llama-3-8B-Instruct.Q4_K_M.gguf 然后，打开终端，执行命令导入模型文件：ollama create 模型名称 -f ./Modelfile
>ollamacreateLlama-3-8B-f./Modelfiletransferringmodeldatausingexistinglayersha256:647a2b64cbcdbe670432d0502ebb2592b36dd364d51a9ef7a1387b7a4365781fcreatingnewlayersha256:459d7c837b2bd7f895a15b0a5213846912693beedaf0257fbba2a508bc1c88d9writingmanifestsuccess 导入成功之后，我们就可以通过list命名，看到名为Llama-3-8B 的本地模型了，后续可以和其他模型一样进行管理了。
方式三：Ollama 导入 safetensors 模型文件到到本地磁盘 官方操作文档：https://ollama.fan/getting-started/import/#importing-pytorch-safetensors
若我们已经从 HF 或者 ModeScope 下载了 safetensors 文件（文件目录为：Mistral-7B ），
git lfs installgit clone https://www.modelscope.cn/rubraAI/Mistral-7B-Instruct-v0.3.git Mistral-7B然后，我们转换模型（结果：Mistral-7B-v0.3.bin）：
pythonllm/llama.cpp/convert.py./Mistral-7B--outtypef16--outfileMistral-7B-v0.3.bin 接下来，进行量化量化：
llm/llama.cpp/quantizeMistral-7B-v0.3.binMistral-7B-v0.3_Q4.binq4_0 最后，通过 Ollama 导入到本地磁盘，创建Modelfile模型文件：
FROMMistral-7B-v0.3_Q4.bin 执行导入命令，导入模型文件：ollama create 模型名称 -f ./Modelfile
>ollamacreateMistral-7B-v0.3-f./Modelfiletransferringmodeldatausingexistinglayersha256:647a2b64cbcdbe670432d0502ebb2592b36dd364d51a9ef7a1387b7a4365781fcreatingnewlayersha256:459d7c837b2bd7f895a15b0a5213846912693beedaf0257fbba2a508bc1c88d9writingmanifestsuccess 导入成功之后，我们就可以通过list命名，看到名为Mistral-7B-v0.3 的本地模型了，后续可以和其他模型一样进行管理了。
基于 WebUI 部署 Ollama 可视化对话界面 Ollama 自带控制台对话界面体验总归是不太好，接下来部署 Web 可视化聊天界面：
下载并安装 Node.js 工具：https://nodejs.org/zh-cn 下载ollama-webui工程代码：git clone https://github.com/ollama-webui/ollama-webui-lite ollama-webui 切换ollama-webui代码的目录：cd ollama-webui 设置 Node.js 工具包镜像源（下载提速）：npm config set registry http://mirrors.cloud.tencent.com/npm/ 安装 Node.js 依赖的工具包：npm install 最后，启动 Web 可视化界面：npm run dev 如果看到以上输出，代表 Web 可视化界面已经成功了！
浏览器打开 Web 可视化界面：http://localhost:3000/
Ollama 客户端：HTTP 访问服务 Ollama 默认提供了generate和chat这 2 个原始的 API 接口，使用方式如下：
curlhttp://localhost:11434/api/generate-d"{'model':'qwen:0.5b','prompt':'为什么天空是蓝色的？'}" curlhttp://localhost:11434/api/chat-d'{"model":"qwen:7b","messages":[{"role":"user","content":"为什么天空是蓝色的？"}]}' 接下来的Python 和Java 客户端应用，都是对这 2 个接口的封装。
Ollama 客户端：Python API 应用 我们把 Ollama 集成到 Python 应用中，只需要以下简单 2 步即可：
第一步 ，安装 Python 依赖包：
第二步 ，使用 Ollama 接口，stream=True代表按照流式输出：
import ollama# 流式输出def api_generate(text:str):print(f'提问：{text}')stream = ollama.generate(stream=True,model='qwen:7b',prompt=text,)print('-----------------------------------------')for chunk in stream:if not chunk['done']:print(chunk['response'], end='', flush=True)else:print('\n')print('-----------------------------------------')print(f'总耗时：{chunk['total_duration']}')print('-----------------------------------------')if __name__ == '__main__':# 流式输出api_generate(text='天空为什么是蓝色的？')# 非流式输出content = ollama.generate(model='qwen:0.5b', prompt='天空为什么是蓝色的？')print(content)Ollama 客户端：Java API 应用（SpringBoot 应用） 我们也可以把 Ollama 集成到 SpringBoot 应用中，只需要以下简单 3 步即可：
第一步 ，在总pom.xml中新增 SpringBoot Starter 依赖：
<dependency><groupId>io.springboot.ai</groupId><artifactId>spring-ai-ollama-spring-boot-starter</artifactId><version>1.0.0</version></dependency> 第二步 ，在 SpringBoot 配置文件application.properties中增加 Ollama 配置信息：
server.port=8088spring.application.name=NTopicBootXspring.ai.ollama.base-url=http://localhost:11434spring.ai.ollama.chat.options.model=qwen:0.5b 配置文件指定了 Ollama API 地址和端口，同时指定了默认模型qwen:0.5b （注意：模型需要在本地已经存在）
第三步 ，使用OllamaChatClient进行文字生成或者对话：
import org.springframework.ai.chat.ChatResponse;import org.springframework.ai.chat.prompt.Prompt;import org.springframework.ai.ollama.OllamaChatClient;import org.springframework.ai.ollama.api.OllamaOptions;import org.springframework.beans.factory.annotation.Autowired;import org.springframework.beans.factory.annotation.Qualifier;import org.springframework.web.bind.annotation.GetMapping;import org.springframework.web.bind.annotation.RequestParam;import org.springframework.web.bind.annotation.RestController;@RestControllerpublic class OllamaClientController {@Autowired@Qualifier("ollamaChatClient")private OllamaChatClient ollamaChatClient;/** * http://localhost:8088/ollama/chat/v1?msg=天空为什么是蓝色的？ */@GetMapping("/ollama/chat/v1")public String ollamaChat(@RequestParam String msg) {return this.ollamaChatClient.call(msg);}/** * http://localhost:8088/ollama/chat/v2?msg=人为什么要不断的追求卓越？ */@GetMapping("/ollama/chat/v2")public Object ollamaChatV2(@RequestParam String msg) {Prompt prompt = new Prompt(msg);ChatResponse chatResponse = ollamaChatClient.call(prompt);return chatResponse;}/** * http://localhost:8088/ollama/chat/v3?msg=你认为老牛同学的文章如何？ */@GetMapping("/ollama/chat/v3")public Object ollamaChatV3(@RequestParam String msg) {Prompt prompt = new Prompt(msg,OllamaOptions.create().withModel("qwen:0.5b").withTemperature(0.4F));ChatResponse chatResponse = ollamaChatClient.call(prompt);return chatResponse.getResult().getOutput().getContent();}}以上是 Java 客户端的简单样例，我们可以通过OllamaChatClient访问 Ollama 接口，既可以使用默认大模型，也可以在参数指定模型名称！
