使用Ollama搭建一个免费的聊天机器人_ollama postman

0 概述

Ollama是一个能在本机运行大语言模型的软件，它提供命令行和API的交互方式，对于需要考虑数据隐私的情景，可以方便的使用Ollama部署大语言模型，并在此基础上开发RAG等应用，而无需调用OpenAI等开放API。Ollama基本上已经建立了比较完善的生态，除了在系统中使用命令行、API等方式交互，Langchain、Dify等开发框架也都支持Ollama，另外，也有非常多GUI客户端可以使用，像在iPhone、iPad等移动端设备上，也可以通过仅仅修改一个地址就能拥有属于自己的“ChatGPT”。

1 入门

1.1 下载安装

从官方网站https://ollama.com/直接下载安装即可

1.2 常用环境变量

1.2.1 OLLAMA_MODELS

模型下载目录

macOS下指定此目录，此目录中会下载文件，但在~/.ollama/models下也会下载文件

1.2.2 OLLAMA_HOST

Ollama监听网络地址，默认监听回环地址

export OLLAMA\_HOST\=0.0.0.0  
\# or指定监听端口  
export OLLAMA\_HOST\=0.0.0.0:8080  

1
2
3
4

1.3 模型库

从官方网站可以查找支持的模型https://ollama.com/library

1.4 其他可用模型

ollama run roger/minicpm  

1
2

2 基本使用

2.1 下载模型

可以设置环境变量OLLAMA_MODELS来指定模型下载位置，此步非必须，因为大语言模型一般都比较大，如果需要指定下载路径，可以设置环境变量

注意修改下方的地址为自己电脑中的地址

export OLLAMA\_MODELS\=/Volumes/SHAERGE/Appdata/Ollama  

1
2

下载模型

ollama pull gemma:2b  

1
2

查看模型信息

ollama show --modelfile gemma:2b  

1
2

\# Modelfile generated by "ollama show"  
\# To build a new Modelfile based on this one, replace the FROM line with:  
\# FROM gemma:2b  
  
FROM /Users/luogang/.ollama/models/blobs/sha256-c1864a5eb19305c40519da12cc543519e48a0697ecd30e15d5ac228644957d12  
TEMPLATE """<start\_of\_turn>user  
{{ if .System }} <end\_of\_turn>  
<start\_of\_turn>model  
<end\_of\_turn>  
"""  
PARAMETER repeat\_penalty 1  
PARAMETER stop "<start\_of\_turn>"  
PARAMETER stop "<end\_of\_turn>"  

1
2
3
4
5
6
7
8
9
10
11
12
13
14

2.2 导出模型

记住上面的模型路径，拷贝到一个新的文件，模型格式为gguf，例如：

注意修改下方的地址为自己电脑中的地址

cp /Users/luogang/.ollama/models/blobs/sha256-c1864a5eb19305c40519da12cc543519e48a0697ecd30e15d5ac228644957d12 /Users/luogang/Downloads/gemma/gemma\_2b.gguf  

1
2

2.3 创建模型

创建一个Modelfile文件，最简形式如下：

From /Users/luogang/Downloads/gemma/gemma\_2b.gguf  

1
2

完整形式如下：

FROM /Users/luogang/Downloads/gemma/gemma\_2b.gguf  
TEMPLATE """{{ if .System }}<|im\_start|>system  
<|im\_end|><|im\_start|>user  
<|im\_end|>  
<|im\_start|>assistant  
"""  
PARAMETER stop "<|im\_start|>"  
PARAMETER stop "\\"<|im\_end|>\\""  

1
2
3
4
5
6
7
8
9

使用如下命令创建Ollama模型

可以设置环境变量OLLAMA_MODELS来指定模型下载位置

注意修改上面的地址为自己电脑中的地址

ollama create mygemma:2b -f Modelfile  

1
2

然后使用

ollama run mygemma:2b  

1
2

可以正常使用

2.4 运行

如果指定的模型没有下载，运行时会先下载

ollama run qwen:1.8b  

1
2

使用效果如下，实际生成token的速度非常快

2.5 列出已下载模型

ollama list  

1
2

2.6 启动服务

macOS下

在macOS上，点击Ollama图标运行程序后，就已经启动服务了，默认监听在11434端口

不过要注意，从点击Ollama图标的方式运行的方式，没有办法设置环境变量，虽然在https://github.com/ollama/ollama/issues/703此处有人给出了解决方案 launchctl setenv OLLAMA_HOST 0.0.0.0:8080，但经过尝试并不生效

Linux下

ollama serve  

1
2

在Linux下安装成功后，会默认安装为一个服务，系统启动后相当于自动执行了ollama serve，此时可以修改systemd启动单元/etc/systemd/system/ollama.service

注意将下方Environment中的相关路径，替换为自己的路径

\[Unit\]  
Description\=Ollama Service  
After\=network-online.target  
  
\[Service\]  
ExecStart\=/usr/local/bin/ollama serve  
User\=ollama  
Group\=ollama  
Restart\=always  
RestartSec\=3  
Environment\="PATH=/home/luogang/.autojump/bin:/opt/anaconda3/bin:/opt/anaconda3/condabin:/home/luogang/.autojump/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/snap/bin:/usr/local/cuda-11.8/bin:/usr/local/cuda-11.8/bin"  
Environment\="OLLAMA\_HOST=0.0.0.0"  
  
\[Install\]  
WantedBy\=default.target  

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Environment="OLLAMA_HOST=0.0.0.0"这一行是新增的，编辑完成保存后，执行如下命令

sudo systemctl stop ollama  
sudo systemctl daemon-reload  
sudo systemctl start ollama  
sudo systemctl status ollama  

1
2
3
4
5

如果启动状态检查没有报错，说明启动成功，再次使用如下命令检查环境变量是否生效

netstat -an | grep 11434  

1
2

2.7 REST API

更多API可以参考此处：https://www.postman.com/postman-student-programs/workspace/ollama-api/collection/21521806-f48dc31a-a9f1-4dad-9082-fd07f5cd2fda

2.7.1 列出模型

curl http://localhost:11434/api/tags  

1
2

2.7.2 查看模型信息

curl http://localhost:11434/api/show -d '{  
  "name": "nomic-embed-text"  
}'  

1
2
3
4

2.7.3 生成

stream参数非必填，默认为true，下同

curl http://localhost:11434/api/generate -d '{  
  "model": "qwen:7b",  
  "prompt":"Why is the sky blue?",  
  "stream": false  
}'  

1
2
3
4
5
6

2.7.4 对话

curl http://localhost:11434/api/chat -d '{  
  "model": "qwen:7b",  
  "messages": \[  
    { "role": "user", "content": "why is the sky blue?" }  
  \],  
  "stream": false  
}'  

1
2
3
4
5
6
7
8

2.7.5 Embedding

curl http://localhost:11434/api/embeddings -d '{  
  "model": "nomic-embed-text",  
  "prompt": "why is the sky blue?"  
}'  

1
2
3
4
5

3 以服务的方式关联前端GUI使用

3.1 Echanted

在Ollama启动后（双击运行或者ollama serve方式），启动Echanted不需要做任何修改，直接可以运行

3.1.1 macOS

3.1.2 iPadOS

iPadOS下支持Ollama的软件比较多，比如Enchanted、OpenCat等，Enchanted完全免费，下面以此为例。

点击左上角的按钮展开侧边栏，然后在最底下的Settings，需要在设置中的OLLAMA下输入Ollama服务地址，比如http://192.168.31.26:11434

要注意，这个地址需要iPad能够访问到，也就意味着Ollama服务启动时需要监听0.0.0.0

3.2 Open WebUI

直接使用Docker启动

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main  

1
2

登录后，需要注册，填写个人信息进行注册即可

进入界面后，在界面顶端可以直接选择已经下载的模型

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】