Ollama
ollama 是一个开源的大型语言模型（llm）服务工具，它允许用户在本地机器上运行和部署大型语言模型。ollama 设计为一个框架，旨在简化在 docker 容器中部署和管理大型语言模型的过程，使得这一过程变得简单快捷。用户可以通过简单的命令行操作，快速在本地运行如 llama 3 这样的开源大型语言模型。
应用模型
注意：推荐下载 GGUF文件格式的模型，可以快速简洁的导入 Ollama 中。
0X01 下载模型文件
下载地址：https://huggingface.co/shenzhi-wang/Llama3-8B-Chinese-Chat-GGUF-8bit/tree/main。
下载 Llama3-8B-Chinese-Chat-q8_0-v2_1.gguf 模型文件。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
图片
0X02 编写模型文件
Modelfile文件内容如下：
# FROM 指定 GGUF 文件的路径FROM D:/AI/Download/Llama3-8B-Chinese-Chat-q8_0-v2_1.gguf
0X03 创建 Ollama 模型
使用ollama create命令可以根据Modelfile创建一个新的模型：
ollama create tinywan-Llama3-8B-Chinese -f ./Modelfiletransferring model datausing existing layer sha256:ea6e8d5cda0fc798898b67f6e728eb2d02877a2599aa3c8290aaa6f681c2bb9ecreating new layer sha256:e6e86a160950a92b7b32fcd6fcbc830e38634be6d616ec57452561bfe2a243fbwriting manifestsuccess
这个命令会读取Modelfile中的配置，并创建一个名为tinywan-Llama3-8B-Chinese的新模型。
通过命令ollama list查看模型列表：
> ollama listNAMEIDSIZEMODIFIEDtinywan-Llama3-8B-Chinese:latestadcb30feaee516 GB About a minute agollama3:8b a6990ed6be414.7 GB2 weeks ago
0X04 运行 Ollama 模型
使用 ollama run 命令来验证tinywan-Llama3-8B-Chinese新模型：
ollama run tinywan-Llama3-8B-Chinese:latest
模型测试
>>> 写一首诗吧。"我说。他眨了眨眼，微笑着回答道：“好啊，我试试看。”然后，他闭上眼睛，开始吟唱：在星空之下，月光洒银辉。风轻轻地舞，树叶低语。山川河流静默，夜晚笼罩大地。但就在这宁静中，我感受到生命的脉动，它如同诗歌般跳跃，穿梭于每一颗心中。
REST API
除了命令行界面，OLlama还提供了REST API，使得您可以通过HTTP请求与模型交互。这对于在Web应用程序中集成ollama尤其有用。
批量替换指定目录下所有 Git 仓库的远程地址（remote URL）。 当用户需要将 Git 仓库从一个服务器迁移到另一个服务器时使用。 触发词：git remote 替换、git url 批量修改、git 仓库迁移、更换 git 地址、批量修改 remote url。
请求
要生成模型的响应，您可以发送一个POST请求到 /api/generate：
curl -X POST http://localhost:11434/api/generate -d '{ "model": "llama3:8b", "prompt": "中文回答。你是什么大模型？", "stream": false}'响应
返回一个JSON对象流：
{ "model": "llama3:8b", "created_at": "2024-05-12T09:00:01.9513668Z", "response": "I'm LLaMA, a large language model developed by Meta AI that can understand and respond to human input in a conversational manner. I've been trained on a massive dataset of text from the internet and can generate human-like responses to a wide range of topics and questions. My training data includes but is not limited to:\n\n* Web pages: articles, blogs, forums\n* Books: fiction and non-fiction\n* Research papers: academic journals, research articles\n* User-generated content: social media, comments, reviews\n\nI'm able to generate responses that are contextualized to the conversation I'm having with you. This means I can recall previous statements or questions in our conversation and respond accordingly.\n\nMy capabilities include:\n\n* Answering questions on a wide range of topics, from science and history to entertainment and culture\n* Generating text summaries of long pieces of content\n* Translating text from one language to another (in this case, Chinese to English)\n* Responding to natural language input in a conversational manner\n\nI'm constantly learning and improving my responses based on the conversations I have with users like you. So feel free to ask me anything, and I'll do my best to provide helpful and accurate information!", "done": true, "done_reason": "stop", "context": [128006,...128009 ], "total_duration": 37185731000, "load_duration": 10876300, "prompt_eval_count": 13, "prompt_eval_duration": 1058480000, "eval_count": 248, "eval_duration": 36115711000}更多了解：https://github.com/ollama/ollama/blob/main/docs/api.md
meta-llama
项目开源地址：https://github.com/meta-llama/llama3
图片
模型下载直接在在Hugging Face上下载就是了。模型地址：https://huggingface.co/models。
注意：推荐下载GGUF文件格式的模型，可以快速简洁的导入Ollama中。有了gguf格式的模型文件这样就不需要通过llama.cpp项目进行模型格式转换了。
图片
其他
删除模型
如果需要删除一个本地的模型，可以使用ollama rm命令。这将从您的本地环境中删除名为my-model的模型。
ollama rm my-model
复制模型
您可以使用ollama cp命令复制一个模型，创建一个新的模型副本：
ollama cp original-model new-model
