Ollama 对外提供 API 的全面指南

Ollama 的安装与初始设置

Ollama 是一个强大的 AI 大模型平台，用户可以通过该平台下载并运行各种 AI 模型，以提供 API 服务。安装 Ollama 的第一步是访问其官方网站 Ollama 并下载相应的安装包。安装完成后，用户可以通过命令行界面（CLI）进行操作。为了验证安装是否成功，用户可以在终端中运行 ollama --version 命令。

在安装过程中，Ollama 默认会将模型保存在系统特定的目录下，例如 Windows 系统的 C 盘或 MacOS 的 ~/.ollama/models。为了避免因磁盘空间不足而导致的问题，用户可以通过设置环境变量 OLLAMA_MODELS 来修改模型的存储路径。例如，在 Windows 系统中，可以设置为 E:ollamamodels，并重启 Ollama 或 PowerShell 以使设置生效。

Ollama 安装示意图

Docker 运行 Ollama

Docker 是一种轻量级的虚拟化技术，可以用于快速部署和运行 Ollama。用户可以通过以下命令在 Docker 中运行 Ollama：

docker run -d --gpus=all -v ollama:/root/.ollama -p 11434

此命令会在后台启动一个 Ollama 容器，并通过 11434 端口提供服务。用户需要确保 Docker 已正确安装并支持 GPU 加速，以充分利用 AI 模型的性能。

Docker 运行 Ollama

Ollama AI 模型的下载和运行

用户可以通过 Ollama 提供的命令行工具下载和运行 AI 模型。首先，访问 Ollama 模型库，选择所需的模型并运行以下命令进行下载：

ollama run llama3.1

下载完成后，用户可以通过 API 接口进行问答和其他任务。为了提供 API 服务，用户需要安装代理服务并配置相应的环境。

安装代理服务

在提供 API 服务之前，用户需要安装代理服务。首先，创建一个新的虚拟环境并激活它：

python -m venv D:/ollama

ollama/Scripts/activate.bat

接下来，安装必要的 Python 包：

(ollama)> pip install litellm

pip install litellm[proxy]

运行模型并提供服务

在安装完代理服务后，用户可以使用以下命令运行模型并提供服务：

litellm --model ollama/llama3.1

此时，Ollama 模型已在本地服务器上运行，用户可以通过 API 接口进行交互。

Ollama 的环境变量配置

在使用 Ollama 提供服务时，合理配置环境变量可以大大提升其性能和可用性。以下是一些常用的环境变量设置：

OLLAMA_HOST：设置 Ollama 服务监听的网络地址，默认是 127.0.0.1。若需对外提供服务，可设置为 0.0.0.0。
OLLAMA_PORT：指定 Ollama 服务监听的端口，默认是 11434。若有冲突，可修改为其他端口。
OLLAMA_KEEP_ALIVE：指定模型加载到内存中后的存活时间。建议设置为 24h 提高访问速度。
OLLAMA_MAX_LOADED_MODELS：限制同时加载到内存中的模型数量，默认是 1。

Ollama 的 API 调用

Ollama 提供两种主要的 API 接口：/api/generate 和 /api/chat。前者用于生成单个文本片段，而后者则支持对话式的多轮交互。

API 生成示例

用户可以通过以下代码片段调用 Ollama 的 API 进行文本生成：

import requests
import json

def generate_text(model, prompt):
    url = 'http://localhost:11434/api/generate'
    data = {
        "model": model,
        "prompt": prompt,
    }
    response = requests.post(url, headers={'Content-Type': 'application/json'}, data=json.dumps(data))
    if response.status_code == 200:
        result = response.json().get('response', '')
        print(result)
    else:
        print(f"Error: {response.status_code}")

generate_text('llama3.1', '你好')

流式聊天示例

以下是使用 Ollama chat API 的示例代码：

import requests
import json

def chat_with_model(model, messages):
    url = 'http://localhost:11434/api/chat'
    data = {
        "model": model,
        "messages": messages,
        "stream": True
    }
    response = requests.post(url, headers={'Content-Type': 'application/json'}, json=data)
    for line in response.iter_lines():
        if line:
            print(json.loads(line)['content'])

chat_with_model('qwen2:latest', [{'role': 'user', 'content': '你好'}])