一、Ollama 快速入门

Ollama 是一个用于在本地运行大型语言模型的工具，下面将介绍如何在不同操作系统上安装和使用 Ollama。

官网：https://ollama.com
Github：https://github.com/ollama/ollama

1. 安装

(1). macOS

在 macOS 上安装 Ollama，请点击以下链接进行下载：

下载链接

(2). Windows 预览版

在 Windows 上安装 Ollama，请点击以下链接进行下载：

下载链接

(3). Linux

在 Linux 上，可以通过以下命令进行安装：

curl -fsSL https://ollama.com/install.sh | sh

如果需要手动安装，请参考手动安装说明

(4). Docker

Ollama 官方提供了 Docker 镜像，可以在 Docker Hub 上获取：

Ollama Docker 镜像 ollama/ollama

2. 快速开始

要运行并与 Llama 2 进行交流，可以使用以下命令：

ollama run llama2

3. 模型库

Ollama 支持一系列模型，可以在 ollama.com/library 上找到。以下是一些示例模型及其下载方式：

注意：运行 7B 模型需要至少 8GB 的 RAM，运行 13B 模型需要 16GB RAM，运行 33B 模型需要 32GB RAM。

4. 自定义模型

(1). 从 GGUF 导入

Ollama 支持在 Modelfile 中导入 GGUF 模型：

1. 创建一个名为 Modelfile 的文件，使用 FROM 指令指定要导入的模型的本地文件路径。

   FROM ./vicuna-33b.Q4_0.gguf
   

2. 创建模型

   ollama create example -f Modelfile
   

3. 运行模型

   ollama run example
   

(2). 从 PyTorch 或 Safetensors 导入

查看导入模型指南获取更多信息。

(3). 自定义提示

可以使用提示来自定义 Ollama 模型。例如，要自定义 llama2 模型：

ollama pull llama2

创建一个 Modelfile：

FROM llama2

# 设置温度为 1 [值越高越有创造性，值越低越连贯]
PARAMETER temperature 1

# 设置系统消息
SYSTEM """
You are Mario from Super Mario Bros. Answer as Mario, the assistant, only.
"""

接下来，创建并运行模型：

ollama create mario -f ./Modelfile
ollama run mario
>>> hi
Hello! It's your friend Mario.

更多示例，请参考examples目录。有关使用 Modelfile 的更多信息，请参考Modelfile文档。

5. CLI 参考

(1). 创建模型

使用 ollama create 命令从 Modelfile 创建模型。

ollama create mymodel -f ./Modelfile

(2). 拉取模型

ollama pull llama2

此命令也可用于更新本地模型。只会拉取差异部分。

(3). 删除模型

ollama rm llama2

(4). 复制模型

ollama cp llama2 my-llama2

(5). 多行输入

对于多行输入，可以使用 """ 包裹文本：

>>> """Hello,
... world!
... """
I'm a basic program that prints the famous "Hello, world!" message to the console.

(6). 多模态模型

>>> What's in this image? /Users/jmorgan/Desktop/smile.png
The image features a yellow smiley face, which is likely the central focus of the picture.

(7). 将提示作为参数传入

$ ollama run llama2 "Summarize this file: $(cat README.md)"
 Ollama is a lightweight, extensible framework for building and running language models on the local machine. It provides a simple API for creating, running, and managing models, as well as a library of pre-built models that can be easily used in a variety of applications.

(8). 列出计算机上的模型

ollama list

(9). 启动 Ollama

当您想要启动 Ollama 而不运行桌面应用程序时，可以使用 ollama serve。

6. 构建

安装 cmake 和 go：

brew install cmake go

然后生成依赖项：

go generate ./...

然后构建二进制文件：

go build .

更详细的说明可以在开发者指南中找到。

(1). 运行本地构建

接下来，启动服务器：

./ollama serve

最后，在另一个 shell 中，运行一个模型：

./ollama run llama2

7. REST API

Ollama 提供了用于运行和管理模型的 REST API。

(1). 生成响应

curl http://localhost:11434/api/generate -d '{
  "model": "llama2",
  "prompt":"Why is the sky blue?"
}'

(2). 与模型交流

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

查看API 文档获取所有端点信息。

8. 社区集成

(1). Web & Desktop

• Lollms-Webui
• LibreChat
• Bionic GPT
• Enchanted (macOS native)
• HTML UI
• Saddle
• Chatbot UI
• Typescript UI
• Minimalistic React UI for Ollama Models
• Open WebUI
• Ollamac
• big-AGI
• Cheshire Cat assistant framework
• Amica
• chatd
• Ollama-SwiftUI
• Dify.AI
• MindMac
• NextJS Web Interface for Ollama
• Msty
• Chatbox
• WinForm Ollama Copilot
• NextChat with Get Started Doc
• Alpaca WebUI
• OllamaGUI
• OpenAOE
• Odin Runes
• LLM-X: Progressive Web App
• AnythingLLM (Docker + MacOs/Windows/Linux native app)
• Ollama Basic Chat: Uses HyperDiv Reactive UI
• Ollama-chats RPG
• ChatOllama: Open Source Chatbot based on Ollama with Knowledge Bases
• CRAG Ollama Chat: Simple Web Search with Corrective RAG
• RAGFlow: Open-source Retrieval-Augmented Generation engine based on deep document understanding

(2). 终端

• oterm
• Ellama Emacs client
• Emacs client
• gen.nvim
• ollama.nvim
• ollero.nvim
• ollama-chat.nvim
• ogpt.nvim
• gptel Emacs client
• Oatmeal
• cmdh
• ooo
• tenere
• llm-ollama for Datasette's LLM CLI.
• typechat-cli
• ShellOracle
• tlm

(3). 数据库

• MindsDB
• chromem-go with example

(4). 包管理器

• Pacman
• Helm Chart

二、OpenAI 兼容性

注意: OpenAI 兼容性是实验性的，可能会有重大调整，包括破坏性更改。要完全访问 Ollama API，请查看 Ollama Python库、JavaScript库 和 REST API。

Ollama 提供了与 OpenAI API 部分功能的实验性兼容性，以帮助将现有应用程序连接到 Ollama。

1. 使用方法

(1). OpenAI Python库

from openai import OpenAI

client = OpenAI(
    base_url='http://localhost:11434/v1/',

    # 必需但被忽略
    api_key='ollama',
)

chat_completion = client.chat.completions.create(
    messages=[
        {
            'role': 'user',
            'content': 'Say this is a test',
        }
    ],
    model='llama2',
)

(2). OpenAI JavaScript库

import OpenAI from 'openai'

const openai = new OpenAI({
  baseURL: 'http://localhost:11434/v1/',

  // 必需但被忽略
  apiKey: 'ollama',
})

const chatCompletion = await openai.chat.completions.create({
  messages: [{ role: 'user', content: 'Say this is a test' }],
  model: 'llama2',
})

(3). curl

curl http://localhost:11434/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{
        "model": "llama2",
        "messages": [
            {
                "role": "system",
                "content": "You are a helpful assistant."
            },
            {
                "role": "user",
                "content": "Hello!"
            }
        ]
    }'

2. 端点

(1). /v1/chat/completions

支持的功能

• [x] 聊天完成
• [x] 流式传输
• [x] JSON 模式
• [x] 可复现的输出
• [ ] 视觉
• [ ] 函数调用
• [ ] Logprobs

支持的请求字段

• [x] model
• [x] messages
• [x] 文本 content
• [ ] content 部分的数组
• [x] frequency_penalty
• [x] presence_penalty
• [x] response_format
• [x] seed
• [x] stop
• [x] stream
• [x] temperature
• [x] top_p
• [x] max_tokens
• [ ] logit_bias
• [ ] tools
• [ ] tool_choice
• [ ] user
• [ ] n

注意事项

• 设置 seed 将始终将 temperature 设置为 0
• finish_reason 将始终为 stop
• 对于缓存了提示评估的完成，usage.prompt_tokens 将为 0

3. 模型

在使用模型之前，先在本地拉取它：ollama pull：

ollama pull llama2

(1). 默认模型名称

对于依赖于默认 OpenAI 模型名称（如 gpt-3.5-turbo）的工具，可以使用 ollama cp 将现有模型名称复制到临时名称：

ollama cp llama2 gpt-3.5-turbo

然后，可以在 model 字段中指定这个新模型名称：

curl http://localhost:11434/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{
        "model": "gpt-3.5-turbo",
        "messages": [
            {
                "role": "user",
                "content": "Hello!"
            }
        ]
    }'

三、已有模型导入

本教程将指导您如何导入 GGUF、PyTorch 或 Safetensors 模型。

1. 导入（GGUF）

(1). 步骤 1：编写 Modelfile

首先创建一个 Modelfile 文件。这个文件是您模型的蓝图，指定了权重、参数、提示模板等信息。

FROM ./mistral-7b-v0.1.Q4_0.gguf

（可选）许多聊天模型需要一个提示模板才能正确回答问题。您可以在 Modelfile 中使用 TEMPLATE 指令指定默认的提示模板：

FROM ./mistral-7b-v0.1.Q4_0.gguf
TEMPLATE "[INST] {{ .Prompt }} [/INST]"

(2). 步骤 2：创建 Ollama 模型

最后，从您的 Modelfile 创建一个模型：

ollama create example -f Modelfile

(3). 步骤 3：运行您的模型

接下来，使用 ollama run 测试模型：

ollama run example "你最喜欢的调味品是什么？"

2. 导入（PyTorch & Safetensors）

从 PyTorch 和 Safetensors 导入比从 GGUF 导入更复杂。正在进行使其更容易的改进工作。

(1). 设置

首先，克隆 ollama/ollama 仓库：

git clone git@github.com:ollama/ollama.git ollama
cd ollama

然后获取其 llama.cpp 子模块：

git submodule init
git submodule update llm/llama.cpp

接下来，安装 Python 依赖项：

python3 -m venv llm/llama.cpp/.venv
source llm/llama.cpp/.venv/bin/activate
pip install -r llm/llama.cpp/requirements.txt

然后构建 quantize 工具：

make -C llm/llama.cpp quantize

(2). 克隆 HuggingFace 仓库（可选）

如果模型当前托管在 HuggingFace 仓库中，首先克隆该仓库以下载原始模型。

安装 Git LFS，验证安装后，然后克隆模型仓库：

git lfs install
git clone https://huggingface.co/mistralai/Mistral-7B-Instruct-v0.1 model

(3). 转换模型

注意：某些模型架构需要使用特定的转换脚本。例如，Qwen 模型需要运行 convert-hf-to-gguf.py 而不是 convert.py

python llm/llama.cpp/convert.py ./model --outtype f16 --outfile converted.bin

(4). 量化模型

llm/llama.cpp/quantize converted.bin quantized.bin q4_0

(5). 步骤 3：编写 Modelfile

接下来，为您的模型创建一个 Modelfile：

FROM quantized.bin
TEMPLATE "[INST] {{ .Prompt }} [/INST]"

(6). 步骤 4：创建 Ollama 模型

最后，从您的 Modelfile 创建一个模型：

ollama create example -f Modelfile

(7). 步骤 5：运行您的模型

接下来，使用 ollama run 测试模型：

ollama run example "你最喜欢的调味品是什么？"

3. 发布您的模型（可选 – 早期阿尔法版）

模型发布处于早期阿尔法版。如果您想发布模型以与他人共享，请按照以下步骤操作：

1. 创建 一个账户
2. 复制您的 Ollama 公钥：

• macOS: cat ~/.ollama/id_ed25519.pub
• Windows: type %USERPROFILE%\.ollama\id_ed25519.pub
• Linux: cat /usr/share/ollama/.ollama/id_ed25519.pub

接下来，将您的模型复制到您的用户名空间：

ollama cp example <your username>/example

然后推送模型：

ollama push <your username>/example

发布后，您的模型将在 https://ollama.com/<your username>/example 上可用。

4. 量化参考

量化选项如下（从最高到最低的量化级别）。注意：某些架构如 Falcon 不支持 K quants。

• q2_K
• q3_K
• q3_K_S
• q3_K_M
• q3_K_L
• q4_0（推荐）
• q4_1
• q4_K
• q4_K_S
• q4_K_M
• q5_0
• q5_1
• q5_K
• q5_K_S
• q5_K_M
• q6_K
• q8_0
• f16

四、自定义模型文件

注意：Modelfile语法正在开发中

模型文件是使用Ollama创建和共享模型的蓝图。

1. 格式

Modelfile的格式如下：

# 注释

INSTRUCTION 参数

2. 示例

(1). 基本Modelfile

创建一个马里奥蓝图的Modelfile示例：

FROM llama2

# 将温度设置为1 [温度越高，创造性越强，温度越低，连贯性越强]

PARAMETER temperature 1

# 将上下文窗口大小设置为4096，这控制了LLM可以使用多少标记作为上下文来生成下一个标记

PARAMETER num_ctx 4096

# 设置自定义系统消息以指定聊天助手的行为

SYSTEM 你是超级马里奥兄弟中的马里奥，充当助手。

使用方法：

1. 将其保存为文件（例如Modelfile）
2. ollama create choose-a-model-name -f <文件位置，例如./Modelfile>
3. ollama run choose-a-model-name
4. 开始使用该模型！

更多示例可在示例目录中找到。

(2). ollama.com/library中的Modelfile

查看ollama.com/library中模型底层的Modelfile有两种方法：

• 选项1：从模型的标签页面查看详细信息：

• 注意：如果FROM指令不存在，则表示该模型是从本地文件创建的

1. 转到特定模型的标签页（例如https://ollama.com/library/llama2/tags）

2. 单击标签（例如https://ollama.com/library/llama2:13b）

3. 向下滚动至“Layers”

> ollama show --modelfile llama2:13b

# 由“ollama show”生成的Modelfile

# 要基于此构建新的Modelfile，请将FROM行替换为：

# FROM llama2:13b

FROM /root/.ollama/models/blobs/sha256:123abc

TEMPLATE """[INST] {{ if .System }}<<SYS>>{{ .System }}<</SYS>>

{{ end }}{{ .Prompt }} [/INST] """

SYSTEM """"""

PARAMETER stop [INST]

PARAMETER stop [/INST]

PARAMETER stop <<SYS>>

PARAMETER stop <</SYS>>

3. 说明

(1). FROM（必需）

FROM指令定义创建模型时要使用的基础模型。

FROM <模型名称>:<标签>

从llama2构建

FROM llama2

可用基础模型列表：

https://github.com/jmorganca/ollama#model-library

从bin文件构建

FROM ./ollama-model.bin

应将此bin文件位置指定为绝对路径或相对于Modelfile位置的路径。

(2). PARAMETER

PARAMETER指令定义在运行模型时可以设置的参数。

PARAMETER <参数> <参数值>

有效参数和值

(3). TEMPLATE

该模板将传递到模型中。它可以包括（可选）系统消息、用户消息和模型的响应。注意：语法可能是特定于模型的。模板使用Go 模板语法。

4. 模板变量

在模板中，我们使用以下变量来表示不同部分的内容：

TEMPLATE """{{ if .System }}<|im_start|>system
{{ .System }}<|im_end|>
{{ end }}{{ if .Prompt }}<|im_start|>user
{{ .Prompt }}<|im_end|>
{{ end }}<|im_start|>assistant
"""

5. SYSTEM

SYSTEM 指令用于指定模板中要使用的系统消息。

SYSTEM """<system message>"""

6. ADAPTER

ADAPTER 指令用于指定要应用于基础模型的 LoRA 适配器。该指令的值应为绝对路径或相对于 Modelfile 的路径，并且文件必须采用 GGML 文件格式。适配器应该是从基础模型调整过的，否则行为是不确定的。

ADAPTER ./ollama-lora.bin

7. LICENSE

LICENSE 指令允许您指定在使用此 Modelfile 的模型下共享或分发的法律许可。

LICENSE """
<许可证文本>
"""

8. MESSAGE

MESSAGE 指令允许您为模型指定消息历史记录，以便在响应时使用。使用多个 MESSAGE 命令的迭代来构建对话，这将引导模型以类似的方式回答。

MESSAGE <角色> <消息>

(1). 有效角色

• system：为模型提供系统消息的替代方式。
• user：用户可能会提出的示例消息。
• assistant：模型应该如何回应的示例消息。

9. 示例对话

MESSAGE user 多伦多在加拿大吗？
MESSAGE assistant 是的
MESSAGE user 萨克拉门托在加拿大吗？
MESSAGE assistant 不是
MESSAGE user 安大略在加拿大吗？
MESSAGE assistant 是的

10. 注意事项

• Modelfile 不区分大小写。在示例中，使用大写指令是为了更容易区分它与参数。
• 指令可以以任何顺序出现。在示例中，FROM 指令首先出现是为了使其易于阅读。

通过本教程，您可以更好地了解如何使用模板化模型的完整提示模板。希望这篇博客能帮助您更好地应用模板化模型。

五、在Linux上的安装配置

1. 安装

通过运行以下一行命令来安装Ollama：

curl -fsSL https://ollama.com/install.sh | sh

2. AMD Radeon GPU支持

虽然AMD已经将amdgpu驱动程序贡献给了官方Linux内核源代码，但版本较旧，可能不支持所有ROCm功能。我们建议您从https://www.amd.com/en/support/linux-drivers下载并安装最新的驱动程序，以获得对您的Radeon GPU最佳支持。

3. 手动安装

(1). 下载ollama二进制文件

Ollama被分发为一个独立的二进制文件。将其下载到您的PATH目录中：

sudo curl -L https://ollama.com/download/ollama-linux-amd64 -o /usr/bin/ollama
sudo chmod +x /usr/bin/ollama

(2). 将Ollama添加为启动服务（推荐）

为Ollama创建一个用户：

sudo useradd -r -s /bin/false -m -d /usr/share/ollama ollama

在/etc/systemd/system/目录下创建一个服务文件ollama.service：

[Unit]
Description=Ollama Service
After=network-online.target

[Service]
ExecStart=/usr/bin/ollama serve
User=ollama
Group=ollama
Restart=always
RestartSec=3

[Install]
WantedBy=default.target

然后启动服务：

sudo systemctl daemon-reload
sudo systemctl enable ollama

(3). 安装CUDA驱动程序（可选 - 适用于Nvidia GPU）

下载并安装 CUDA。

通过运行以下命令验证驱动程序是否已安装，该命令应打印有关您的GPU的详细信息：

nvidia-smi

(4). 安装ROCm（可选 - 适用于Radeon GPU）

下载并安装 ROCm。

确保安装ROCm v6。

(5). 启动Ollama

使用systemd启动Ollama：

sudo systemctl start ollama

4. 更新

通过再次运行安装脚本来更新Ollama：

curl -fsSL https://ollama.com/install.sh | sh

或通过下载Ollama二进制文件：

sudo curl -L https://ollama.com/download/ollama-linux-amd64 -o /usr/bin/ollama
sudo chmod +x /usr/bin/ollama

5. 查看日志

要查看作为启动服务运行的Ollama的日志，请运行：

journalctl -u ollama

6. 卸载

删除Ollama服务：

sudo systemctl stop ollama
sudo systemctl disable ollama
sudo rm /etc/systemd/system/ollama.service

从您的bin目录（/usr/local/bin、/usr/bin或/bin）中删除Ollama二进制文件：

sudo rm $(which ollama)

删除已下载的模型以及Ollama服务用户和组：

sudo rm -r /usr/share/ollama
sudo userdel ollama
sudo groupdel ollama

六、故障排除

有时候 Ollama 可能表现不如预期。找出发生了什么的最佳方法之一是查看日志。在 Mac 上通过运行以下命令找到日志：

cat ~/.ollama/logs/server.log

在带有 systemd 的 Linux 系统上，可以通过以下命令找到日志：

journalctl -u ollama

当在 容器 中运行 Ollama 时，日志会输出到容器中的 stdout/stderr：

docker logs <container-name>

(使用 docker ps 查找容器名称)

如果在终端中手动运行 ollama serve，日志将显示在该终端上。

在 Windows 上运行 Ollama 时，有几个不同的位置。您可以通过按 <cmd>+R 键并输入以下内容在资源管理器窗口中查看它们：

• explorer %LOCALAPPDATA%\Ollama 查看日志
• explorer %LOCALAPPDATA%\Programs\Ollama 浏览二进制文件（安装程序会将其添加到用户 PATH）
• explorer %HOMEPATH%\.ollama 浏览模型和配置存储位置
• explorer %TEMP% 临时可执行文件存储在一个或多个 ollama* 目录中

要启用额外的调试日志以帮助解决问题，首先从托盘菜单中退出运行的应用程序，然后在 PowerShell 终端中执行以下命令：

$env:OLLAMA_DEBUG="1"
& "ollama app.exe"

加入 Discord 获取帮助解释日志。

1. LLM 库

Ollama 包含为不同 GPU 和 CPU 矢量功能编译的多个 LLM 库。Ollama 会根据您系统的功能选择最佳的库。如果这种自动检测出现问题，或者遇到其他问题（例如 GPU 崩溃），您可以通过强制指定特定的 LLM 库来解决。cpu_avx2 将表现最佳，其次是 cpu_avx，最兼容但速度最慢的是 cpu。在 MacOS 下的 Rosetta 模拟将与 cpu 库一起使用。

在服务器日志中，您将看到类似以下消息的内容（每个版本可能有所不同）：

Dynamic LLM libraries [rocm_v6 cpu cpu_avx cpu_avx2 cuda_v11 rocm_v5]

实验性 LLM 库覆盖

您可以将 OLLAMA_LLM_LIBRARY 设置为任何可用的 LLM 库以绕过自动检测，例如，如果您有一个 CUDA 卡，但想要强制使用具有 AVX2 矢量支持的 CPU LLM 库，可以使用以下命令：

OLLAMA_LLM_LIBRARY="cpu_avx2" ollama serve

您可以通过以下命令查看 CPU 的功能：

cat /proc/cpuinfo| grep flags  | head -1

2. AMD Radeon GPU 支持

Ollama 利用 AMD ROCm 库，该库不支持所有 AMD GPU。在某些情况下，您可以强制系统尝试使用一个接近的 LLVM 目标。例如，Radeon RX 5400 是 gfx1034（也称为 10.3.4），但 ROCm 目前不支持此目标。最接近的支持是 gfx1030。您可以使用环境变量 HSA_OVERRIDE_GFX_VERSION 以 x.y.z 语法。例如，要强制系统在 RX 5400 上运行，您可以将 HSA_OVERRIDE_GFX_VERSION="10.3.0" 设置为服务器的环境变量。如果您有不受支持的 AMD GPU，可以尝试使用下面列出的受支持类型。

目前，已知支持的 GPU 类型如下 LLVM 目标。以下表格显示了一些映射到这些 LLVM 目标的示例 GPU：

AMD 正在努力增强 ROCm v6，以在将来的发布中扩大对 GPU 家族的支持，这应该会增加对更多 GPU 的支持。

在 Discord 上联系或提交 问题 获取额外帮助。

3. 在 Linux 上安装旧版或预发布版本

如果在 Linux 上遇到问题并希望安装旧版本，或者想在正式发布之前尝试预发布版本，您可以告诉安装脚本要安装哪个版本。

curl -fsSL https://ollama.com/install.sh | OLLAMA_VERSION="0.1.29" sh

七、FAQ

1. 如何升级 Ollama？

在 macOS 和 Windows 上，Ollama 会自动下载更新。点击任务栏或菜单栏项目，然后点击“重新启动以更新”来应用更新。也可以通过手动下载最新版本来安装更新。

在 Linux 上，重新运行安装脚本：

curl -fsSL https://ollama.com/install.sh | sh

2. 如何查看日志？

查看有关使用日志的更多信息，请参阅故障排除文档。

3. 如何指定上下文窗口大小？

默认情况下，Ollama 使用 2048 个标记的上下文窗口大小。

在使用 ollama run 时更改这个值，使用 /set parameter：

/set parameter num_ctx 4096

在使用 API 时，指定 num_ctx 参数：

curl http://localhost:11434/api/generate -d '{
  "model": "llama2",
  "prompt": "为什么天空是蓝色的？",
  "options": {
    "num_ctx": 4096
  }
}'

4. 如何配置 Ollama 服务器？

Ollama 服务器可以通过环境变量进行配置。

(1). 在 Mac 上设置环境变量

如果 Ollama 作为 macOS 应用程序运行，应使用 launchctl 设置环境变量：

1. 对于每个环境变量，调用 launchctl setenv。

   launchctl setenv OLLAMA_HOST "0.0.0.0"
   

2. 重新启动 Ollama 应用程序。

(2). 在 Linux 上设置环境变量

如果 Ollama 作为 systemd 服务运行，应使用 systemctl 设置环境变量：

1. 通过调用 systemctl edit ollama.service 编辑 systemd 服务。这将打开一个编辑器。

2. 对于每个环境变量，在 [Service] 部分下添加一行 Environment：

   [Service]
   Environment="OLLAMA_HOST=0.0.0.0"
   

3. 保存并退出。

4. 重新加载 systemd 并重新启动 Ollama：

   systemctl daemon-reload
   systemctl restart ollama
   

(3). 在 Windows 上设置环境变量

在 Windows 上，Ollama 继承您的用户和系统环境变量。

1. 首先通过单击任务栏中的 Ollama 退出它

2. 从控制面板中编辑系统环境变量

3. 为您的用户帐户编辑或创建新变量，如 OLLAMA_HOST、OLLAMA_MODELS 等。

4. 单击 OK/应用以保存

5. 从新的终端窗口运行 ollama

5. 如何在我的网络上公开 Ollama？

默认情况下，Ollama 绑定到 127.0.0.1 端口 11434。使用 OLLAMA_HOST 环境变量更改绑定地址。

有关如何在您的平台上设置环境变量，请参考上面的部分[如何配置 Ollama 服务器]。

6. 如何使用代理服务器与 Ollama 一起使用？

Ollama 运行一个 HTTP 服务器，可以使用诸如 Nginx 之类的代理服务器公开。为此，配置代理以转发请求，并可选择设置所需的标头（如果不在网络上公开 Ollama）。例如，使用 Nginx：

server {
    listen 80;
    server_name example.com;  # 替换为您的域名或 IP
    location / {
        proxy_pass http://localhost:11434;
        proxy_set_header Host localhost:11434;
    }
}

7. 如何使用 ngrok 与 Ollama？

可以使用各种隧道工具访问 Ollama。例如，使用 Ngrok：

ngrok http 11434 --host-header="localhost:11434"

8. 如何允许其他网络来源访问 Ollama？

Ollama 默认允许来自 127.0.0.1 和 0.0.0.0 的跨源请求。可以使用 OLLAMA_ORIGINS 配置额外的来源。

有关如何在您的平台上设置环境变量，请参考上面的部分[如何配置 Ollama 服务器]。

9. 模型存储在哪里？

• macOS: ~/.ollama/models
• Linux: /usr/share/ollama/.ollama/models
• Windows: C:\Users\<username>\.ollama\models

(1). 如何将它们设置为不同的位置？

如果需要使用不同的目录，将环境变量 OLLAMA_MODELS 设置为所选目录。

有关如何在您的平台上设置环境变量，请参考上面的部分[如何配置 Ollama 服务器]。

10. Ollama 是否会将我的提示和答案发送回 ollama.com？

不会。Ollama 在本地运行，对话数据不会离开您的计算机。

11. 如何在 Visual Studio Code 中使用 Ollama？

已经有大量针对 VSCode 以及其他编辑器的插件可供使用，这些插件利用了 Ollama。请查看主存储库自述文件底部的扩展和插件列表。

12. 如何在代理后面使用 Ollama？

如果配置了 HTTP_PROXY 或 HTTPS_PROXY，Ollama 与代理服务器兼容。在使用这些变量时，请确保在 ollama serve 可以访问这些值的地方设置它们。在使用 HTTPS_PROXY 时，请确保代理证书已安装为系统证书。有关如何在您的平台上使用环境变量，请参考上面的部分。

(1). 如何在 Docker 中使用代理后面的 Ollama？

可以通过在启动容器时传递 -e HTTPS_PROXY=https://proxy.example.com 来配置 Ollama Docker 容器镜像使用代理。

另外，可以配置 Docker 守护程序使用代理。有关 Docker Desktop 在 macOS、Windows 和 Linux 上的说明，以及 Docker 带 systemd 的守护程序。

在使用 HTTPS 时，请确保代理证书已安装为系统证书。当使用自签名证书时，可能需要一个新的 Docker 镜像。

FROM ollama/ollama
COPY my-ca.pem /usr/local/share/ca-certificates/my-ca.crt
RUN update-ca-certificates

构建并运行此镜像：

docker build -t ollama-with-ca .
docker run -d -e HTTPS_PROXY=https://my.proxy.example.com -p 11434:11434 ollama-with-ca

13. 如何在 Docker 中使用 GPU 加速？

可以在 Linux 或 Windows（使用 WSL2）中配置 Ollama Docker 容器以使用 GPU 加速。这需要 nvidia-container-toolkit。有关更多详细信息，请参阅 ollama/ollama。

由于缺乏 GPU 透传和仿真，Docker Desktop 在 macOS 上不支持 GPU 加速。

14. 为什么在 Windows 10 的 WSL2 中网络速度慢？

这可能会影响安装 Ollama，以及下载模型。

打开 控制面板 > 网络和 Internet > 查看网络状态和任务，然后在左侧面板点击 更改适配器设置。找到 vEthernel (WSL) 适配器，右键单击并选择 属性。 点击 配置，打开 高级 选项卡。搜索每个属性，直到找到 大型发送卸载版本 2（IPv4） 和 大型发送卸载版本 2（IPv6）。禁用 这两个属性。

15. 如何预加载模型以获得更快的响应时间？

如果使用 API，可以通过向 Ollama 服务器发送空请求来预加载模型。这适用于 /api/generate 和 /api/chat API 端点。

要使用 generate 端点预加载 mistral 模型，请使用：

curl http://localhost:11434/api/generate -d '{"model": "mistral"}'

要使用 chat 完成端点，请使用：

curl http://localhost:11434/api/chat -d '{"model": "mistral"}'

16. 如何保持模型在内存中加载或立即卸载它？

默认情况下，模型在内存中保留 5 分钟，然后被卸载。这允许在向 LLM 发送大量请求时获得更快的响应时间。但是，您可能希望在 5 分钟之前释放内存，或者永久保留模型加载。使用 /api/generate 和 /api/chat API 端点的 keep_alive 参数来控制模型在内存中保留的时间。

keep_alive 参数可以设置为：

• 一个持续时间字符串（例如 "10m" 或 "24h"）
• 以秒为单位的数字（例如 3600）
• 任何负数，将保持模型在内存中（例如 -1 或 "-1m"）
• '0'，将在生成响应后立即卸载模型

例如，要预加载模型并保留在内存中，请使用：

curl http://localhost:11434/api/generate -d '{"model": "llama2", "keep_alive": -1}'

要卸载模型并释放内存，请使用：

curl http://localhost:11434/api/generate -d '{"model": "llama2", "keep_alive": 0}'

17. 控制使用哪些 GPU

默认情况下，在 Linux 和 Windows 上，Ollama 将尝试使用 Nvidia GPU 或 Radeon GPU，并将使用找到的所有 GPU。您可以通过将环境变量 CUDA_VISIBLE_DEVICES 设置为 NVIDIA 卡的 GPU ID 的逗号分隔列表，或将 HIP_VISIBLE_DEVICES 设置为 Radeon GPU 的 GPU ID 来限制将要使用的 GPU。您可以使用 GPU 工具（如 nvidia-smi 或 rocminfo）查看设备列表。您可以将其设置为无效的 GPU ID（例如，“-1”）以绕过 GPU 并回退到 CPU。