- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习与统计学
Ollama，危？
大家好，我是 Ai 学习的老章 Ollama 是咱们公众号的常客了，比较重要的几个功能升级我都写过文章介绍 Ollama 发布新 app，文档聊天，多模态支持，可在 macOS 和 Windows 上使用 Ollama 的新动作：大模型联网搜索 API、MCP 客户端集成 Ollama 可以启动云端大模型了，免费 Ollama 背后执行推理的核心技术其实是由 llama.cpp 承担的，GGUF 模型格式也是由 现在 llama.cpp 迎来重大更新，它也有了自己的 Web UI，我测试了安装部署和自行打包，很多地方确实比 Ollama 还有方便好用。 的 Shimmy 要好很多，但是 Ollama 玩了这么久也不是吃素的 1、Ollama 有更加方便的 app，随时切换本地模型甚是方便 2、Ollama 还有免费云模型可以调用呢，deepseek-v3.1 并发太差：不要再用 _Ollama_，不要再用 llama.cpp
28410编辑于 2025-11-20 - 来自专栏.Net Core技术分享
Ollama系列05：Ollama API 使用指南
本文是Ollama系列教程的第5篇，在前面的4篇内容中，给大家分享了如何再本地通过Ollama运行DeepSeek等大模型，演示了chatbox、CherryStudio等UI界面中集成Ollama的服务 在今天的分享中，我将分享如何通过API来调用ollama服务，通过整合ollama API，将AI能力集成到你的私有应用中，提升你的职场价值！ Ollama API Ollama 提供了一套简单好用的接口，让开发者能通过API轻松使用大语言模型。 本篇内容将使用Postman作为请求工具，和开发语言无关。 参考内容 官方API文档：https://github.com/ollama/ollama/blob/main/docs/api.md 官方兼容OpenAI文档：https://github.com /ollama/ollama/blob/main/docs/openai.md
3.9K21编辑于 2025-03-21 - 来自专栏自然语言处理
实战教程来了！从零开始打造MCP+Ollama集成
模型上下文协议MCP与Ollama的整合实现指南 在过去一两个个月里，模型上下文协议（Model Context Protocol，MCP）频繁出现在各种技术微信交流群中。 前面一篇文章给大家分享了MCP一些基础概念，但是读完之后还是模棱两可，所以决定尝试将Ollama中的小型语言模型与MCP服务器连接起来，体验一下这个新标准。 今天，向大家展示如何实现Ollama与MCP服务器的集成。 通过Ollama发送对话并接收结构化输出 如果响应中包含工具，则向服务器发送请求 安装依赖 要运行这个项目，需要安装必要的包。 使用以下命令将所需库添加到你的项目中： uv add fastmcp ollama 这会同时安装MCP服务器和Ollama聊天库，以便你在它们的基础上构建客户端和服务器逻辑。
3.3K11编辑于 2025-04-20 - 来自专栏服务器运维日常
喂饭式教程 - 腾讯云HAI服务原生安装Ollama部署DeepSeek
简单的说，就是DeepSeek是运行在Ollama软件中的，要使用DeepSeek需要先安装Ollama。 三、Linux 部署 Ollama3.1、复制安装命令打开 Ollama 官网，点击下载，选择 Linux ，复制安装命令。3.2 命令安装 Ollama在服务器终端输入命令，等待下载安装。 3.4、在终端运行命令安装模型输入Ollama版本号命令查看是否安装成功，然后输入模型安装命令# 查看Ollama版本号ollama --version# 安装模型ollama run deepseek-r1 四、Windows 部署 Ollama4.1、下载Ollama安装软件打开 Ollama 官网，点击下载，选择 Windows ，下载软件安装程序，完成安装。 在打开命令窗口上，输入以下命令，完成安装# 查看Ollama版本号ollama --version# 安装模型ollama run deepseek-r1:1.5b五、选择什么样的模型DeepSeek-R1
1.1K20编辑于 2025-02-13 centos7 安装ollama 运行 ollama -v 报错解决
问题在ollama官网上，找到了linux上安装ollama的命令后，复制到自己的虚拟机中，下载完ollama，运行 ollama serve，提示以下报错：ollama: /lib64/libm.so .6: version `GLIBC_2.27' not found (required by ollama)ollama: /lib64/libstdc++.so.6: version `GLIBCXX _3.4.25' not found (required by ollama)ollama: /lib64/libstdc++.so.6: version `GLIBCXX_3.4.20' not found (required by ollama)ollama: /lib64/libstdc++.so.6: version `CXXABI_1.3.9' not found (required by ollama )ollama: /lib64/libstdc++.so.6: version `CXXABI_1.3.11' not found (required by ollama)ollama: /lib64/
3K11编辑于 2025-06-12- 来自专栏.Net Core技术分享
Ollama系列06：C#使用OllamaSharp集成Ollama服务
本文是Ollama系列教程的第6篇，主要介绍如何通过SDK将ollama集成到c#程序中。 Ollama 提供了HTTP API的访问，如果需要使用SDK集成到项目中，需要引用第三方库OllamaSharp，直接使用nuget进行安装即可。 功能亮点 简单易用：几行代码就能玩转Ollama 值得信赖：已为Semantic Kernal、.NET Aspire和Microsoft.Extensions.AI提供支持 全接口覆盖：支持所有Ollama = new OllamaApiClient(uri); 获取模型列表 // list models var models = await ollama.ListLocalModelsAsync(); var chat = new Chat(ollama); Console.WriteLine(); Console.WriteLine($"Chat with {ollama.SelectedModel
83210编辑于 2025-03-26 ollama指定目录安装
ollama安装时候不能选择安装路径，只能默认安装C盘大概需要5GB空间，面对C盘没有多少的用户就很难装上去。 windows默认安装在C盘，不支持修改程序安装目录，可以在Windows终端中输入以下命令来自定义安装路径 在OllamaSetup.exe安装包文件路径下打开终端 D:\Ollama为安装的目标路径 OllamaSetup.exe /DIR="D:\Ollama" 自定义模型储存路径 在用户环境变量中添加一个OLLAM_MODELS环境变量来定义模型的储存位置
2.3K00编辑于 2025-07-16- 来自专栏leehao
Ollama整合open-webui
It supports various LLM runners, including Ollama and OpenAI-compatible APIs.
46810编辑于 2025-02-11 ollama安装初体验
Ollama配置服务端口 编辑环境变量 配置端口 变量名称：OLLAMA_HOST 值： 0.0.0.0:8080 配置大模型本地存储路径 变量名称：OLLAMA_MODELS 值：D:\ollama \models 访问端口允许跨域 变量名称：OLLAMA_ORIGINS 值：* 配置环境变量后重启Ollama 常见ollama 属性设置 我们在平时使用ollama过程中会遇到不少问题，比如模型镜像加载在 模型操作命令 ollama serve：启动 Ollama 服务，是后续操作的基础。 ollama create：从模型文件创建模型，适用于自定义模型或本地已有模型文件的情况。 ollama pull: 从注册表中拉取模型，如ollama pull llama3，方便获取官方或其他来源的模型。 ollama push：将模型推送到注册表，便于共享模型。 ollama list：列出本地已有的模型，方便管理和选择。 ollama cp：复制模型，可用于备份或创建模型副本。 ollama rm：删除模型，释放存储空间。
91210编辑于 2025-07-16- 来自专栏Java Tale
Linux内网离线安装Ollama
://github.com/ollama/ollama/releases/ # x86_64 CPU选择下载ollama-linux-amd64 # aarch64|arm64 CPU选择下载ollama-linux-arm 离线下载Linux环境的Ollama安装脚本 保存到/home/Ollama目录 ## 下载地址1，浏览器中打开下面地址 https://ollama.com/install.sh ## 下载地址 <模型名称> ollama run qwen2:7b 关闭 Ollama 服务 # 关闭ollama服务 service ollama stop Ollama 常用命令 ## 启动Ollama服务 ollama serve ## 从模型文件创建模型 ollama create ## 显示模型信息 ollama show ## 运行模型 ollama run 模型名称 ## 从注册表中拉去模型 ollama pull 模型名称 ## 将模型推送到注册表 ollama push ## 列出模型 ollama list ## 复制模型 ollama cp ## 删除模型 ollama rm 模型名称 ## 获取有关Ollama
10.9K11编辑于 2024-08-15 - 来自专栏云技术与
ollama 离线安装本地模型
GitHub手动安装文档地址：https://github.com/ollama/ollama/blob/main/docs/linux.md 安装包下载地址：https://ollama.com/download "\ # "https://ollama.com/download/ollama-linux- # SUDO install -o0 -g0 -m755 TEMP_DIR/ollama # /ollama serve User=ollama Group=ollama Restart=always RestartSec=3 Environment="PATH=$PATH" [Install] $SUDO rm -rf /usr/share/ollama/lib $SUDO chmod o+x /usr/share/ollama $SUDO install -o ollama -g ollama /download/ollama-linux-amd64-rocm.tgz${VER_PARAM}" \ | $SUDO tar zx --owner ollama --group ollama -
1.4K10编辑于 2025-10-31 详细教程！Ollama本地部署新版DeepSeek-R1，如何实现远程访问？
本篇内容将手把手带你使用Ollama+Open WebUI本地部署DeepSeek-R1，并借助贝锐花生壳内网穿透，轻松实现安全远程访问！ 与传统的云端部署或端口映射远程访问方式相比，贝锐花生壳内网穿透技术不仅使得远程连接更为便捷，而且能够有效防止未授权用户擅自访问本地部署的Ollama，从而全方位保障 AI 资源的私密性和安全性。 一、利用Ollama一键本地部署Qwen3首先，访问Ollama官网，下载并一键安装Ollama客户端。 需要注意的是，Ollama默认仅开启本机访问权限（不允许外部或远程访问）。完成上述步骤后，你可以在本机通过命令行或者http请求进行访问，如果能够返回以下结果，就说明模型已经正常运行了。 open-webui --restart always ghcr.io/open-webui/open-webui:main如果希望通过其他方式部署，大家也可以自行查看Open WebUl github主页的教程
2.1K30编辑于 2025-06-09- 来自专栏CodeGuide | 程序员编码指南
【教程】在Nas上部署Ollama，搭建DeepSeek、配置PageAssist AI、提供API调用
docker-compose.yml 部署 ollama 脚本。 执行脚本 # docker compose -f docker-compose.yml up -d version: '3.8' services: ollama: # image: ollama : ollama restart: unless-stopped ports: - "11434:11434" 原始镜像 image: ollama/ollama:0.5.10 模型安装 - DeepSeek 你需要进入到 Ollama 管理后台执行安装模型脚本； # 拉取模型 ollama pull deepseek-r1:1.5b # 运行模型 ollama run deepseek-r1 1套源码课程、1套基础教程、1到云服务器教程以及各类场景解决方案。 小傅哥有那么多课程内容，我加入后都可以学习吗？可以！ 从你加入开始，所有过往的课程和积累内容，你都可以学习。
83410编辑于 2025-08-11 - 来自专栏nobody
Ollama大模型入门指南
前提条件 在开始之前，请确保你已经安装Ollama并下载qwen3:4b模型： 代码解析 import asyncio from ollama import AsyncClient # 创建异步客户端 ，连接本地 Ollama 服务 client = AsyncClient(host='http://localhost:11434') asyncdef chat(): # 构造用户消息 运行程序 你将看到类似以下的实时输出： 提示：如果看到连接错误，请确认 Ollama 服务是否正在运行（可在浏览器访问 http://localhost:11434 测试）。 LangChain连接 Ollama 准备 Python 环境 你需要安装 LangChain 的核心库以及专门用于连接 Ollama 的社区库。 pip install langchain langchain-community langchain-core langchain-ollama LangChain 连接 Ollama 基础用法 1
14810编辑于 2026-03-16 - 来自专栏SpringBoot教程
Spring AI调用Ollama+DeepSeek
AI调用Ollama 下载并安装 Ollama 官网：https://ollama.com/ Ollama 是一个用于本地化部署和管理大型语言模型（LLM）的工具。 模型默认安装在C盘，可以通过命令安装修改安装路径：OllamaSetup.exe /DIR=F:\software\ollama\install 点击环境变量，选择下面新建一个系统环境变量 OLLAMA_MODELS ，然后指定想要安装模型的路径 ，比如 “F:\software\ollama\deepseek” 拉取 DeepSeek 模型 选择适合自己的版本 https://ollama.com/library /deepseek-r1 本地学习可以使用1.5b 比如，下载1.5b，执行下面命令 ollama pull deepseek-r1:1.5b 查看本地安装了哪些模型： ollama list 删除指定模型 ： ollama rm deepseek-r1:1.5b 启动Ollama服务测试 启动 Ollama 服务，默认会监听 http://localhost:11434 ollama run deepseek-r1
1.2K10编辑于 2025-06-02 - 来自专栏AI SPPECH
MCP Client 与 Ollama 本地模型
二、核心更新亮点与新要素 2.1 Ollama 深度集成 MCP v2.0 实现了与 Ollama 的深度集成，提供了便捷的本地模型管理和使用能力。 集成的核心架构 MCP Client 与 Ollama 集成的核心架构包括以下组件： Ollama Connector：负责与 Ollama API 通信 Local Model Manager：管理本地模型的生命周期 集成的核心架构 3.2 核心实现细节 3.2.1 Ollama Connector 实现 Ollama Connector 是 MCP Client 与 Ollama 通信的核心组件，负责处理模型调用和管理请求 集成示例 代码示例 4：MCP Client 与 Ollama 集成的完整示例 # 示例：MCP Client 与 Ollama 集成的完整示例 import asyncio from mcp_client.ollama_connector 集成配置示例 **完整配置文件（YAML 格式）** ```yaml # MCP Client 与 Ollama 集成配置 ollama_integration: # Ollama 连接配置
33410编辑于 2026-01-07 - 来自专栏AI模型部署实践
HAI - Ollama 使用指南
概述Ollama 是一款支持在本地运行多种开源大型语言模型，具有本地运行、开源模型支持、简化流程、高度定制且跨平台兼容等特性的软件平台。 环境配置Ubuntu20.04、Python 3.10、CUDA 11.7、cuDNN 8、Ollama 和 JupyterLab。 快速开始查看Ollama语言模型列表ollama list选择语言模型，启动ollamaollama run llama3:latest3. 查看运行结果。 Ollama 的运行结果示例图如下：Ollama 官方文档与资源Ollama 官方 使用文档。查看 Ollama 语言模型。
1.1K10编辑于 2025-05-28 - 来自专栏.Net Core技术分享
semantic kernel调用ollama接口
在前面的内容里面分享了如何使用OllamaSharp访问ollama接口，今天分享如何使用Semantic Kernel来访问ollama接口。 我们可以直接使用类似OllamaSharp这样的SDK来调用某个大模型的接口，但是如果我们即要访问Ollama里面的模型，又要访问OpenAI的接口，还要兼容DeepSeek的接口，这个时候就需要一个集成开发框架了 使用SK 首先要添加框架引用： dotnet add package Microsoft.SemanticKernel 由于我们要访问Ollama，因此还需要添加SK的Ollama连接器： dotnet add package Microsoft.SemanticKernel.Connectors.Ollama 注意：为了避免编码时收到SKEXP0070、SKEXP0010这种错误，我们先在项目里面把他们屏蔽掉 endpoint); // Create a kernel builder var builder = Kernel.CreateBuilder().AddOllamaChatCompletion(ollama
40410编辑于 2025-04-09 无需公网IP，内网穿透远程访问Ollama+Gemma3模型+Open WebUI教程
本地部署Ollama搭配开源视觉模型Gemma3和Open WebUI，不仅可离线运行强大多模态大模型，还通过图形界面实现便捷交互，兼顾隐私、安全与易用性。 以下是在本地部署Ollama+Gemma3模型+Open WebUI的完整细化流程，适用于Windows环境，后续还可以结合贝锐花生壳进行内网穿透实现远程访问，而且无需公网IP、无需配置路由器，操作非常简单 一、如何用Ollama部署Gemma3模型？1.安装Ollama前往Ollama官网（ollama.com）下载安装包，一键安装，并启动Ollama。 ollama run gemma3二、如何用Docker安装安装OpenWebUI？1.安装Docker前往Docker官网（www.docker.com）下载安装包，一键安装，并启动Docer。 至此，从模型部署到图形化界面再到远程访问，一整套基于Ollama+Gemma3+Open WebUI的本地AI应用方案已经搭建完成。
2.1K20编辑于 2025-06-30ollama的setup.exe和ollama-windows-amd64.zip区别
在Windows系统上，安装Ollama最为便捷的途径是利用OllamaSetup.exe安装程序。该程序无需管理员权限，即可在你的个人账户中顺利完成安装。 我们致力于不断更新Ollama，以确保其能够支持最新的模型，而该安装程序将助你轻松保持软件的最新版本。 若你有意将Ollama作为服务进行安装或集成，那么可以选择使用独立的ollama-windows-amd64.zip压缩包。 此压缩包内仅包含Ollama CLI以及Nvidia和AMD的GPU库依赖项，这为你提供了将Ollama嵌入现有应用程序中的灵活性，或者通过如ollama serve等工具，利用NSSM等服务管理器将其作为系统服务来运行
1K00编辑于 2025-07-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号