产品简介

Ollama是一款开源、轻量级的工具框架，旨在让用户，特别是开发者和AI爱好者，能够轻松地在个人计算机上本地部署和运行大型语言模型（LLM）。它支持macOS、Windows和Linux等主流操作系统，并提供Docker镜像，极大地简化了安装和环境配置的复杂性。Ollama不仅仅是一个模型运行器，它更像是一个连接用户与开源大模型的桥梁，将模型的下载、管理、运行和交互封装成简单直观的命令行指令和API接口。其核心优势在于实现了模型的本地化运行，这意味着所有数据和交互都保留在用户自己的设备上，无需依赖云服务，从而在根本上保障了数据隐私和安全。此外，Ollama兼容OpenAI的API，使得开发者可以无缝地将现有应用从依赖闭源、付费的API迁移到自托管、免费的本地模型上，兼具了灵活性、成本效益与强大的功能。

主要功能

• 本地部署与离线运行：允许用户在自己的个人电脑或服务器上完全离线地运行大模型，所有计算和数据处理均在本地完成，确保了敏感信息的绝对隐私和安全。
• 丰富的模型库与便捷管理：提供了一个包含众多流行开源模型（如Llama 3, Gemma, Mistral等）的官方库，用户可以通过简单的命令一键下载、更新、切换和删除不同的模型。
• 高度模型定制化：通过使用类似Dockerfile的Modelfile文件，用户可以轻松导入外部模型（如GGUF格式），并对模型的系统提示、运行参数（如温度、上下文窗口大小）等进行深度定制。
• 兼容OpenAI的API接口：Ollama提供了一个本地REST API服务，其接口设计与OpenAI的API标准兼容。这使得为OpenAI开发的应用程序和工具（如LangChain）可以轻松迁移，只需更改API端点即可。
• 跨平台与硬件加速支持：全面支持Windows、macOS和Linux系统，并提供Docker容器化部署方案。Ollama能够自动检测并利用可用的硬件资源，包括NVIDIA和AMD的GPU，以加速模型的推理性能。
• 工具调用与外部集成：支持最新的工具调用（Tool Calling）功能，允许大语言模型与外部工具或API进行交互以完成更复杂的任务，例如查询实时天气或执行代码，极大地扩展了模型的应用能力。

使用方法

1. 安装Ollama：

   • macOS: 打开终端，使用Homebrew安装：brew install ollama。
   • Linux: 在终端中运行官方安装脚本：curl -fsSL https://ollama.com/install.sh | sh。
   • Windows: 从官网下载并运行安装程序，或者使用包管理器如Chocolatey：choco install ollama。
   • Docker: 拉取官方Docker镜像：docker pull ollama/ollama。

2. 下载并运行模型：

   • 打开终端，执行命令 ollama run <模型名称>，例如 ollama run llama3.1。
   • Ollama会自动从模型库下载指定的模型（如果是首次运行），下载完成后即可在终端内直接与模型进行对话。

3. 管理本地模型：

   • 查看已安装模型：运行 ollama list 来显示所有本地已有的模型列表。
   • 删除模型：运行 ollama rm <模型名称> 来移除不再需要的模型。
   • 复制模型：运行 ollama cp <源模型> <新模型名称> 来创建一个模型的副本，通常用于后续定制。

4. 通过API进行交互：

   • Ollama在运行时会自动启动一个本地服务，默认监听 11434 端口。
   • 你可以使用curl或其他HTTP客户端向API端点（如 http://localhost:11434/api/chat 或 /api/generate）发送请求，以编程方式与模型交互。

5. 自定义模型：

   • 创建一个名为 Modelfile 的文本文件。
   • 在文件中定义基础模型和自定义指令，例如 FROM llama3.1 和 SYSTEM "你是一个乐于助人的AI助手。"。
   • 使用命令 ollama create <新模型名称> -f Modelfile 创建你的自定义模型，然后通过 ollama run <新模型名称> 运行它。

产品价格

Ollama本身是一款完全免费且开源的软件，其源代码在MIT许可下发布。用户可以自由下载、使用、修改和分发。使用Ollama不涉及任何订阅费或许可费。

需要注意的是，虽然软件本身免费，但运行大型语言模型需要相应的硬件资源（CPU、内存和GPU）。因此，潜在的成本主要体现在：

• 硬件成本：用户需要自行承担运行模型所需的计算机硬件费用。
• 第三方托管服务：一些云服务商（如Elest.io, Cloud Clusters）提供基于Ollama的付费托管服务，这些服务会收取相应的服务器和管理费用，但这并非Ollama官方的收费。

应用场景

• AI应用原型开发与测试：开发者可以利用Ollama在本地快速构建和迭代AI应用，如智能聊天机器人、代码助手或内容生成工具，无需支付昂贵的API调用费用，极大地降低了开发成本和门槛。
• 企业内部数据处理与分析：对于金融、医疗、法律等对数据安全有严格要求的行业，Ollama可以在企业内网私有化部署，用于处理和分析敏感数据，确保商业机密和用户隐私不被泄露。
• 学术研究与模型实验：科研人员和学生可以方便地下载和切换不同的开源大模型，进行性能评测、行为分析和算法实验，而无需申请API访问权限或承担高额的计算资源费用。
• 个人离线生产力工具：可用于打造完全离线的个人AI助手，例如在没有网络连接的飞机上使用AI辅助写作、编程或总结文档，同时保障个人创作内容和数据的私密性。
• 构建与集成AI微服务：通过Docker容器化，Ollama可以作为一个独立的AI推理微服务被部署到生产环境中，与现有的应用架构（如LangChain、LlamaIndex）无缝集成，实现可扩展的AI功能。