要点
- Ollama一个功能强大的本地大语言模型LLM运行工具，支持很多模型，并且操作极其简单
- 快速回忆步骤：
下载ollama工具：https://ollama.com/download
下载模型：ollama pull llama3 #根据libs列表直接指定名字
运行模型：ollama run llama3
测试：直接问他问题（可以关闭网络）
步骤
Step1. 下载ollama（根据平台选择）
https://ollama.com/download
下载后将软件安装，解压后拷贝到应用程序：
安装用户态命令：（点击install）
Step2：下载模型文件
支持的模型列表：https://ollama.com/library
比如llama3：
安装步骤：命令行直接安装
ollama pull llama3
实操：
这里需要耗费一些时间，具体根据网络和模型大小确定，模型大小参考：
| Model | Parameters | Size | Download |
|---|---|---|---|
| Llama 3 | 8B | 4.7GB | ollama run llama3 |
| Llama 3 | 70B | 40GB | ollama run llama3:70b |
| Mistral | 7B | 4.1GB | ollama run mistral |
| Dolphin Phi | 2.7B | 1.6GB | ollama run dolphin-phi |
| Phi-2 | 2.7B | 1.7GB | ollama run phi |
| Neural Chat | 7B | 4.1GB | ollama run neural-chat |
| Starling | 7B | 4.1GB | ollama run starling-lm |
| Code Llama | 7B | 3.8GB | ollama run codellama |
| Llama 2 Uncensored | 7B | 3.8GB | ollama run llama2-uncensored |
| Llama 2 13B | 13B | 7.3GB | ollama run llama2:13b |
| Llama 2 70B | 70B | 39GB | ollama run llama2:70b |
| Orca Mini | 3B | 1.9GB | ollama run orca-mini |
| LLaVA | 7B | 4.5GB | ollama run llava |
| Gemma | 2B | 1.4GB | ollama run gemma:2b |
| Gemma | 7B | 4.8GB | ollama run gemma:7b |
| Solar | 10.7B | 6.1GB | ollama run solar |
官方的参考资源：
8 GB 内存跑 7B models
16 GB to run the 13B models
32 GB to run the 33B models
比如M1有16G内存，可以跑7B的模型。
Step：运行模型
ollama run llama3
实操：（在M1的笔记本大概是s级别的，其他比如intel笔记本可能需要十几秒，M3等笔记本应该非常快）
并且测试的时候可以尝试关闭网络。
比如让他回答一个 gcc编译的问题：
再来一个：“python如何使用list，举一个实际的例子”
Step：退出聊天
Ctrl + d 或者 /bye退出聊天
其他
- ollama的github：https://github.com/ollama/ollama
- ollama在mac本地是以类似git的方式存储的，存储的模型都是以blobs的形式，和git底层原理类似。
- ollama在mac上模型存储的地址： ~/.ollama/models/blobs/ - 在models/manifests中存储了配置信息，比如llama的blob是哪个等信息
- 运行以后会自动启动RESTful的接口，也就是可以通过局域网访问，端口是11434，比如：
- 可以通过curl使用restful方式访问：比如：
curl http://localhost:11434/api/generate -d '{"model": "llama3","prompt":"Why is the sky blue?"
}'
- 端侧的模型也具有记忆能力，还能反馈错误并且修改正
- 查看当前使用的模型等信息 /show info
最后
实操下来，因为ollma非常简单，只需要3个步骤就能使用模型，更多模型只需要一个pull就搞定。一台稍微不错的笔记本+网络，就能把各种大模型都用起来，快速上手吧。
