[大语言模型-工程实践] 手把手教你-基于Ollama搭建本地个人智能AI助理

Note: 草稿优化中，持续更新，相关代码将统一提供出来~

1. Ollama简介

在这里插入图片描述

Ollama 是一个用于在本地环境中运行和定制大型语言模型的工具。它提供了一个简单而高效的接口，用于创建、运行和管理这些模型，同时还提供了一个丰富的预构建模型库，可以轻松集成到各种应用程序中。Ollama 支持多种操作系统，包括 macOS、Windows、Linux 以及通过 Docker 容器运行，这使得不同环境下的用户都能轻松使用。

安装 Ollama 相对简单，支持多平台部署。例如，在 macOS 上，可以通过 Homebrew 安装，而在 Windows 上则需要下载安装包并进行手动安装。Linux 用户可以通过包管理器或下载源码编译安装，也可以使用 Docker 安装。

使用 Ollama，你可以快速开始部署和运行大型模型。安装完成后，通过命令行启动 Ollama，部署模型，然后使用模型进行文本生成或其他任务。Ollama 提供了丰富的功能和 API，包括模型管理、模型运行、自定义模型等。

Ollama 还提供了 Python 和 JavaScript 库，以及命令行界面（CLI）和 REST API，方便开发者集成到各种应用中。此外，Ollama 支持从多种格式导入模型，如 GGUF、PyTorch 和 Safetensors，同时也提供了一个模型库，方便用户选择和使用。

Ollama 的安全性和隐私保护也是其一大特点。它使用 SSL/TLS 加密传输数据，并提供访问控制列表（ACL）来限制对服务的访问。Ollama 不会存储用户的个人数据，除非用户明确同意。

Ollama 的未来创新开发潜力巨大，包括模型优化和扩展、更广泛的应用集成、增强的定制化功能、社区和生态系统的增长以及安全性和隐私保护的提升。

2. 基于Ollama搭建本地个人智能AI助理

要基于 Ollama 搭建一个本地的个人智能 AI 助理并使用 Python 进行交互，你需要先确保 Ollama 已经在你的机器上正确安装，并且至少有一个模型已经部署好。

以下是一个简单的 Python 代码示例，它使用 requests 库来发送 HTTP 请求到 Ollama 的 REST API，从而与你部署的模型进行交互。

首先，确保你已经安装了 requests 库，如果没有安装，可以通过以下命令安装：

pip install requests

然后，你可以使用以下 Python 代码来创建一个简单的 AI 助理：

import requests# Ollama 服务的 URL，假设它运行在本地的 11434 端口
ollama_url = 'http://localhost:11434'# 选择一个已经部署的模型，例如 'llama2'
model_name = 'llama2'# 定义一个函数来发送请求并获取模型的响应
def ask_ollama(question):# 构建请求的 JSON 数据payload = {'model': model_name,'prompt': question}# 发送 POST 请求到 Ollama 的 APIresponse = requests.post(f'{ollama_url}/api/generate', json=payload)# 检查请求是否成功if response.status_code == 200:# 解析响应 JSON 并返回结果return response.json()['choices'][0]['text']else:# 如果请求失败，打印错误信息print('Error:', response.status_code)return None# 测试 AI 助理
if __name__ == '__main__':question = "Hello, who are you?"answer = ask_ollama(question)if answer:print(f"AI Assistant: {answer}")