Python通過Ollama調(diào)用大語言模型
說實話這個入門教程也不是特別有必要，因為直接問AI然后驗證即可，我這篇就是在AI的指導下操作的。不過想想還是留作個人記錄吧。。
Ollama 是什么
AI回答：（僅供參考）
Ollama 是一個開源的命令行工具，讓你能在本地電腦上輕松運行、管理和與大型語言模型（LLM）交互。
簡單來說，它相當于大語言模型的“Docker”——極大簡化了在本地部署和運行 Llama 3、DeepSeek、Mistral 等開源模型的流程。
下載
安裝完畢后。打開。
可以選一個模型，這里我就選一個下載到本地的而非云端的了，否則感覺跟在網(wǎng)頁端和AI對話沒啥區(qū)別。。
等待下載：
可以對話了：
使用 python 調(diào)用大語言模型
在實際跑python之前，先確認下Ollama服務是否啟動了。
執(zhí)行curl -s http://127.0.0.1:11434，啟動的話應該顯示 Ollama is running
然后看下模型名字叫啥，cmd中輸入ollama list：
我這里就是 qwen3:4b
然后就可以調(diào)用如下腳本，向大語言模型發(fā)送信息并得到回應了。
注意修改model名字，content中是發(fā)的信息，這里是 “你好，你是哪個模型？”。最后打印出回應。
import requests
import json
# Ollama API 地址
url = "http://localhost:11434/api/chat"
# 請求體
payload = {
"model": "qwen3:4b",
"messages": [
{"role": "user", "content": "你好，你是哪個模型？"}
],
"stream": False # 非流式返回
}
# 發(fā)送 POST 請求
response = requests.post(url, json=payload)
# 解析響應
if response.status_code == 200:
result = response.json()
print(result['message']['content'])
else:
print(f"請求失敗: {response.status_code}")（以上腳本也是AI自己寫的，有問題的話可以直接問AI）
結(jié)果：
到此這篇關(guān)于Python通過Ollama調(diào)用大語言模型的文章就介紹到這了,更多相關(guān)Python Ollama調(diào)用大語言模型內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python通過pymysql調(diào)用MySQL進行增刪改移查
這篇文章主要介紹了Python通過pymysql調(diào)用MySQL，從而實現(xiàn)數(shù)據(jù)的增刪改移查功能，文中的示例代碼講解詳細，感興趣的小伙伴可以跟隨小編一起學習一下2021-12-12
這篇文章主要給大家介紹了關(guān)于django中send_mail功能實現(xiàn)的相關(guān)資料，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧。2018-02-02
這篇文章主要介紹了余弦相似性計算及python代碼實現(xiàn)過程解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-09-09
Python入門之使用pandas分析excel數(shù)據(jù)
這篇文章主要給大家介紹了關(guān)于Python入門學習之使用pandas分析excel數(shù)據(jù)的相關(guān)資料，文中通過示例代碼介紹的非常詳細，對大家學習或者使用python具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-05-05
這篇文章主要介紹了python pandas的map函數(shù)使用,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-06-06
這篇文章主要介紹了在主流系統(tǒng)之上安裝Pygame的方法，本文通過實例圖文相結(jié)合給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2020-05-05
本文是在學習了beautifulsoup之后，制作的一個爬取讀者雜志并使用reportlab制作成pdf的python小工具，咱也文藝一下：），分享給大家，有需要的小伙伴參考下吧。2015-03-03
計算機視覺是其中的一大領域?,應用場景也比較多,這篇文章主要為大家詳細介紹了如何基于Python實現(xiàn)一個AI物體識別功能,需要的小伙伴可以了解下2024-11-11
使用bandit對目標python代碼進行安全函數(shù)掃描的案例分析
這篇文章主要介紹了使用bandit對目標python代碼進行安全函數(shù)掃描,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-01-01
這篇文章主要介紹了Django admin組件的使用，幫助大家更好的理解和學習Django框架，感興趣的朋友可以了解下2020-10-10