Windows10安装ollama并运行本地大语言模型 入门一个最简单的智能体

Windows10安装ollama

powershell: irm https://ollama.com/install.ps1 | iex

安装的程序和目录位置:C:\Users\{用户名}\AppData\Local\Programs\Ollama\,C:\Users\{用户名}\.ollama\models\,C:\Users\{用户名}\AppData\Local\Ollama。

ollama安装大语言模型

powershell: ollama pull llama3:8b

大模型列表: ollama list

操作:

复制代码
启动大模型:ollama run llama3:8b
启动大模型:ollama run llama3:8b "你好"
启动大模型:ollama run llama3:8b --keepalive -1s
后台大模型:ollama run llama3:8b --keepalive -1s "你好"
查看后台运行大模型:ollama ps
停止运行的大模型:ollama stop llama3:8b
查看模型详细信息: ollama show llama3:8b

Python代码调用本地大模型

复制代码
import requests

# 调用本地 Ollama 大模型
def chat(prompt):
    r = requests.post("http://localhost:11434/api/generate",
        json={
            "model": "llama3:8b",
            "prompt": prompt,
            "stream": False
        })
    return r.json()["response"]

# 测试
print(chat("你好"))

安装requests模块:pip install requests,requests模块是一个非常流行的第三方库,用于发送HTTP请求。它提供了一种简单的方式来处理各种HTTP请求,如GET、POST等。

一个最简单的智能体

复制代码
import requests

# 调用本地 Ollama 大模型
def chat(prompt):
    r = requests.post("http://localhost:11434/api/generate",
        json={
            "model": "llama3:8b",
            "prompt": prompt,
            "stream": False
        })
    return r.json()["response"]

def agent(query):
    # 1. 让大模型判断要做什么
    prompt = f"""
用户问题:{query}
你是一个智能体,可以调用工具:
- 计算器(格式:calc 1+1)
- 搜索(格式:search 内容)

只输出工具调用语句,不要多余内容。
"""
    action = chat(prompt)

    # 2. 执行工具
    if action.startswith("calc"):
        return eval(action.split()[1])
    elif action.startswith("search"):
        return f"搜索:{action[7:]}"
    else:
        return action

# 使用
print(agent("33+44等于几?"))
相关推荐
YYYing.14 小时前
【Agent系列 (二) 】大语言模型基础
人工智能·语言模型·自然语言处理·agent
Dawson Zhu1 天前
《Agentic Design Patterns》第 10 章导读:模型上下文协议(MCP)
人工智能·语言模型·架构·aigc·agi
YOLO数据集集合1 天前
YOLO 目标检测模型与 DeepSeek/Qwen 大语言模型融合的跌倒检测系统 | 跌倒检测 YOLO DeepSeek Qwen 行为识别 目标检测
yolo·目标检测·语言模型
硅谷秋水1 天前
将物理先验嵌入机器人学习:综述
人工智能·深度学习·机器学习·语言模型·机器人
跟我学机器学习2 天前
基于两阶段索引的RAG Agent:检索增强与 Agent 结合实践
人工智能·深度学习·语言模型
阡陌数智2 天前
RAG 系统的召回退化:向量库、分块、重排全链路问题排查与优化实践
开发语言·人工智能·语言模型·自然语言处理·推荐算法
Dawson Zhu3 天前
《Agentic Design Patterns》第 4 章导读:反思(Reflection)
人工智能·语言模型·架构·aigc·agi
冯胤清3 天前
《直觉主义时序逻辑在时序答案集编程中的应用》论文深度分析总结
人工智能·语言模型
Dawson Zhu3 天前
Multi-Agent架构与适用边界:何时应该使用Multi-Agent架构
人工智能·语言模型·架构·aigc·agi
Lucas_coding3 天前
【LLM】多平台思考模式的开启、关闭与响应判断
语言模型·ai编程