ollama介绍
Ollama 是一个开源框架，专为在本地机器上便捷部署和运行大型语言模型（LLM）而设计。
以下是其主要特点和功能概述：
-
简化部署：Ollama 目标在于简化在 Docker 容器中部署大型语言模型的过程，使得非专业用户也能方便地管理和运行这些复杂的模型。
-
轻量级与可扩展：作为轻量级框架，Ollama 保持了较小的资源占用，同时具备良好的可扩展性，允许用户根据需要调整配置以适应不同规模的项目和硬件条件。
-
API支持：提供了一个简洁的 API，使得开发者能够轻松创建、运行和管理大型语言模型实例，降低了与模型交互的技术门槛。
-
预构建模型库：包含一系列预先训练好的大型语言模型，用户可以直接选用这些模型应用于自己的应用程序，无需从头训练或自行寻找模型源。
运行界面：
配合ChatBOX使用可以更加舒适
安装与使用
软件下载
整合包地址：https://ousnb-my.sharepoint.com/:f:/g/personal/main_bgx_ink/Ek-I7CLsv5JEj6BhIc0MUCkBsexEsqxLFH-7dpER1pY06A?e=i2hGla
如果地址失效请分别到ollama和chatbox的官网下载安装包：
ollama：https://ollama.com/
chatbox：https://chatboxai.app/zh
安装
下载完毕后进行解压，可以得到以下两个文件
分别打开进行安装
安装完成
待安装完毕后，打开命令行输入ollama -v，若返回版本号，则说明ollama安装成功
ollama的配置与使用
我们上ollama的官方网站仓库里面
可以看到许多的模型，点击自己喜欢的模型，并选择所需要的版本
这里以llama3.1模型8B为例子：
复制右上方的代码ollama run llama3.1至命令行内，模型会自行开始下载
（由于镜像站在境外，所以连接比较弱，速度慢可以重试几次，正常下载速度绝不止100kb/s）
ollama使用
等下载完毕之后我们在命令行输入ollama list查看模型是否下载完成
若看到大概如上，我们便可以进入下一步，我们在命令行输入ollama run <模型名称>，我这里用llama3做示范：ollama run llama3.1:8b。
看到这个界面便是大功告成了！
chatbox使用
chatbox打开后界面如下
我们点进去左下角的设置
将模型提供方设置为ollama本地
api默认
模型设置为所需模型
点击保存
便可以开始对话，轻松简单
关于ollama的那些事
我在黄面下载了gguf模型，如何把gguf模型加载到ollama里面呢？
我们下面以opengpt4为例：
我有一个文件名字为open_gpt4_8x7b.Q2_K.gguf的模型
这时我们在同一个目录下新建一个文本文档，
在里面写入FROM ./<gguf文件名字>，比如我这里是：
FROM ./open_gpt4_8x7b.Q2_K.gguf
保存后将名字改为open_gpt4_8x7b.Q2_K，将txt后缀改为modelfile
即：open_gpt4_8x7b.Q2_K.modelfile
然后我们在命令行输入：ollama create open_gpt4_8x7b.Q2_K -f open_gpt4_8x7b.Q2_K.modelfile
成功的话会提示success
更改模型目录
更改默认的模型目录其实很简单
在想要用来储存的盘新建一个文件夹，并复制地址，
在系统设置里面新建系统环境变量：
完成后点击确定 再点击上一层的确定。
然后关闭ollama，再开启就可以更改模型目录了
