奥拉马

文档 社区

技能解读

当前原文的自动摘译,尚未人工审校。

何时使用此技能

在以下情况下应触发此技能: 使用 Ollama 运行本地 AI 模型 构建与 Ollama API 交互的应用程序 实现聊天完成、嵌入或流响应 设置 Ollama 身份验证或云模型

2. 简单文本生成(cURL)

根据提示生成文本响应:

3. Python 与 OpenAI 库聊天

将 Ollama 与 OpenAI Python 库结合使用:

4. 视觉模型(图像分析)

问有关图像的问题:

5. 生成嵌入

为文本创建矢量嵌入:

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
文档
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
85 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@rawveg · 未声明许可证
上下文用量评级
低消耗
接入复杂程度
需手动接入
是否需要外部接口密钥
需要 · Vendor-specific
兼容的系统
macOS · Linux · Windows · Docker
运行环境要求
Python · Docker
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 命令执行
  • 读取环境变量
网络行为
允许外网请求
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。;上游仓库已 220 天未更新,可能与最新智能体行为不一致。

输出预览 ollama.preview
from pydantic import BaseModel
from openai import OpenAI

client = OpenAI(base_url="http://localhost:11434/v1", api_key="ollama")

class FriendInfo(BaseModel):
    name: str
    age: int
    is_available: bool

class FriendList(BaseModel):
    friends: list[FriendInfo]

completion = client.beta.chat.completions.parse(
    temperature=0,
    model="llama3.1:8b",
    messages=[
        {"role": "user", "content": "Return a list of friends in JSON format"}
    ],
    response_format=FriendList,
)

friends_response = completion.choices[0].message
if friends_response.parsed:
    print(friends_response.parsed)

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。