使用Ollama部署本地LLM：构建AI REST API的简易指南

利用Ollama本地LLM（大语言模型）搭建AI的REST API服务是一个实用的方法。下面是一个简单的工作流程。

1. 安装Ollama和LLMs

首先，在本地机器上安装Ollama和本地LLMs。Ollama可以帮助你轻松地在本地部署LLMs，并让它们更方便地处理各种任务。

安装 Ollama

Ollama安装界面

Ollama下载页面

安装应用文件

为Ollama安装LLMs

ollama pull llama3  
ollama run llama3  

下载并运行llama3

在本地与llama3对话

Ollama命令

可用的命令：  
  /set         设置会话变量  
  /show        显示模型信息  
  /bye         退出  
  /?, /help    帮助命令  
  
使用 "" 开始多行消息  

测试Ollama

curl http://localhost:11434/api/generate -d '{    
  "model": "llama3",    
  "prompt": "为什么天空是蓝色的？",    
  "stream": true    
}'  

如果stream设置为false，响应将是一个完整的JSON对象。

curl http://localhost:11434/api/generate -d '{    
  "model": "llama3",    
  "prompt": "为什么天空是蓝色的？",    
  "stream": false    
}'  

2. 设置FastAPI

接下来，设置一个Python的FastAPI应用。FastAPI是一个现代、快速（高性能）的Web框架，基于标准的Python类型提示，支持Python 3.7及以上版本。它是构建稳健高效API的理想选择。

编写FastAPI的路由和端点，以便与Ollama服务器进行交互。这个过程包括发送请求给Ollama以处理任务，比如文本生成、语言理解或其他LLM支持的AI任务。以下是一个简单的代码示例（你也可以使用 Ollama Python库 来优化代码）。

from typing import Union  
from fastapi import FastAPI  
from pydantic import BaseModel  
import json  
import requests  
  
app = FastAPI(debug=True)  
  
class Itemexample(BaseModel):  
    name: str  
    prompt: str  
    instruction: str  
    is_offer: Union[bool, None] = None  
  
class Item(BaseModel):  
    model: str  
    prompt: str  
  
urls = ["http://localhost:11434/api/generate"]  
  
headers = {  
    "Content-Type": "application/json"  
}  
  
@app.get("/")  
def read_root():  
    return {"Hello": "World"}  
  
@app.post("/chat/{llms_name}")  
def update_item(llms_name: str, item: Item):  
    if llms_name == "llama3":  
        url = urls[0]  
        payload = {  
            "model": "llama3",  
            "prompt": "为什么天空是蓝色的？",  
            "stream": False  
        }  
        response = requests.post(url, headers=headers, data=json.dumps(payload))  
        if response.status_code == 200:  
            return {"data": response.text, "llms_name": llms_name}  
        else:  
            print("错误:", response.status_code, response.text)  
            return {"item_name": item.model, "error": response.status_code, "data": response.text}  
    return {"item_name": item.model, "llms_name": llms_name}  

测试REST-API服务

curl --location 'http://127.0.0.1:8000/chat/llama3' \  
--header 'Content-Type: application/json' \  
--data '{  
  "model": "llama3",  
  "prompt": "为什么天空是蓝色的？"  
}'  

通过API发送Curl请求

API日志

3. 部署

当你对REST API的功能和性能感到满意后，可以将此服务部署到生产环境。这可能涉及将其部署到云平台、使用Docker进行容器化，或者在服务器上部署。

在这个简单的示例中，我们通过使用Ollama进行本地LLM部署并结合FastAPI构建REST API服务器，创建了一个免费的AI服务解决方案。你可以通过自己的训练数据对模型进行微调以实现定制用途（我们将在未来讨论）。

​

如何学习AI大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。