Ollama 提供了 Python SDK，可以讓開發(fā)者能夠在 Python 環(huán)境中與本地運行的模型進行交互。

通過 Ollama 的 Python SDK 能夠輕松地將自然語言處理任務(wù)集成到 Python 項目中，執(zhí)行各種操作，如文本生成、對話生成、模型管理等，且不需要手動調(diào)用命令行。

安裝 Python SDK

首先需要安裝 Ollama 的 Python SDK。

可以使用 pip 安裝：

pip install ollama

確保環(huán)境中已安裝了 Python 3.x，并且網(wǎng)絡(luò)環(huán)境能夠訪問 Ollama 本地服務(wù)。

啟動本地服務(wù)

在使用 Python SDK 之前，確保 Ollama 本地服務(wù)已經(jīng)啟動。

可以使用命令行工具來啟動它：

ollama serve

啟動本地服務(wù)后，Python SDK 會與本地服務(wù)進行通信，執(zhí)行模型推理等任務(wù)。

使用 Ollama 的 Python SDK 進行推理

安裝了 SDK 并啟動了本地服務(wù)后，就可以通過 Python 代碼與 Ollama 進行交互。

首先，從 ollama 庫中導(dǎo)入 chat 和 ChatResponse：

from ollama import chat
from ollama import ChatResponse

通過 Python SDK，可以向指定的模型發(fā)送請求，生成文本或?qū)υ挘?/p>

from ollama import chat
from ollama import ChatResponse

response: ChatResponse = chat(model='deepseek-coder', messages=[
  {
    'role': 'user',
    'content': '你是誰？',
  },
])
# 打印響應(yīng)內(nèi)容
print(response['message']['content'])

# 或者直接訪問響應(yīng)對象的字段
#print(response.message.content)

執(zhí)行以上代碼，輸出結(jié)果為：

我是由中國的深度求索（DeepSeek）公司開發(fā)的編程智能助手，名為DeepCoder。我可以幫助你解答與計算機科學(xué)相關(guān)的問題和任務(wù)。如果你有任何關(guān)于這方面的話題或者需要在某個領(lǐng)域進行學(xué)習(xí)或查詢信息時請隨時提問！

llama SDK 還支持流式響應(yīng)，開發(fā)者可以在發(fā)送請求時通過設(shè)置 stream=True 來啟用響應(yīng)流式傳輸。

from ollama import chat

stream = chat(
    model='deepseek-coder',
    messages=[{'role': 'user', 'content': '你是誰？'}],
    stream=True,
)

# 逐塊打印響應(yīng)內(nèi)容
for chunk in stream:
    print(chunk['message']['content'], end='', flush=True)

自定義客戶端

開發(fā)者還可以創(chuàng)建自定義客戶端，來進一步控制請求配置，比如設(shè)置自定義的 headers 或指定本地服務(wù)的 URL。

創(chuàng)建自定義客戶端

通過 Client，可以自定義請求的設(shè)置（如請求頭、URL 等），并發(fā)送請求。

from ollama import Client

client = Client(
    host='http://localhost:11434',
    headers={'x-some-header': 'some-value'}
)

response = client.chat(model='deepseek-coder', messages=[
    {
        'role': 'user',
        'content': '你是誰?',
    },
])
print(response['message']['content'])

輸出：

我是由中國的深度求索（DeepSeek）公司開發(fā)的編程智能助手，名為DeepCoder。我主要用于回答計算機科學(xué)相關(guān)的問題和幫助解決與這些主題相關(guān)的不太清楚或困難的地方。如果你有任何關(guān)于Python、JavaScript或者其他計算機科學(xué)領(lǐng)域的問題，歡迎向我提問！

異步客戶端

如果開發(fā)者希望異步執(zhí)行請求，可以使用 AsyncClient 類，適用于需要并發(fā)的場景。

import asyncio
from ollama import AsyncClient

async def chat():
    message = {'role': 'user', 'content': '你是誰?'}
    response = await AsyncClient().chat(model='deepseek-coder', messages=[message])
    print(response['message']['content'])

asyncio.run(chat())

輸出：

我是由中國的深度求索（DeepSeek）公司開發(fā)的編程智能助手，名為"DeepCoder"。我是一個專門回答計算機科學(xué)相關(guān)問題的AI模型，能夠幫助用戶解答關(guān)于機器學(xué)習(xí)、人工智能等領(lǐng)域的問題。對于其他非技術(shù)性問題或請求，例如情感分析或者日常對話類的需求，我是無法提供服務(wù)的。

異步客戶端支持與傳統(tǒng)的同步請求一樣的功能，唯一的區(qū)別是請求是異步執(zhí)行的，可以提高性能，尤其是在高并發(fā)場景下。

異步流式響應(yīng)

如果開發(fā)者需要異步地處理流式響應(yīng)，可以通過將 stream=True 設(shè)置為異步生成器來實現(xiàn)。

import asyncio
from ollama import AsyncClient

async def chat():
    message = {'role': 'user', 'content': '你是誰?'}
    async for part in await AsyncClient().chat(model='deepseek-coder', messages=[message], stream=True):
        print(part['message']['content'], end='', flush=True)

asyncio.run(chat())

響應(yīng)將逐部分地異步返回，每部分都可以即時處理。

常用 API 方法

Ollama Python SDK 提供了一些常用的 API 方法，用于操作和管理模型。

1. chat 方法

與模型進行對話生成，發(fā)送用戶消息并獲取模型響應(yīng)：

ollama.chat(model='llama3.2', messages=[{'role': 'user', 'content': 'Why is the sky blue?'}])

2. generate 方法

用于文本生成任務(wù)。與 chat 方法類似，但是它只需要一個 prompt 參數(shù)：

ollama.generate(model='llama3.2', prompt='Why is the sky blue?')

3. list 方法

列出所有可用的模型：

ollama.list()

4. show 方法

顯示指定模型的詳細信息：

ollama.show('llama3.2')

5. create 方法

從現(xiàn)有模型創(chuàng)建新的模型：

ollama.create(model='example', from_='llama3.2', system="You are Mario from Super Mario Bros.")

6. copy 方法

復(fù)制模型到另一個位置：

ollama.copy('llama3.2', 'user/llama3.2')

7. delete 方法

刪除指定模型：

ollama.delete('llama3.2')

8. pull 方法

從遠程倉庫拉取模型：

ollama.pull('llama3.2')

9. push 方法

將本地模型推送到遠程倉庫：

ollama.push('user/llama3.2')

10. embed 方法

生成文本嵌入：

ollama.embed(model='llama3.2', input='The sky is blue because of rayleigh scattering')

11. ps 方法

查看正在運行的模型列表：

ollama.ps()

錯誤處理

Ollama SDK 會在請求失敗或響應(yīng)流式傳輸出現(xiàn)問題時拋出錯誤。

開發(fā)者可以使用 try-except 語句來捕獲這些錯誤，并根據(jù)需要進行處理。

案例

model = 'does-not-yet-exist'

try:
    response = ollama.chat(model)
except ollama.ResponseError as e:
    print('Error:', e.error)
    if e.status_code == 404:
        ollama.pull(model)

在上述例子中，如果模型 does-not-yet-exist 不存在，拋出 ResponseError 錯誤，捕獲后開發(fā)者可以選擇拉取該模型或進行其他處理。

到此這篇關(guān)于Ollama Python 使用小結(jié)的文章就介紹到這了,更多相關(guān)Ollama Python 使用內(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！

最新評論