Ollama გახდა სტანდარტული გაშვების Large Language Models (LLMs) ადგილობრივ. ამ სასწავლო, მე გსურთ განიხილოთ ყველაზე მნიშვნელოვანი რამ თქვენ უნდა იცოდეთ Ollama. https://youtu.be/AGAETsxjg0o?embedable=true YouTube- ზე: Ollama Full Tutorial შეამოწმოთ YouTube: Ollama Full Tutorial Go მთავარი Tutorial Go მთავარი Tutorial რა არის Ollama? Ollama არის Open-Source პლატფორმა ფართო ენის მოდელი (LLM) პაკეტების შესრულების და მართვისთვის მთლიანად თქვენი ადგილობრივი კომპიუტერში. იგი მოდელი წონა, კონფიგურაცია და მონაცემები ერთ-ერთი მოდელი ფაილი პაკეტში. Ollama უზრუნველყოფს კომპიუტერული ხაზი ინტერფეისი (CLI), REST API და Python / JavaScript SDK, რომელიც საშუალებას გაძლევთ მომხმარებელს მოდელები ჩამოტვირთოთ, გააქტიუროთ მათ offline, და კი მომხმარებლის განმარტებული ფუნქციები. მოდელი შესრულება ადგილობრივ უზრუნველყოფს მომხმარებელს კონფიდენციალურობა, გააუმჯობესებს ქსელის მოდელი და შენარჩუნებს მონაცემებს დააყენეთ Ollama ეწვევა ოფიციალური საიტზე ჩამოტვირთვა Ollama ხელმისაწვდომია M https://ollama.com/ ac, Windows, and Linux. https://ollama.com/ Linux არ არის: curl -fsSL https://ollama.com/install.sh | sh
 ეს არის macOS: brew install ollama
 Windows: ჩამოტვირთვა დააყენეთ და გამოიყენეთ. .exe როგორ გამოიყენოთ Ollama ადრე მოდელები, მნიშვნელოვანია გაიგოს Quantization. Ollama ჩვეულებრივ აწარმოებს მოდელები Quantized to 4 bits (q4_0), რაც მნიშვნელოვანია შეამციროს მეხსიერების გამოყენება მინიმალური ხარისხის დაკარგვა. Recommended Hardware: 
 
 
 
 
 7B მოდელები (გალითად, Llama 3, Mistral): საჭიროა ~8GB RAM (მუშავება ყველაზე თანამედროვე laptop). 13B — 30B მოდელები: საჭიროა 16GB — 32GB RAM. 70B+ მოდელები: საჭიროა 64GB+ RAM ან ორმაგი GPU. GPU: NVIDIA GPU ან Apple Silicon (M1/M2/M3) რეკომენდირებულია სიჩქარით. Go მთავარი და დააჭირეთ “მომდელები” და აირჩიეთ მოდელი თქვენი ტესტი. Ollama საიტზე Ollama საიტზე შემდეგ დააწკაპუნეთ მოდელი სახელი და კუპირეთ ტერმინალში ბრძანება: Then, open the terminal window and paste the command: ეს საშუალებას გაძლევთ ჩამოტვირთოთ და ჩატი მოდელი ახლა. Ollama CLI — ძირითადი ბრძანებები Ollama's CLI არის ძირითადი მოდელი მართვის. საერთო ბრძანებები მოიცავს: 
 
 
 
 
 
 
 
 
 
 Go მთავარი <model> — ჩამოტვირთეთ მოდელი ollama run <model> — აწარმოეთ მოდელი ინტერაქტიურად Ollama list or ollama ls — სია ჩამოტვირთული მოდელები Rm <model> — მოდელის გათავისუფლება Ollama create -f <Modelfile> — შექმნა მორგებული მოდელი Ollama serve — დაიწყეთ Ollama API სერვერზე Ollama ps — Show Running მოდელები Ollama stop <model> — შეჩერეთ მზად მოდელი Ollama დახმარება - ჩვენება დახმარება Advanced Customization: მორგებული მოდელი ერთად მოდელი ფაილი ჩვენ შეგვიძლია “ბეჭდვა” მოდელი პიროვნება და შეზღუდვები გამოყენებით მოდელი ფაილი. ეს არის მსგავსი Dockerfile. 
 
 
 შექმნა ფაილი სახელი Modelfile შემდეგი კონფიგურაცია: # 1. Base the model on an existing one
FROM llama3
# 2. Set the creative temperature (0.0 = precise, 1.0 = creative)
PARAMETER temperature 0.7
# 3. Set the context window size (default is 4096 tokens)
PARAMETER num_ctx 4096
# 4. Define the System Prompt (The AI’s “brain”)
SYSTEM """
You are a Senior Python Backend Engineer.
Only answer with code snippets and brief technical explanations.
Do not be conversational.
"""
 დააყენეთ ძირითადი მოდელი FROM დააყენეთ სისტემა სწრაფად SYSTEM კონფიგურაცია Inference Behavior PARAMETER მას შემდეგ, რაც, თქვენ უნდა შექმნათ მოდელი გამოყენებით ამ კონტაქტი: ollama create [change-to-your-custom-name] -f Modelfile
 ეს შეფუთვა მოდელი + გთხოვთ მოდელი ერთად ერთჯერადი პაკეტი. და შემდეგ წავიდეთ: ollama run [change-to-your-custom-name]
 დააწკაპუნეთ Enter or click to view image in full size Ollama სერვერები (Local API) Ollama შეიძლება გამოიყენოს როგორც ადგილობრივი სერვერზე, რომელიც პროგრამები შეუძლიათ მოვუწოდოს. სერვერზე დაიწყოს, გამოიყენეთ ბრძანება: ollama serve
 HTTP://localhost: 11444 განახლებული ფუნქცია. HTTP პორტატები import requests
r = requests.post(
    "http://localhost:11434/api/chat",
    json={
        "model": "llama3",
        "messages": [{"role":"user","content":"Hello Ollama"}]
    }
)
print(r.json()["message"]["content"])
 ეს საშუალებას გაძლევთ შეფუთვა Ollama apps ან მომსახურება. Python ინტეგრირება Go to Python- ის ოფიციალური ბიბლიოთეკა და გამოიყენეთ Ollama- ს Python- ის განაცხადებში: შექმნა და გააქტიურება ვირტუალური გარემოები: python3 -m venv .venv
source .venv/bin/activate
 დააყენეთ ოფიციალური ბიბლიოთეკა: pip install ollama
 გამოიყენეთ ეს Python კოდი: import ollama

# This sends a message to the model 'gemma:2b'
response = ollama.chat(model='gemma:2b', messages=[
  {
    'role': 'user',
    'content': 'Write a short poem about coding.'
  },
])

# Print the AI's reply
print(response['message']['content'])
 ეს მუშაობს ადგილობრივი API ავტომატურად, როდესაც Ollama მუშაობს. You can also call a local server: import requests
r = requests.post(
    "http://localhost:11434/api/chat",
    json={
        "model": "llama3",
        "messages": [{"role":"user","content":"Hello Ollama"}]
    }
)
print(r.json()["message"]["content"])
 Ollama Cloud გამოყენება Ollama მხარს უჭერს Cloud მოდელები - სასარგებლო, როდესაც თქვენი მანქანა არ შეუძლია ძალიან დიდი მოდელები. პირველი, შექმნა ანგარიში და დარეგისტრირდით. შემდეგ, მოდელები გვერდზე, დააწკაპუნეთ Cloud ბმულზე და აირჩიეთ ნებისმიერი მოდელი, რომელიც გსურთ ტესტირება. https://ollama.com/cloud https://ollama.com/cloud მოდელი სიაში, თქვენ ნახავთ მოდელი ერთად prefix**,** რაც ნიშნავს, რომ ეს ხელმისაწვდომია Ollama Cloud- ში. -cloud დააწკაპუნეთ მას და კუპირეთ CLI ბრძანება. შემდეგ, ტერმინალში, გამოიყენეთ: ollama signin
 თქვენი Ollama ანგარიშზე დარეგისტრირდით. როდესაც თქვენ დარეგისტრირდით ollama signin- ს გამოყენებით, შემდეგ აწარმოეთ Cloud მოდელები: ollama run nemotron-3-nano:30b-cloud
 თქვენი საკუთარი მოდელი Cloud- ში მიუხედავად იმისა, რომ Ollama არის ადგილობრივი პირველი, Ollama Cloud საშუალებას გაძლევთ თქვენი საბაჟო მოდელები (თეები, რომლებიც თქვენ შექმნილია მოდელი ფაილი) ინტერნეტში, რათა გაუზიაროთ თქვენი გუნდი ან გამოიყენოთ სხვადასხვა მოწყობილობები. 
 
 
 
 შექმნა ანგარიში on ollama.com. დამატება თქვენი საზოგადოებრივი კურსი (დაახეთ ~/.ollama/id_ed25519.pub). დააწკაპუნეთ თქვენი Custom Model: ollama push your-username/change-to-your-custom-model-name
 კონტაქტი ეს არის სრული მიმოხილვა Ollama! ეს არის ძლიერი ინსტრუმენტი, რომელიც უზრუნველყოფს თქვენ სრული კონტროლი AI. თუ გსურთ ამ სასწავლო, გთხოვთ, სარგებლობენ და გაუზიაროთ თქვენი მიმოხილვა ქვემოთ. ბედნიერი ! 😉

Read My Blog

Support my work

ეს აუდიო დამზადებულია სიუჟეტის ორიგინალურ ენაზე!

Complete Ollama Tutorial (2026) – LLMs მეშვეობით CLI, Cloud & Python

About Author

კომენტარები

დაკიდეთ ტეგები

ეს სტატია იყო წარმოდგენილი

Related Stories

Media Moves: Katy Koob Joins Dastan to Drive Decentralized Growth

Karak and Space and Time Join Forces to Revolutionize Blockchain Security

“Dulcedo is a people-first company and all about relationship-building.” says Karim Leduc, CEO

DAO-Funded Hardware Wallet Kampela Secures Polkadot Network Investment

Media Moves: Katy Koob Joins Dastan to Drive Decentralized Growth

Karak and Space and Time Join Forces to Revolutionize Blockchain Security

“Dulcedo is a people-first company and all about relationship-building.” says Karim Leduc, CEO

DAO-Funded Hardware Wallet Kampela Secures Polkadot Network Investment

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps