Ollama ได้กลายเป็นมาตรฐานสําหรับการทํางานของ Large Language Models (LLMs) ในท้องถิ่น ในบทเรียนนี้ฉันต้องการแสดงสิ่งสําคัญที่สุดที่คุณควรรู้เกี่ยวกับ Ollama https://youtu.be/AGAETsxjg0o?embedable=true ดูบน YouTube: Ollama Full Tutorial ดูใน YouTube: วอลล์มา Full Tutorial วอลล์มา Full Tutorial วอลล์มา Full Tutorial Ollama คืออะไร Ollama เป็นแพลตฟอร์ม open-source สําหรับการเรียกใช้และจัดการแพคเกจรูปแบบภาษาใหญ่ (LLM) ทั้งหมดบนเครื่องในท้องถิ่นของคุณ มันรวมน้ําหนักรูปแบบการกําหนดค่าและข้อมูลลงในแพคเกจรูปแบบเดียว Ollama มีอินเตอร์เฟซสายคําสั่ง (CLI), API REST และ Python / JavaScript SDK ช่วยให้ผู้ใช้สามารถดาวน์โหลดโมเดลเรียกใช้แบบออฟไลน์และแม้กระทั่งเรียกฟังก์ชั่นที่กําหนดโดยผู้ใช้ การเรียกใช้โมเดลในท้องถิ่นให้ความเป็นส่วนตัวของผู้ใช้ลบความล่าช้าเครือข่ายและเก็บข้อมูลบนอุปกรณ์ของผู้ใช้ ติดตั้ง Ollama เยี่ยมชมเว็บไซต์อย่างเป็นทางการเพื่อดาวน์โหลด Ollama สามารถใช้ได้สําหรับ M https://ollama.com/ ac, Windows, and Linux. https://ollama.com/ ลินุกซ์ curl -fsSL https://ollama.com/install.sh | sh
 แม็กซ์ : brew install ollama
 Windows: ดาวน์โหลด ติดตั้งและเรียกใช้ .exe วิธีการทํางาน Ollama ก่อนที่จะเรียกใช้โมเดลเป็นสิ่งสําคัญที่จะเข้าใจ Quantization Ollama โดยปกติจะเรียกใช้โมเดลที่มีปริมาณถึง 4 บิต (q4_0) ซึ่งช่วยลดการใช้หน่วยความจําอย่างมีนัยสําคัญด้วยการสูญเสียคุณภาพน้อยที่สุด Recommended Hardware: 
 
 
 
 
 รุ่น 7B (เช่น Llama 3, Mistral): ต้องใช้ RAM ~8GB (ทํางานบนแล็ปท็อปที่ทันสมัยมากที่สุด) 13B - 30B รุ่น: ต้องใช้ 16GB - 32GB RAM 70B + รุ่น: ต้องใช้ 64GB + RAM หรือ GPU คู่ GPU: GPU ของ NVIDIA หรือ Apple Silicon (M1/M2/M3) เป็นเครื่องมือที่แนะนําสําหรับความเร็ว ไปที่ และคลิกที่ “รุ่น” และเลือกรุ่นสําหรับทดสอบของคุณ เว็บไซต์ของ Ollama เว็บไซต์ของ Ollama หลังจากนั้นคลิกที่ชื่อรุ่นและคัดลอกคําสั่งปลายทาง: จากนั้นเปิดหน้าต่าง terminal และวางคําสั่ง: มันจะช่วยให้คุณสามารถดาวน์โหลดและแชทกับรุ่นได้ทันที Ollama CLI - คําสั่งหลัก CLI ของ Ollama เป็นศูนย์กลางในการจัดการรูปแบบ คําสั่งทั่วไป ได้แก่: 
 
 
 
 
 
 
 
 
 
 ollama pull <model> — ดาวน์โหลดรุ่น ollama run <model> — Run a model interactively ollama list or ollama ls — List downloaded models ollama rm <model> — ลบรูปแบบ ollama create -f <Modelfile> — สร้างรูปแบบที่กําหนดเอง ollama serve — เปิดเซิร์ฟเวอร์ Ollama API ollama ps — แสดงรุ่นที่ทํางาน ollama stop <model> — Stop a running model ollama help - แสดงความช่วยเหลือ การปรับแต่งขั้นสูง: แบบกําหนดเองพร้อมรูปแบบไฟล์ คุณสามารถ “ปรับแต่ง” บุคลิกภาพและข้อ จํากัด ของรูปแบบโดยใช้ ModelFile นี้คล้ายกับ Dockerfile 
 
 
 สร้างไฟล์ที่เรียกว่า Modelfile เพิ่มการกําหนดค่าต่อไปนี้: # 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.
"""
 กําหนดรูปแบบพื้นฐาน FROM สร้างระบบอย่างรวดเร็ว SYSTEM การควบคุมพฤติกรรม inference PARAMETER หลังจากนั้นคุณต้องสร้างรูปแบบโดยใช้คําสั่งนี้: ollama create [change-to-your-custom-name] -f Modelfile
 นี่จะห่อรูปแบบ + ตัวอย่างแม่แบบเข้าด้วยกันเป็นแพคเกจที่สามารถใช้ซ้ําได้ จากนั้น Run ใน: ollama run [change-to-your-custom-name]
 กด Enter หรือคลิกเพื่อดูภาพในขนาดเต็ม เซิร์ฟเวอร์ Ollama (Local API) Ollama สามารถเรียกใช้เป็นเซิร์ฟเวอร์ท้องถิ่นที่แอพสามารถเรียกใช้ เพื่อเริ่มต้นเซิร์ฟเวอร์ใช้คําสั่ง: ollama serve
 มัน listenes บน http://localhost:11434 โดยค่าเริ่มต้น วัตถุประสงค์ import requests
r = requests.post(
    "http://localhost:11434/api/chat",
    json={
        "model": "llama3",
        "messages": [{"role":"user","content":"Hello Ollama"}]
    }
)
print(r.json()["message"]["content"])
 นี้ช่วยให้คุณสามารถบูรณาการ Ollama ในแอพหรือบริการ การบูรณาการ Python ใช้ Ollama ในแอพพลิเคชัน Python กับห้องสมุดอย่างเป็นทางการ ดําเนินคําสั่งเหล่านี้: สร้างและเปิดใช้งานสภาพแวดล้อมเสมือน: python3 -m venv .venv
source .venv/bin/activate
 ติดตั้งห้องสมุดอย่างเป็นทางการ: pip install ollama
 ใช้รหัส Python ที่เรียบง่ายนี้: 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'])
 นี้ทํางานผ่าน API ในท้องถิ่นโดยอัตโนมัติเมื่อ Ollama ทํางาน 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"])
 การใช้ Ollama Cloud Ollama ยังรองรับโมเดลคลาวด์ - มีประโยชน์เมื่อเครื่องของคุณไม่สามารถทํางานกับโมเดลขนาดใหญ่มาก ก่อนอื่นสร้างบัญชีใน จากนั้นภายในรุ่นหน้า e คลิกที่ลิงค์คลาวด์และเลือกรุ่นที่คุณต้องการทดสอบ https://ollama.com/cloud https://ollama.com/cloud ในรายการรุ่นคุณจะเห็นรุ่นที่มี ข้อกําหนด** ซึ่งหมายความว่ามันสามารถใช้ได้ในคลาวด์ Ollama -cloud คลิกที่มันและคัดลอกคําสั่ง CLI จากนั้นภายในเทอร์มินัลใช้: ollama signin
 เพื่อเข้าสู่ระบบบัญชี Ollama ของคุณ เมื่อคุณเข้าสู่ระบบด้วย ollama signin แล้วเรียกใช้โมเดลคลาวด์: ollama run nemotron-3-nano:30b-cloud
 รุ่นของคุณเองในคลาวด์ ในขณะที่ Ollama เป็น local-first Ollama Cloud ช่วยให้คุณสามารถกดรูปแบบที่กําหนดเองของคุณ (ซึ่งคุณสร้างด้วย Modelfiles) ไปยังเว็บเพื่อแบ่งปันกับทีมของคุณหรือใช้กับอุปกรณ์ต่างๆ 
 
 
 
 สร้างบัญชีที่ ollama.com เพิ่มคีย์สาธารณะของคุณ (พบใน ~/.ollama/id_ed25519.pub) ปุ่มแบบกําหนดเองของคุณ: ollama push your-username/change-to-your-custom-model-name
 ข้อสรุป นี่คือภาพรวมที่สมบูรณ์ของ Ollama! เป็นเครื่องมือที่มีประสิทธิภาพที่ให้คุณควบคุมอัจฉริยะอัจฉริยะทั้งหมด หากคุณชอบกวดวิชานี้โปรดชอบและแบ่งปันความคิดเห็นของคุณในส่วนด้านล่าง ขอแสดงความยินดี ;)

Read My Blog

Support my work

เสียงนี้ผลิตในภาษาต้นฉบับของเรื่องราว!

คู่มือการสอน Ollama เต็ม (2026) - LLMs ผ่าน CLI, Cloud & Python

About Author

ความคิดเห็น

แขวนแท็ก

บทความนี้ถูกนำเสนอใน

Related Stories

The Planet of Dread

MODERN PROPHECIES

The Tech Community's Efforts to Dethrone OpenAI

Emphatic words must stand in emphatic positions

The Planet of Dread

MODERN PROPHECIES

The Tech Community's Efforts to Dethrone OpenAI

Emphatic words must stand in emphatic positions

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps