参考链接
动手学Ollama教程: https://datawhalechina.github.io/handy-ollama/
Ollama官网：https://ollama.com/
核心内容
Ollama 提供 Rest API 可调用，也可在不同语言如 Python 中调用 ollama API（import ollama）
学习杂记
- curl可用于快速测试API，它默认使用GET方法，所以想测试 GET /api/tags 时，直接 curl http://localhost:11434/api/tags ；
但是想测试POST，需要使用-d后面加要POST的数据，表示HTTP POST data，或者使用-X POST指定方法；同理DELETE可以用-X DELETE - 了解了“结构化输出”，可以让模型“少说废话”，得到的无意义自然语言更少，方便后续的信息提取
- 有趣的事实：在测试“请介绍美国的首都、人口、占地面积信息，并以 JSON 格式返回”这个prompt时，deepseek-r1:1.5b会返回多个城市，而qwen3:0.6b会正确返回一个城市
- 教程在一段测试代码中，希望模型返回的是json格式，键是"首都"，但是虽然prompt是中文，有的模型（例如qwen3:0.6b）还是会输出键为"captical"，导致后续的pydantic.BaseModel派生类的.model_validate匹配时候报错。所以解决方法是将原来的prompt增加一句：“不要使用英文字段名”，即可保证生成的键是理想中的"首都"中文。
- 测试ollama.embeddings时候，发现qwen3:0.6b不支持embedding功能，而deepseek-r1:1.5b支持
心得体会
前面学习了大模型的下载、导入等，也就意味着本地可以通过Ollama跑各类大模型，而今天学习的内容更进一步，让我们可以通过 ollama API 完成与模型的交互，不管是各类本地模型的创建删除、拉取推送，还是与具体模型的基本对话、结构化输出控制等。其中我收获最大的是“结构化输出”，对这个概念有了比较清晰的理解，也意识到这样的格式对于数据的处理十分友好，常用的相关 Python 库有json, pydantic。另外，还了解到了curl工具，可以快速测试API。