ollama python

Biblioteca Ollama Python

La biblioteca Ollama Python proporciona la forma más sencilla de integrar proyectos Python 3.8+ con Ollama.

Requisitos previos

• Ollama debe estar instalado y ejecutándose.
• Extraiga un modelo para usarlo con la biblioteca: ollama pull <model> por ejemplo, ollama pull llama3.2
  • Visita Ollama.com para obtener más información sobre los modelos disponibles.

Instalar

pip install ollama

Uso

 from ollama import chat
from ollama import ChatResponse

response : ChatResponse = chat ( model = 'llama3.2' , messages = [
  {
    'role' : 'user' ,
    'content' : 'Why is the sky blue?' ,
  },
])
print ( response [ 'message' ][ 'content' ])
# or access fields directly from the response object
print ( response . message . content )

Consulte _types.py para obtener más información sobre los tipos de respuesta.

Transmisión de respuestas

La transmisión de respuesta se puede habilitar configurando stream=True .

 from ollama import chat

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

for chunk in stream :
  print ( chunk [ 'message' ][ 'content' ], end = '' , flush = True )

Cliente personalizado

Se puede crear un cliente personalizado creando una instancia Client o AsyncClient desde ollama .

Todos los argumentos de palabras clave adicionales se pasan al httpx.Client .

 from ollama import Client
client = Client (
  host = 'http://localhost:11434' ,
  headers = { 'x-some-header' : 'some-value' }
)
response = client . chat ( model = 'llama3.2' , messages = [
  {
    'role' : 'user' ,
    'content' : 'Why is the sky blue?' ,
  },
])

Cliente asíncrono

La clase AsyncClient se utiliza para realizar solicitudes asincrónicas. Se puede configurar con los mismos campos que la clase Client .

 import asyncio
from ollama import AsyncClient

async def chat ():
  message = { 'role' : 'user' , 'content' : 'Why is the sky blue?' }
  response = await AsyncClient (). chat ( model = 'llama3.2' , messages = [ message ])

asyncio . run ( chat ())

Establecer stream=True modifica las funciones para devolver un generador asíncrono de Python:

 import asyncio
from ollama import AsyncClient

async def chat ():
  message = { 'role' : 'user' , 'content' : 'Why is the sky blue?' }
  async for part in await AsyncClient (). chat ( model = 'llama3.2' , messages = [ message ], stream = True ):
    print ( part [ 'message' ][ 'content' ], end = '' , flush = True )

asyncio . run ( chat ())

API

La API de la biblioteca Ollama Python está diseñada en torno a la API REST de Ollama

Charlar

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

Generar

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

Lista

 ollama . list ()

Espectáculo

 ollama . show ( 'llama3.2' )

Crear

 modelfile = '''
FROM llama3.2
SYSTEM You are mario from super mario bros.
'''

ollama . create ( model = 'example' , modelfile = modelfile )

Copiar

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

Borrar

 ollama . delete ( 'llama3.2' )

Jalar

 ollama . pull ( 'llama3.2' )

Empujar

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

Empotrar

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

Insertar (por lotes)

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

PD

 ollama . ps ()

Errores

Se generan errores si las solicitudes devuelven un estado de error o si se detecta un error durante la transmisión.

 model = 'does-not-yet-exist'

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