ollama python

ห้องสมุด Ollama Python

ไลบรารี Ollama Python มอบวิธีที่ง่ายที่สุดในการรวมโปรเจ็กต์ Python 3.8+ เข้ากับ Ollama

ข้อกำหนดเบื้องต้น

• ควรติดตั้งและใช้งาน Ollama
• ดึงโมเดลที่จะใช้กับไลบรารี: ollama pull <model> เช่น ollama pull llama3.2
  • ดู Ollama.com สำหรับข้อมูลเพิ่มเติมเกี่ยวกับรุ่นที่มีจำหน่าย

ติดตั้ง

pip install ollama

การใช้งาน

 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 )

ดู _types.py สำหรับข้อมูลเพิ่มเติมเกี่ยวกับประเภทการตอบกลับ

การตอบกลับแบบสตรีมมิ่ง

สามารถเปิดใช้งานการสตรีมการตอบสนองได้โดยการตั้งค่า 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 )

ลูกค้าที่กำหนดเอง

ไคลเอนต์แบบกำหนดเองสามารถสร้างขึ้นได้โดยการสร้างอินสแตนซ์ Client หรือ AsyncClient จาก ollama

อาร์กิวเมนต์คำหลักพิเศษทั้งหมดจะถูกส่งผ่านไปยัง 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?' ,
  },
])

ไคลเอนต์ Async

คลาส AsyncClient ถูกใช้เพื่อสร้างคำขอแบบอะซิงโครนัส สามารถกำหนดค่าด้วยฟิลด์เดียวกันกับคลาส 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 ())

การตั้งค่า stream=True ปรับเปลี่ยนฟังก์ชันเพื่อส่งคืนตัวสร้างแบบอะซิงโครนัส 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 ())

เอพีไอ

API ของไลบรารี Ollama Python ได้รับการออกแบบโดยใช้ Ollama REST API

แชท

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

สร้าง

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

รายการ

 ollama . list ()

แสดง

 ollama . show ( 'llama3.2' )

สร้าง

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

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

สำเนา

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

ลบ

 ollama . delete ( 'llama3.2' )

ดึง

 ollama . pull ( 'llama3.2' )

ดัน

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

ฝัง

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

ฝัง (ชุด)

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

ปล

 ollama . ps ()

ข้อผิดพลาด

ข้อผิดพลาดจะเกิดขึ้นหากคำขอแสดงสถานะข้อผิดพลาดหรือหากตรวจพบข้อผิดพลาดขณะสตรีม

 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 )