Ollama模型交互入门：基础操作与实用技巧

1. 命令行交互

与模型交互最直接的方式是在终端中输入指令。没有图形界面，纯粹且高效，适合追求极致控制力的开发者。

运行模型

要启动模型并进入交互模式，一行命令即可：

ollama run 

以 deepseek-coder 模型为例：

实例

ollama run deepseek-coder

启动后，直接在终端输入问题或指令，模型会实时生成回复。示例如下：

>>> 你好，你能帮我写一段代码吗？
当然可以。但是首先我想知道您希望在哪种编程语言中实现这个功能（例如Python、Ja vaScript等）和要解决什么问题或者完成的任务是什么样的例子呢？这样我们可以为您提供更准确的内容，同时也方便我帮助你写出最适合您的代码片段。
>>> 写一段 python hello world
当然可以！这是一个简单的 "Hello, World!" 程序：
```python
print("Hello, World!")
```
这个脚本会输出 `Hello, World!`，并将其打印到控制台上。这只是最基本的 Python Hello world示例；Python是一种解释型、通用型的编程语言以其简洁性和易读性而闻名。它还允许用户在代码中插入变量和表达式来创建复杂的行为。

退出交互模式

对话结束后，输入 /bye 或按下 Ctrl+d 即可干净退出。

2. 单次命令交互

如果只需要一个答案而非完整对话，使用单次命令模式。一次输入，一次输出，简洁利落。

使用管道输入

最常用的方式是通过管道将输入传递给模型：

实例

echo "你是谁？" | ollama run deepseek-coder

输出结果：

我是由中国的深度求索（DeepSeek）公司开发的编程智能助手，名为DeepCoder。我专注于解答计算机科学相关的问题和任务。如果你有任何关于这个领域的话题或者需要帮助的地方，请随时提问！

使用命令行参数

另一种更直接的方法是将问题直接附在命令之后：

ollama run deepseek-coder "Python 的 hello world 代码？"

输出结果：

在 Python 中，"Hello World!" 通常是这段简单的脚本：
```python
print("Hello World!")
```
当你运行这个程序时，它会输出 `Hello, World`。这是因为 print() 函数将字符串 "Hello, World" 打印到标准输出设备 (stdout) - 也就是你的屏幕上显示的信息（在这种情况下是命令行终端或类似的工具中运行 Python 脚本时，它会直接写入控制台。

3. 多轮对话

Ollama 并非“一问一答即止”的模型，它支持多轮对话并记忆上下文。这意味着你可以像与人交流一样，逐步深入探讨。

实例

>>> 你好，你能帮我写一段 Python 代码吗？
当然可以！请告诉我你需要实现什么功能。

>>> 我想写一个计算斐波那契数列的函数。
好的，以下是一个简单的 Python 函数：

def fibonacci(n):
    if n <= 1:
        return n
    else:
        return fibonacci(n-1) + fibonacci(n-2)

注意到了吗？模型记住了你刚才提及的“写代码”背景，直接给出了斐波那契数列的实现。

4. 文件输入

如果需要处理长文本（例如读取文件内容），可以直接重定向输入：

假设 input.txt 文件内容为：

Python 的 hello world 代码？

执行：

ollama run deepseek-coder < input.txt

模型会读取文件内容作为输入并生成相应输出，省去手动粘贴的步骤。

5. 自定义提示词

默认模型行为可能不符合需求——例如希望模型始终扮演“严格语法检查器”或“只输出代码，不附加解释”。此时需要通过 Modelfile 定义系统指令，让模型在每次交互中遵循特定规则。

创建自定义模型

编写一个 Modelfile，内容大致如下：

实例

FROM deepseek-coder
SYSTEM "你是一个编程助手，专门帮助用户编写代码。"

然后运行命令创建自定义模型：

ollama create runoob-coder -f ./Modelfile

创建完成后，使用新模型名启动：

ollama run runoob-coder

现在它就是一个专注代码的助手，不会输出多余信息。

6. 交互日志

开发过程中常需调试，检查模型实际接收和输出的内容。Ollama 提供日志功能，所有交互记录均会保存。

查看日志非常简单：

ollama logs

这对排查问题、分析模型行为，甚至优化提问方式都极有帮助。

来源：互联网