使用Ollama部署本地LLM：构建AI REST API的简易指南-优快云博客

利用Ollama本地LLM（大语言模型）搭建AI的REST API服务是一个实用的方法。下面是一个简单的工作流程。

1. 安装Ollama和LLMs

首先，在本地机器上安装Ollama和本地LLMs。Ollama可以帮助你轻松地在本地部署LLMs，并让它们更方便地处理各种任务。

安装 Ollama

Ollama安装界面

Ollama下载页面

安装应用文件

为Ollama安装LLMs

ollama pull llama3  
ollama run llama3

下载并运行llama3

在这里插入图片描述

在本地与llama3对话

Ollama命令

可用的命令：  
  /set         设置会话变量  
  /show        显示模型信息  
  /bye         退出  
  /?, /help    帮助命令  
  
使用 "" 开始多行消息

测试Ollama

curl http://localhost:11434/api/generate -d '{    
  "model": "llama3",    
  "prompt": "为什么天空是蓝色的？",    
  "stream": true    
}'

如果stream设置为false，响应将是一个完整的JSON对象。

curl http://localhost:11434/api/generate -d '{    
  "model": "llama3",    
  "prompt": "为什么天空是蓝色的？",    
  "stream": false    
}'

在这里插入图片描述

2. 设置FastAPI

接下来，设置一个Python的FastAPI应用。FastAPI是一个现代、快速（高性能）的Web框架，基于标准的Python类型提示，支持Python 3.7及以上版本。它是构建稳健高效API的理想选择。

编写FastAPI的路由和端点，以便与Ollama服务器进行交互。这个过程包括发送请求给Ollama以处理任务，比如文本生成、语言理解或其他LLM支持的AI任务。以下是一个简单的代码示例（你也可以使用 Ollama Python库来优化代码）。

from typing import Union  
from fastapi import FastAPI  
from pydantic import BaseModel  
import json  
import requests  
  
app = FastAPI(debug=True)  
  
class Itemexample(BaseModel):  
    name: str  
    prompt: str  
    instruction: str  
    is_offer: Union[bool, None] = None  
  
class Item(BaseModel):  
    model: str  
    prompt: str  
  
urls = ["http://localhost:11434/api/generate"]  
  
headers = {  
    "Content-Type": "application/json"  
}  
  
@app.get("/")  
def read_root():  
    return {"Hello": "World"}  
  
@app.post("/chat/{llms_name}")  
def update_item(llms_name: str, item: Item):  
    if llms_name == "llama3":  
        url = urls[0]  
        payload = {  
            "model": "llama3",  
            "prompt": "为什么天空是蓝色的？",  
            "stream": False  
        }  
        response = requests.post(url, headers=headers, data=json.dumps(payload))  
        if response.status_code == 200:  
            return {"data": response.text, "llms_name": llms_name}  
        else:  
            print("错误:", response.status_code, response.text)  
            return {"item_name": item.model, "error": response.status_code, "data": response.text}  
    return {"item_name": item.model, "llms_name": llms_name}

测试REST-API服务

curl --location 'http://127.0.0.1:8000/chat/llama3' \  
--header 'Content-Type: application/json' \  
--data '{  
  "model": "llama3",  
  "prompt": "为什么天空是蓝色的？"  
}'