3. Ollama 安装，流式输出，多模态，思考模型
3. Ollama 安装，流式输出，多模态，思考模型@
目录
[*]3. Ollama 安装，流式输出，多模态，思考模型
[*]
[*]接入ollama本地模型
[*]本地大模型安装
[*]基于spring-ai使用 上我们在 Ollama 本地模型部署的大模型
[*]关闭 thingking
[*]ollama流式输出
[*]多模态
[*]最后：
接入ollama本地模型
ollama是大语言模型的运行环境 ， 支持将开源的大语言模型以离线的方式部署到本地，进行私有化部署。 这也是企业中常用的方案， 因为本地化部署能保证企业级的数据安全， 降低企业使用成本。
可以将我们的 ollama 理解为是我们的 Docker 容器(Docker 拉取的是镜像)，而 Ollama 拉取的就是大模型的镜像，同时运行大模型
本地大模型安装
[*]https://ollama.com/download
[*]点击下载， 一直下一步即可非常简单
[*]安装完后运行cmd --> ollama list 查看已安装的大模型（开始肯定什么都没有）
[*]拉取模型 ollama run qwen3:4b
https://ollama.com/library/qwen3
1. 这里的4b=40亿参数 对应gpu显存差不多是4G ，当然8B也可以只是比较卡
[*]测试
基于spring-ai使用 上我们在 Ollama 本地模型部署的大模型
[*]添加依赖（添加 ollama 的 SDK 依赖）
<dependency>
<groupId>org.springframework.ai</groupId>
spring-ai-starter-model-ollama</artifactId>
</dependency>
[*]配置(配置 ollama 的配置，注意：ollama 是不需要配置 api_key 的，因为只有云端大模型才需要根据你的 api_key 计费算钱，授权。本地大模型是不需要的)。ollama 的默认端口 11434 。
ollama 是可以拉取配置运行多个本地大模型的，所以这里需要配置指明我们使用的是 ollama 本地当中的那个大模型
ollama list # 查看 ollama 当前含有配置拉取的有那些大模型spring.ai.ollama.base-url= http://localhost:11434# 默认端口是:11434
spring.ai.ollama.chat.model= qwen3:4b
[*]测试
/**
* @author
*/
@SpringBootTest
public class OllamaTest {
@Test
public void testChat(
// 自动装配了 OllamaChatModel 配置类
@Autowired OllamaChatModel ollamaChatModel) {
String text = ollamaChatModel.call("你是谁");
System.out.println(text);
}
}
关闭 thingking
因为我们的 qwen3 大模型是一个思考模型(存在一个深度思考的过程)，所以可能会思考的比较久，这里我们可以关闭 ollama 当中的大模型思考(深度思考)模式
可以通过 在提示词结尾加入“/no_think” 指令
String text = ollamaChatModel.call("你是谁/no_think");// 你的提示词上加上 /no_think 软关闭，深度思考过程
System.out.println(text);但是依然有标签， 暂时可以前端单独处理下
ollama 0.9.0 支持了关闭think。但是在spring1.0版本还不兼容。（就是 ollama 虽然关闭了深度思考，但是我们项目的 Spring 1.0 还不兼容，所以是无效的。就是 OllamaOptions.builder().think()没有这个配置项，应该后面的 Spirng 1.1.x 就可能会有了）
ollama run qwen3:4b # 进入到对应要不关闭深度思考的大模型
/set nothink#关闭该大模型的深度思考https://ollama.com/blog/thinking
ollama流式输出
stream + tools BUG 修复 spring ai 1.0 ollama 修改了
springai 1.0 小 BUG 使用stream + tools ，会报一个 #3372
@Test
public void testStream(@Autowired OllamaChatModel chatModel) {
Flux<String> stream = chatModel.stream("你是谁/no_think");
// 阻塞输出
stream.toIterable().forEach(System.out::println);
}ollama 0.8.0之前的版本不支持 stream+ollama
https://ollama.com/blog/streaming-tool 0.8.0+支持stream+ollama . 但是和springai1.0有兼容问题：https://github.com/spring-projects/spring-ai/issues/3369
多模态
注意：多模态是识别，多中不同文件的内容，理解不同文件的内容，而不是生成。
目前ollama支持的多模态模型：
[*]Meta Llama 4
[*]Google Gemma 3
[*]Qwen 2.5 VL
[*]Mistral Small 3.1
[*]and more vision models.
这里我们使用 ollama 拉取一个 gemma3:1b 的大模型测试：附上地址
/**
* 多模态图像识别，采用的gemma3
* @param ollamaChatModel
*/
@Test
public void testMultimodality(@Autowired OllamaChatModel ollamaChatModel) {
// 指定读取文件的路径
var imageResource = new ClassPathResource("gradle.png");
// 指定大模型的配置项，这里使用 ollama 拉取当中的 gemma3 大模型
OllamaOptions ollamaOptions = OllamaOptions.builder()
.model("gemma3")
.build();
// 说明读取的是那个类型的多模态文件类型，这里是图片 img
Media media = new Media(MimeTypeUtils.IMAGE_PNG, imageResource);
ChatResponse response = ollamaChatModel.call(
new Prompt(
UserMessage.builder().media(media)
.text("识别图片").build(), // 写明提示词
ollamaOptions
)
);
System.out.println(response.getResult().getOutput().getText());
}
最后：
“在这个最后的篇章中，我要表达我对每一位读者的感激之情。你们的关注和回复是我创作的动力源泉，我从你们身上吸取了无尽的灵感与勇气。我会将你们的鼓励留在心底，继续在其他的领域奋斗。感谢你们，我们总会在某个时刻再次相遇。”
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！ 分享、互助 让互联网精神温暖你我 过来提前占个楼 鼓励转贴优秀软件安全工具和文档！ 新版吗？好像是停更了吧。 热心回复！
页:
[1]