Ollama 提供了基于 HTTP 的 API，允许开发者通过编程方式与模型进行交互。
本文将详细介绍 Ollama API 的详细使用方法，包括请求格式、响应格式以及示例代码。
1. 启动 Ollama 服务
在使用 API 之前，需要确保 Ollama 服务正在运行。可以通过以下命令启动服务：
ollama serve默认情况下，服务会运行在 http://localhost:11434。
2. API 端点
Ollama 提供了以下主要 API 端点：
生成文本（Generate Text）
-
端点：
POST /api/generate -
功能：向模型发送提示词（prompt），并获取生成的文本。
-
请求格式：
{ "model": "<model-name>", // 模型名称 "prompt": "<input-text>", // 输入的提示词 "stream": false, // 是否启用流式响应（默认 false） "options": { // 可选参数 "temperature": 0.7, // 温度参数 "max_tokens": 100 // 最大 token 数 } } -
响应格式：
{ "response": "<generated-text>", // 生成的文本 "done": true // 是否完成 }
聊天（Chat）
-
端点：
POST /api/chat -
功能：支持多轮对话，模型会记住上下文。
-
请求格式：
{ "model": "<model-name>", // 模型名称 "messages": [ // 消息列表 { "role": "user", // 用户角色 "content": "<input-text>" // 用户输入 } ], "stream": false, // 是否启用流式响应 "options": { // 可选参数 "temperature": 0.7, "max_tokens": 100 } } -
响应格式：
{ "message": { "role": "assistant", // 助手角色 "content": "<generated-text>" // 生成的文本 }, "done": true } -
端点：
GET /api/tags -
功能：列出本地已下载的模型。
-
响应格式：
{ "models": [ { "name": "<model-name>", // 模型名称 "size": "<model-size>", // 模型大小 "modified_at": "<timestamp>" // 修改时间 } ] } -
端点：
POST /api/pull -
功能：从模型库中拉取模型。
-
请求格式：
{ "name": "<model-name>" // 模型名称 } -
响应格式：
{ "status": "downloading", // 下载状态 "digest": "<model-digest>" // 模型摘要 }
3. 使用示例
生成文本
使用 curl 发送请求：
案例
curl http://localhost:11434/api/generate -d '{
"model": "deepseek-coder",
"prompt": "你好，你能帮我写一段代码吗？",
"stream": false
}'多轮对话
使用 curl 发送请求：
案例
curl http://localhost:11434/api/chat -d '{
"model": "deepseek-coder",
"messages": [
{
"role": "user",
"content": "你好，你能帮我写一段 Python 代码吗？"
}
],
"stream": false
}'列出本地模型
使用 curl 发送请求：
curl http://localhost:11434/api/tags拉取模型
使用 curl 发送请求：
案例
curl http://localhost:11434/api/pull -d '{
"name": "deepseek-coder"
}'4. 流式响应
Ollama 支持流式响应（streaming response），适用于实时生成文本的场景。
启用流式响应
在请求中设置 "stream": true，API 会逐行返回生成的文本。
案例
curl http://localhost:11434/api/generate -d '{
"model": "deepseek-coder",
"prompt": "你好，你能帮我写一段代码吗？",
"stream": true
}'响应格式
每行返回一个 JSON 对象：
案例
{
"response": "<partial-text>", // 部分生成的文本
"done": false // 是否完成
}5. 编程语言示例
Python 使用 requests 库与 Ollama API 交互
案例
import requests
# 生成文本
response = requests.post(
"http://localhost:11434/api/generate",
json={
"model": "deepseek-coder",
"prompt": "你好，你能帮我写一段代码吗？",
"stream": False
}
)
print(response.json())Python 多轮对话
案例
response = requests.post(
"http://localhost:11434/api/chat",
json={
"model": "deepseek-coder",
"messages": [
{
"role": "user",
"content": "你好，你能帮我写一段 Python 代码吗？"
}
],
"stream": False
}
)
print(response.json())JavaScript 使用 fetch API 与 Ollama 交互
案例
// 生成文本
fetch("http://localhost:11434/api/generate", {
method: "POST",
headers: { "Content-Type": "application/json" },
body: JSON.stringify({
model: "deepseek-coder",
prompt: "你好，你能帮我写一段代码吗？",
stream: false
})
})
.then(response => response.json())
.then(data => console.log(data));JavaScript多轮对话
案例
fetch("http://localhost:11434/api/chat", {
method: "POST",
headers: { "Content-Type": "application/json" },
body: JSON.stringify({
model: "deepseek-coder",
messages: [
{
role: "user",
content: "你好，你能帮我写一段 Python 代码吗？"
}
],
stream: false
})
})
.then(response => response.json())
.then(data => console.log(data));
