聊天机器人搭建

项目简介

本项目基于Ollama本地大模型,利用streamlit实现前端界面,实现聊天对话机器人。

整体界面如下:

image-20260513153722042

源码地址

连接地址: https://github.com/secondtonone1/python_ai

Ollama简介

Ollama:是一款旨在简化大型语言模型本地部署和运行过程的开源软件。

中文名:羊驼

网址:https://ollama.com/

Ollama 是一款开源、跨平台的本地大语言模型(LLM)运行与管理工具,采用 MIT 许可,核心目标是让用户在个人设备上零门槛部署、管理和运行各类开源大模型,被称为 “大模型领域的 Docker”。

imgimage

核心定位

  • 本地化优先:所有数据与计算在本机完成,不上云,保障隐私安全离线可用
  • 极简部署:封装底层环境、格式转换、硬件适配等复杂细节,实现一条命令安装、一条命令拉取 / 运行模型
  • 模型管家:统一管理主流开源模型,支持一键下载、删除、更新与版本控制。

主要特点

  1. 跨平台:支持 Windows、macOS、Linux,也可通过 Docker 部署。
  2. 硬件友好:自动识别并调用 NVIDIA/AMD GPU、Apple Silicon 加速;支持 GGUF 量化,降低显存门槛,普通电脑也能运行 7B–70B 模型。
  3. 丰富模型库:内置 Llama 3、Qwen、DeepSeek、Mistral、Gemma 等主流开源模型,支持社区自定义模型。
  4. 标准 REST API:默认提供 http://localhost:11434 接口,涵盖模型管理、对话、生成、流式输出等,兼容 OpenAI 接口格式,便于集成到 Apifox、Postman 或自研应用。
  5. 开发者友好:提供 Python/JS/Go 等 SDK,支持多轮对话、上下文记忆、思考链输出与工具调用。

典型用途

  • 隐私敏感场景(企业内部文档、个人数据处理)
  • 离线环境(无网 / 弱网)智能助手开发
  • 快速本地调试与原型验证(无需云端账号)
  • 构建私有知识库与 RAG 应用Ollama

Ollama部署安装

环境说明

  • 支持系统:Windows / macOS / Linux
  • 默认服务端口:11434
  • 安装后默认本地接口地址:http://localhost:11434
  • 自动后台常驻运行,开机自启

Windows 安装

  1. 官网下载安装包:https://ollama.com/download/windows
  2. 双击 OllamaSetup.exe 默认下一步安装即可
  3. 安装完成自动启动后台服务
  4. 验证安装(CMD/PowerShell 执行)
image-20260511210017799

安装好后重新开cmd测试

1
ollama --version

macOS 安装

方式 1:官网安装包

下载:https://ollama.com/download/mac

拖拽到应用程序,打开即自动部署后台服务。

方式 2:Homebrew 安装

1
brew install ollama

启动服务:

1
ollama serve

Linux 安装(推荐一键脚本)

一键安装(通用)

运行

1
curl -fsSL https://ollama.com/install.sh | sh
  • 自动配置系统服务、开机自启、后台守护进程
  • 安装完成直接可用

手动启停服务

运行

1
2
3
4
5
6
7
8
# 启动
systemctl start ollama

# 停止
systemctl stop ollama

# 开机自启
systemctl enable ollama

Docker 容器安装(服务器 / 隔离环境推荐)

1. 拉取镜像并启动

运行

1
2
3
4
5
docker run -d \
-v ollama:/root/.ollama \
-p 11434:11434 \
--name ollama \
ollama/ollama

2. 容器内操作模型

运行

1
2
3
4
5
# 进入容器
docker exec -it ollama bash

# 拉取并运行模型
ollama run llama3

安装后基础验证(全平台通用)

  1. 命令行测试拉取模型运行
1
ollama run deepseek-r1:1.5b
  1. API 接口连通性测试

运行

1
curl http://localhost:11434/api/tags

能返回本地模型列表即安装部署正常。

Ollama命令

基础版本与服务命令

运行

1
2
3
4
5
# 查看版本
ollama --version

# 手动启动服务
ollama serve

模型拉取与运行

运行

1
2
3
4
5
# 拉取模型
ollama pull 模型名

# 交互式运行模型
ollama run 模型名

模型管理命令

运行

1
2
3
4
5
6
7
8
# 查看本地已安装所有模型
ollama list

# 删除本地模型
ollama rm 模型名

# 查看模型详细信息
ollama show 模型名

进阶常用命令

运行

1
2
3
4
5
6
7
8
# 停止正在运行的模型
ollama stop 模型名

# 查看运行日志
ollama logs

# 复制模型(自定义别名)
ollama create 新模型名 -f Modelfile

编程代码助手(适合 IT 教学)

新建文件命名 Modelfile,内容:

1
2
3
4
5
6
7
FROM llama3:latest
PARAMETER temperature 0.3
SYSTEM """
你是资深编程老师,擅长Python、C++、Go、Rust、Java、嵌入式开发。
讲解代码通俗易懂,给出完整可运行示例,
会加关键注释,一步步拆解思路,适合零基础学习。
"""

创建命令:

1
ollama create code-teacher -f Modelfile

运行

1
ollama run code-teacher

HTTP协议基础

Ollama启动后将作为本地HTTP接口服务运行,所有模型管理、对话生成等操作均需通过HTTP请求完成。因此,掌握HTTP基础是实现Ollama对接的前提。

HTTP协议定义

HTTP(超文本传输协议)是客户端与服务端之间进行数据通信的通用网络协议,规定了客户端发起请求、服务端返回响应的标准格式与交互规则。在Ollama对接场景中,客户端(Apifox、代码、浏览器等)通过HTTP请求与Ollama服务端进行交互,获取模型服务。

核心角色

  • 客户端:主动发起HTTP请求的主体,包括Apifox、Python/Java代码、浏览器、嵌入式程序等。
  • 服务端:被动接收并响应HTTP请求的主体,即本地启动的Ollama服务,默认占用11434端口。

核心请求方式

Ollama接口仅涉及两种HTTP请求方式,根据业务场景选择使用:

GET请求

用途:从Ollama服务端获取已存在的数据,不修改服务端数据。

特点:无请求体,请求参数可拼接在URL末尾,适用于查询类操作。

POST请求

用途:向Ollama服务端提交数据、发起业务请求,如对话交互、文本生成、模型拉取等。

特点:支持请求体,常用JSON格式传递参数,数据传输安全、可承载内容量大,适用于提交类、指令类操作。

HTTP接口三要素

调用任何HTTP接口,需明确以下三要素,Ollama接口也遵循此规则:

  1. 请求地址(URL):Ollama服务的基础地址固定为 http://localhost:11434,接口路径拼接在基础地址后。
  2. 请求方法(GET/POST):根据接口功能选择,查询用GET,提交/指令用POST。
  3. 请求体/参数:POST请求通过JSON格式传递参数(如模型名、提问内容);GET请求参数可省略或拼接在URL后。

地址区分

image-20260513172535849

image-20260513173645449

浏览器访问Ollama服务

image-20260513173930263

数据交互格式

Ollama所有接口的请求参数与响应数据均采用JSON格式。JSON为键值对结构,具有易读性强、跨编程语言兼容的特点,可被Python、Java、嵌入式开发相关编程语言直接解析。

Ollama的核心运行机制是启动本地HTTP服务,监听11434端口。开发者通过客户端发起HTTP请求,向Ollama服务端传递指令(如查询模型、发起对话),Ollama服务端执行对应操作后,以JSON格式返回响应数据。掌握HTTP基础后,即可通过标准HTTP请求实现Ollama接口的调用。

Ollama核心API接口

以下为Ollama常用核心API接口,结合前文HTTP基础知识点,明确接口调用细节,可直接用于实操调试。

查看本地模型列表

用途:查询本地已安装的所有Ollama模型信息,包括模型名、修改时间、大小等。

  • 请求方式:GET
  • 接口地址:http://localhost:11434/api/tags
  • 实操说明:使用Apifox或浏览器,选择GET请求,输入接口地址,发起请求后,将返回JSON格式的本地模型列表。

大模型对话接口

用途:与Ollama模型进行多轮对话交互,适用于智能助手、聊天类功能开发。

客户端发送请求

1
2
3
4
5
{
"model": "deepseek-r1:1.5b",
"messages": [{"role": "user", "content": "有什么减肥方案"}],
"stream": false
}

服务器回复

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
{
"model": "deepseek-r1:1.5b",
"created_at": "2026-05-17T02:15:27.140973Z",
"message": {
"role": "assistant",
"content": "<think>\n嗯,我现在想减肥,可是有点不知道从哪里开始。我记得之前没动过动脑筋,只是简单地吃得多喝得多。可是现在想减肥了,怎么办呢?我需要一个具体的计划,而不是走一遍水路。\n\n首先,我觉得要制定一个长期的计划比较好,毕竟减肥不是一蹴而就的事情。不过具体怎么制定呢?是不是需要先了解自己的身体状况,比如体重、身高、体型、还有最近吃的东西和运动的情况?\n\n然后,饮食方面我有点犹豫。以前总是吃 lots of junk food,好像长得很高。现在如果想要减肥,早餐应该怎么做?比如,早上要不要吃早饭?有没有什么容易引起肚子痛的食物,或者容易反弹的食物呢?\n\n接着,运动也很重要,可是我现在不太喜欢动。不过我可以试着找一些小技巧,比如走一下楼梯、坐一下镜子之类的。但问题是,这些小动作可能效果有限,我需要坚持下去吗?\n\n另外,还有其他方面的因素,比如体重管理和心情调整,这些也需要考虑进去吗?因为有时候只是吃不消,或者运动也不如预期,可能会导致心情不好,甚至反弹减肥。\n\n我还发现以前的饮食习惯比较单一,比如多吃肉类、蔬菜少食乳制品之类的。现在是不是应该改变一下饮食结构,多摄入一些蛋白质和健康脂肪,同时控制总热量摄入?\n\n我还不太清楚如何具体实施这些计划。或许我可以先看看有没有什么资源或者工具能帮助我制定减肥计划?比如手机上的减肥APP、专业医生的建议等等。\n\n还有一个问题是,如果体重管理不好,可能会导致反弹。这时候该怎么办呢?是不是需要给自己设定一个合理的目标,不急于减少,而是逐步减少,同时注意不要吃太多或过量的零食和饮料?\n\n总之,我觉得我需要从以下几个方面入手:\n\n1. 了解自己的身体状况,制定长期计划。\n2. 制定饮食计划,选择易消化的食物和适量的运动。\n3. 改变饮食习惯,增加健康脂肪摄入,减少高热量食物。\n4. 注意体重管理,设定合理的目标,避免反弹。\n5. 给自己时间和坚持,不要因为一点事情而放弃。\n\n不过现在还不知道具体怎么操作,可能需要更多的实际例子或者步骤。或许可以先从制定计划开始,看看有没有可行的方法。\n\n比如,我听说过有特定的饮食建议,比如每天吃3个苹果、一个橙子之类的健康水果,这样能提供足够的营养和能量。还有均衡性的饮食结构,比如多吃蔬菜、瘦肉,少食高糖高脂食物。\n\n运动方面,我可以尝试散步、跑步或者其他可以增加热量消耗的运动方式,但需要有意识地进行,不能随便动来动去,否则容易受伤或者感到不适。\n\n另外,我还记得之前有一些减肥视频,里面有很多技巧,比如定时吃饭、避免过多摄入糖分等等。或许这些视频能给我一些实用的建议和方法。\n\n还有,我还需要了解自己的体脂率,看看目前属于轻薄还是肥胖,进而调整饮食和运动计划。如果体脂率较高,可能需要更多的控制和变化,但如果是过胖的话,可能需要更严格的限制。\n\n也许我可以先从最基础的部分开始,比如每天吃3-4个苹果、一个橙子,或者更多的健康水果,来补充能量和蛋白质。同时,每周安排一定的时间进行小的运动,比如散步或做简单的拉伸,这样可以增加肌肉量,也有助于保持体重。\n\n另外,饮食方面,我可以尽量减少高脂肪食物和高糖食物,多吃一些低脂、低饱和的食物,同时避免辛辣刺激性食物,这些都是容易反弹的食物来源。\n\n关于运动,我需要找到合适的时间进行锻炼,比如在下午或者晚上,而不是早上或晚上。这样可以保证有足够的睡眠时间,有助于恢复体力。\n\n还有,如果我最近有其他健康问题,比如高血压或者糖尿病,可能会影响减肥效果,这时候需要特别注意,避免过度消耗能量或者增加饮食中的热量来源。\n\n总的来说,我觉得制定一个合理的计划是一个关键步骤,不过需要耐心和坚持。可能我会遇到一些困难,但只要逐步调整和坚持下去,应该能够达到目标体重。\n</think>\n\n为了有效进行减肥,以下是一份详细的计划建议:\n\n### 1. 定期制定长期计划\n- **设定目标**:明确减肥的目标,例如每周减少5-7公斤,或者达到某个体脂率(如20%-25%)。\n- **了解身体状况**:检查体重、身高、体型和最近饮食和运动的记录。定期复查这些数据,确保信息无误。\n\n### 2. 制定饮食计划\n- **蛋白质摄入**:每天吃3-4个健康水果(如苹果、橘子)、一个蔬菜(如胡萝卜、青菜)和1-2个瘦肉(如鸡肉、 ham),均衡增加蛋白质。\n- **高热量食物控制**:避免过多摄入糖分和油炸食品,选择低脂、低饱和的高蛋白零食,如坚果、燕麦等。\n- **健康脂肪摄入**:每天摄入至少1.5-2杯豆类或水果(如菠菜)、少量鱼肉或鸡肉,增加纤维和热量来源。\n- **控制总热量**:减少食糖和油炸食物的摄入,通过减少零食选择低糖高纤维食物来平衡热量。\n\n### 3. 改变饮食习惯\n- **定时吃饭**:吃三餐后2-3小时分餐,避免过量或突然用餐。\n- **避免过量零食**:避免吃过多盐、油和巧克力,尤其是那些容易反弹的零食。\n- **减少高脂肪食物**:如肥肉、鸡胸肉、红烧鱼等,增加健康脂肪摄入。\n\n### 4. 注意体重管理\n- **设定合理目标**:通过饮食调整和运动,设定每周或每月体重目标(如1公斤/周)。\n- **避免极端减肥**:不要过度减肥,避免暴饮暴食导致反弹。保持平和心态,逐步减少不必要的零食摄入。\n\n### 5. 给予心情调整\n- **设定小目标**:每天设定较小的减重目标,例如“今天吃10个苹果”,逐步增加难度。\n- **记录饮食和运动**:详细记录每周的饮食、运动和心理活动,帮助分析并及时调整计划。\n\n### 6. 持续坚持\n- **减少外界压力**:学会控制情绪,避免过度减肥带来的焦虑或反弹感。\n- **寻求专业建议**:如有健康问题(如高血压/糖尿病),咨询医生以确保运动和饮食的合理性。\n\n通过以上步骤,逐步制定和执行计划,有助于有效减肥。耐心和坚持是关键,调整和优化计划需要时日积累,逐步实现目标体重。"
},
"done_reason": "stop",
"done": true,
"total_duration": 14123381000,
"load_duration": 38089100,
"prompt_eval_count": 6,
"prompt_eval_duration": 15000000,
"eval_count": 1420,
"eval_duration": 14069000000
}

让模型有记忆

客户端追问问题,需要在原有的请求和回答的基础上,继续追问才可以

将客户端和ollama服务器回复的结果,做成列表,放入messages中

1
2
3
4
5
6
7
8
9
{
"model": "deepseek-r1:1.5b",
"messages": [
{"role": "user", "content": "有什么减肥方案?"},
{"role": "assistant", "content": "<think>\n嗯,我现在想减肥,可是有点不知道从哪里开始。我记得之前没动过动脑筋,只是简单地吃得多喝得多。可是现在想减肥了,怎么办呢?我需要一个具体的计划,而不是走一遍水路。\n\n首先,我觉得要制定一个长期的计划比较好,毕竟减肥不是一蹴而就的事情。不过具体怎么制定呢?是不是需要先了解自己的身体状况,比如体重、身高、体型、还有最近吃的东西和运动的情况?\n\n然后,饮食方面我有点犹豫。以前总是吃 lots of junk food,好像长得很高。现在如果想要减肥,早餐应该怎么做?比如,早上要不要吃早饭?有没有什么容易引起肚子痛的食物,或者容易反弹的食物呢?\n\n接着,运动也很重要,可是我现在不太喜欢动。不过我可以试着找一些小技巧,比如走一下楼梯、坐一下镜子之类的。但问题是,这些小动作可能效果有限,我需要坚持下去吗?\n\n另外,还有其他方面的因素,比如体重管理和心情调整,这些也需要考虑进去吗?因为有时候只是吃不消,或者运动也不如预期,可能会导致心情不好,甚至反弹减肥。\n\n我还发现以前的饮食习惯比较单一,比如多吃肉类、蔬菜少食乳制品之类的。现在是不是应该改变一下饮食结构,多摄入一些蛋白质和健康脂肪,同时控制总热量摄入?\n\n我还不太清楚如何具体实施这些计划。或许我可以先看看有没有什么资源或者工具能帮助我制定减肥计划?比如手机上的减肥APP、专业医生的建议等等。\n\n还有一个问题是,如果体重管理不好,可能会导致反弹。这时候该怎么办呢?是不是需要给自己设定一个合理的目标,不急于减少,而是逐步减少,同时注意不要吃太多或过量的零食和饮料?\n\n总之,我觉得我需要从以下几个方面入手:\n\n1. 了解自己的身体状况,制定长期计划。\n2. 制定饮食计划,选择易消化的食物和适量的运动。\n3. 改变饮食习惯,增加健康脂肪摄入,减少高热量食物。\n4. 注意体重管理,设定合理的目标,避免反弹。\n5. 给自己时间和坚持,不要因为一点事情而放弃。\n\n不过现在还不知道具体怎么操作,可能需要更多的实际例子或者步骤。或许可以先从制定计划开始,看看有没有可行的方法。\n\n比如,我听说过有特定的饮食建议,比如每天吃3个苹果、一个橙子之类的健康水果,这样能提供足够的营养和能量。还有均衡性的饮食结构,比如多吃蔬菜、瘦肉,少食高糖高脂食物。\n\n运动方面,我可以尝试散步、跑步或者其他可以增加热量消耗的运动方式,但需要有意识地进行,不能随便动来动去,否则容易受伤或者感到不适。\n\n另外,我还记得之前有一些减肥视频,里面有很多技巧,比如定时吃饭、避免过多摄入糖分等等。或许这些视频能给我一些实用的建议和方法。\n\n还有,我还需要了解自己的体脂率,看看目前属于轻薄还是肥胖,进而调整饮食和运动计划。如果体脂率较高,可能需要更多的控制和变化,但如果是过胖的话,可能需要更严格的限制。\n\n也许我可以先从最基础的部分开始,比如每天吃3-4个苹果、一个橙子,或者更多的健康水果,来补充能量和蛋白质。同时,每周安排一定的时间进行小的运动,比如散步或做简单的拉伸,这样可以增加肌肉量,也有助于保持体重。\n\n另外,饮食方面,我可以尽量减少高脂肪食物和高糖食物,多吃一些低脂、低饱和的食物,同时避免辛辣刺激性食物,这些都是容易反弹的食物来源。\n\n关于运动,我需要找到合适的时间进行锻炼,比如在下午或者晚上,而不是早上或晚上。这样可以保证有足够的睡眠时间,有助于恢复体力。\n\n还有,如果我最近有其他健康问题,比如高血压或者糖尿病,可能会影响减肥效果,这时候需要特别注意,避免过度消耗能量或者增加饮食中的热量来源。\n\n总的来说,我觉得制定一个合理的计划是一个关键步骤,不过需要耐心和坚持。可能我会遇到一些困难,但只要逐步调整和坚持下去,应该能够达到目标体重。\n</think>\n\n为了有效进行减肥,以下是一份详细的计划建议:\n\n### 1. 定期制定长期计划\n- **设定目标**:明确减肥的目标,例如每周减少5-7公斤,或者达到某个体脂率(如20%-25%)。\n- **了解身体状况**:检查体重、身高、体型和最近饮食和运动的记录。定期复查这些数据,确保信息无误。\n\n### 2. 制定饮食计划\n- **蛋白质摄入**:每天吃3-4个健康水果(如苹果、橘子)、一个蔬菜(如胡萝卜、青菜)和1-2个瘦肉(如鸡肉、 ham),均衡增加蛋白质。\n- **高热量食物控制**:避免过多摄入糖分和油炸食品,选择低脂、低饱和的高蛋白零食,如坚果、燕麦等。\n- **健康脂肪摄入**:每天摄入至少1.5-2杯豆类或水果(如菠菜)、少量鱼肉或鸡肉,增加纤维和热量来源。\n- **控制总热量**:减少食糖和油炸食物的摄入,通过减少零食选择低糖高纤维食物来平衡热量。\n\n### 3. 改变饮食习惯\n- **定时吃饭**:吃三餐后2-3小时分餐,避免过量或突然用餐。\n- **避免过量零食**:避免吃过多盐、油和巧克力,尤其是那些容易反弹的零食。\n- **减少高脂肪食物**:如肥肉、鸡胸肉、红烧鱼等,增加健康脂肪摄入。\n\n### 4. 注意体重管理\n- **设定合理目标**:通过饮食调整和运动,设定每周或每月体重目标(如1公斤/周)。\n- **避免极端减肥**:不要过度减肥,避免暴饮暴食导致反弹。保持平和心态,逐步减少不必要的零食摄入。\n\n### 5. 给予心情调整\n- **设定小目标**:每天设定较小的减重目标,例如“今天吃10个苹果”,逐步增加难度。\n- **记录饮食和运动**:详细记录每周的饮食、运动和心理活动,帮助分析并及时调整计划。\n\n### 6. 持续坚持\n- **减少外界压力**:学会控制情绪,避免过度减肥带来的焦虑或反弹感。\n- **寻求专业建议**:如有健康问题(如高血压/糖尿病),咨询医生以确保运动和饮食的合理性。\n\n通过以上步骤,逐步制定和执行计划,有助于有效减肥。耐心和坚持是关键,调整和优化计划需要时日积累,逐步实现目标体重。"},
{"role": "user", "content": "还有什么推荐的方案吗?"}
],
"stream": false
}

文本生成接口

用途:根据指定提示词,让Ollama模型生成文本内容(非对话场景,如文案、代码生成)。

1
2
3
4
5
{
"model": "deepseek-r1:1.5b", // 模型名称
"prompt": "写一段Python大模型开发的入门文案", // 文本生成提示词
"stream": false // 关闭流式输出
}

接口通用注意事项

  • 调用接口前,需确保Ollama服务已启动,且端口11434未被占用。
  • POST请求必须指定请求头Content-Type: application/json,否则会导致请求失败。
  • 请求体中model参数需填写本地已安装的模型名称,否则会返回模型不存在错误。
  • stream参数设为true时,将采用流式输出(实时返回响应内容),适合前端展示;false为一次性返回完整响应。

ApiFox对接Ollama

ApiFox官网

https://apifox.com/?utm_source=bing&utm_medium=sem&utm_campaign=%E5%93%81%E7%89%8C%E8%AF%8D-Apifox&utm_content=Apifox-%E6%A0%B8%E5%BF%83&utm_term=apifox%E5%AE%98%E7%BD%91&search_term=apifox%E5%AE%98%E7%BD%91&msclkid=dee3617345c31b6b779e0b775b7a686a

image-20260513144901892

ApiFox测试HTTP

创建项目

image-20260513154216396

选择空白项目

image-20260513154509965

输入请求连接和内容

image-20260513155138937

请求内容

1
2
3
4
5
{
"model": "deepseek-r1:1.5b",
"messages": [{"role": "user", "content": "你好,介绍一下自己"}],
"stream": false
}

请求链接

1
http://localhost:11434/api/chat

回复内容

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
{
"model": "deepseek-r1:1.5b",
"created_at": "2026-05-13T07:49:24.5359256Z",
"message": {
"role": "assistant",
"content": "<think>\n\n</think>\n\n你好!我是DeepSeek-R1,一个由深度求索公司开发的智能助手。关于我以及我的能力,我始终遵循人工智能的原理与规则,旨在为您提供准确和 helpful 的信息。请问有什么可以为您服务的?"
},
"done_reason": "stop",
"done": true,
"total_duration": 1597406000,
"load_duration": 967306500,
"prompt_eval_count": 7,
"prompt_eval_duration": 128000000,
"eval_count": 54,
"eval_duration": 499000000
}

使用Ollama规则构建apifox的请求项目

我用豆包生成了一个Ollama.apifox.json文件,放入资料包了,大家可以去源码中查看

https://github.com/secondtonone1/python_ai/blob/master/base/09_%E8%81%8A%E5%A4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%90%AD%E5%BB%BA/%E8%B5%84%E6%96%99/Ollama.apifox.json

可以再次新建一个项目,这次导入json文件即可

image-20260513161350844

image-20260513161419068

image-20260513161533735

image-20260513161612437

image-20260513161732797

image-20260513162155766

接口环境配置

image-20260513162312649

image-20260513162442785

image-20260513162518623

调试

调试内容和之前一致,无需修改

1
2
3
4
5
{
"model": "deepseek-r1:1.5b",
"messages": [{"role": "user", "content": "你好,介绍一下自己"}],
"stream": false
}

image-20260513165205931