news 2026/7/18 8:06:45

LangChainV1.0[01]-接入Ollama

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
LangChainV1.0[01]-接入Ollama

1.Ollama介绍与安装

Ollama 是一款轻量级的大模型本地运行工具,支持在 Windows、macOS、Linux 等多种操作系统上快速部署和运行开源大模型(如 Llama 3、Mistral、Gemini 等)。相比依赖云端的模型服务,Ollama 的优势在于本地化部署、低延迟、数据隐私保护(数据无需上传至云端),非常适合对数据安全性要求较高或需要离线运行的场景。

1.1 下载

访问官网 https://ollama.ai 根据对应平台下载。下面以windows 10 为例:

系统要求:

  • 内存:建议至少 16GB,运行 7B 模型更推荐 32GB。
  • 显卡:支持 NVIDIA GPU(CUDA)、AMD GPU(ROCm)、Apple M 系列芯片。如果没有显卡,将会使用CPU进行运算,效果会很差。
  • 硬盘: 每个模型约3G~40G,建议预留 50G以上磁盘空间

1.2 改变安装目录

安装的时候,默认会安装到系统盘,可以通过在命令行中指定安装位置:比如:E:\ollama

安装的时候,默认会安装到系统盘,可以通过在命令行中指定安装位置:比如:E:\ollama

# 打开命令行窗口,定位到安装文件所在目录,然后执行OllamaSetup.exe /DIR=E:\ollama

这样所有的安装文件都将会安装到E:\ollama目录中

1.3 配置环境变量

ollama 会拉取模型文件到本地,然后加载运行。而模型文件往往比较大,可以配置环境变量来指定模型文件存放的目录,这里指定模型文件存放的目录为:E:\ollama\models,环境变量名称为:OLLAMA_MODELS, 系统重启后生效。

1.4 模型操作相关命令

打开命令行窗口,执行下面的命令:

# 查看已安装的模型ollama list# 拉取模型,这里作为演示,拉取4b的qw3模型,大概 2.5GB 左右ollama pull qwen3:4b# 查看模型详情ollama show qwen3:4b# 删除模型ollamarmqwen3:4b# 运行模型 (交互式对话)ollama run qwen3:4b# 带参数运行ollama run llama3\--temperature0.7\# 创造性(0-1)--top_p0.9\# 采样概率阈值--max_tokens2000# 最大生成长度

访问 https://ollama.com/search 可以查询到可以拉取的模型,每个模型都列出了相对应的参数。

模型运行后,就可以向模型发送消息了

同时也提供了windows窗口,选择下载的模型后,就可以对话了:

2.Ollama 云模型

模型在没有显卡的机器上加载,其执行速度特别慢。Ollama 新推出的云模型(Cloud Models)就是为了解决这个问题。

首先我们要下载名字后有个-cloud的模型,代表模型运行在云端:

2.1 登录 ollama账号:

先在ollama网站上注册账号,然后在本地服务器上登录:

ollama signin

这个命令执行完毕后会输出一个URL:

To sign in, navigate to: https://ollama.com/connect?name=ollama&key=c3NoLWVkMjU1MTkgQUFBQUMzTnphQzFsWkRJMU5URTVBQUFBSU1reEp5KzVBejBSMUZQdGQ2bW9vemJiNmtmR2FaSG9yWm1zUxxxxxxxxxxxxxx

复制这个URL,使用浏览器打开,如果显示连接成功,那么此时就可以使用-cloud模型了

2.2 拉取cloud模型

ollama pull qwen3-next:80b-cloud

打开Ollama聊天客户端,选择qwen3-next:80b-cloud这样就可以使用运行在云端的模型了

3.Miniconda安装

官网下载地址:https://www.anaconda.com/download/success

3.1使用 Anaconda Powershell Prompt 终端

安装完成后,打开终端Anaconda Powershell Prompt,如果有看到命令列提示中的(base),那表示安装成功。

# 查看python版本(base)PS C:\Users\Administrator>python--versionPython3.13.11(base)PS C:\Users\Administrator>

3.2 Conda常用命令-创建虚拟环境

conda –help# 查看帮助conda info# 查看 conda 信息conda--version# 查看 conda 版本conda update conda# 更新Conda(慎用)conda clean –all# 清理不再需要的包conda<指令>--help# 查看某一个指令的详细帮助conda config--show#查看 conda 的环境配置conda clean-p# 清理没有用,没有安装的包conda clean-t# 清理 tarballconda clean--all# 清理所有包和 conda 的缓存文件
# 语法 conda activate env_name # 样例 切换到 learn 环境 conda activate learn # 如果要退出此环境,回到基础环境,可以使用如下命令 conda deactivate # 当电脑上安装了很多台Conda环境的时候,可以使用 `conda env list` 命令查看所有已创建的Conda环境。 # 查看当前电脑上所有的conda环境 conda env list # 删除某个Conda环境 # 语法 conda remove --name <env_name> --all # 样例 conda remove --name learn --all # 也可以使用 env remove命令删除环境 conda env remove -n hunyuan conda env remove --name hunyuan # 克隆环境 # 语法 conda create --name <new_evn_name> --clone <old_env_name> # 样例 conda create --name myclone --clone myenv

4.PyCharm中使用Conda环境

创建conda虚拟环境langchain

conda create-nlangchainpython=3.11conda activate langchain

创建pyCharm 工程目录:E:\workspace\langchain_study然后用PyCharm打开, 配置虚拟环境

5.安装依赖

pipinstalllangchain langchain-ollama# 将依赖包保存到文件中pip freeze>chapter01/require.txt
annotated-types==0.7.0 anyio==4.12.0 certifi==2025.11.12 charset-normalizer==3.4.4 h11==0.16.0 httpcore==1.0.9 httpx==0.28.1 idna==3.11 jsonpatch==1.33 jsonpointer==3.0.0 langchain==1.2.0 langchain-core==1.2.5 langchain-ollama==1.0.1 langgraph==1.0.5 langgraph-checkpoint==3.0.1 langgraph-prebuilt==1.0.5 langgraph-sdk==0.3.1 langsmith==0.5.2 ollama==0.6.1 orjson==3.11.5 ormsgpack==1.12.1 packaging==25.0 pydantic==2.12.5 pydantic_core==2.41.5 PyYAML==6.0.3 requests==2.32.5 requests-toolbelt==1.0.0 tenacity==9.1.2 typing-inspection==0.4.2 typing_extensions==4.15.0 urllib3==2.6.2 uuid_utils==0.12.0 xxhash==3.6.0 zstandard==0.25.0
  • langchain :langchain开发框架包
  • langchain-ollama : langchain框架与 ollama 对接的SDK包

6.开发一个简单聊天对话

fromlangchain.chat_modelsimportinit_chat_modeldefhello():# 模型名称model_name="ollama:qwen3-next:80b-cloud"# Ollama 安装在本地base_url="http://127.0.0.1:11434"model=init_chat_model(model=model_name,base_url=base_url,temperature=0.7,timeout=30,max_tokens=1024)prompt="为我写一段五言绝句唐诗"forchunkinmodel.stream(prompt):print(chunk.content,end="",flush=True)if__name__=="__main__":hello()

注意上面使用的是 langChain 1.0 API的写法

输出结果:

《山行》 云生青嶂外,日破白云深。 山鸟忽惊起,松风满袖清。 注:此诗以五言绝句写山行所见。首句“云生青嶂外”勾勒远山云雾缭绕之景,次句“日破白云深”以“破”字显阳光穿透云层的力度,动态感十足。后二句转写近处:山鸟惊飞而起,松风拂过衣袖,以“满袖清”收束,既写触觉之清凉,又暗含心境澄明之意。全诗二十字间,远近相映,动静相生,凝练而意境悠远。
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/7/14 23:09:34

零基础也能懂的电源管理系统概述

电源管理&#xff1a;不只是“供电”那么简单你有没有想过&#xff0c;为什么你的手机能一边充电、一边快充、一边还能正常运行&#xff1f;为什么一块小小的电池能让智能手表连续工作好几天&#xff1f;为什么有些设备一开机就死机&#xff0c;而另一些却稳定如初&#xff1f;…

作者头像 李华
网站建设 2026/7/10 21:28:08

LCD12864并行模式新手教程:基础接线与测试

从零开始玩转 LCD12864&#xff1a;并行驱动实战全记录你有没有遇到过这样的情况&#xff1f;花几十块买了一块看起来挺“高级”的图形屏&#xff0c;接口密密麻麻&#xff0c;接上单片机后却只看到一片黑——既没字也没图&#xff0c;连个光标都不闪。别急&#xff0c;这几乎是…

作者头像 李华
网站建设 2026/7/8 7:58:07

最大似然估计简介

原文&#xff1a;towardsdatascience.com/introduction-to-maximum-likelihood-estimates-7e37f83c6757 简介 最大似然估计&#xff08;MLE&#xff09;是一种基本方法&#xff0c;它使任何机器学习模型都能从可用数据中学习独特的模式。在这篇博客文章中&#xff0c;我们将通…

作者头像 李华
网站建设 2026/7/8 7:58:07

Qwen3-VL浏览GitHub镜像库查找最新AI项目

Qwen3-VL 浏览 GitHub 镜像库查找最新 AI 项目 在多模态 AI 技术飞速演进的今天&#xff0c;开发者面临的不再是“有没有模型可用”&#xff0c;而是“如何快速试用、验证并集成前沿能力”。传统方式下&#xff0c;下载百亿参数模型动辄耗费数小时&#xff0c;环境配置复杂、依…

作者头像 李华
网站建设 2026/7/8 7:55:30

STLink驱动安装操作指南:适用于Windows系统

STLink驱动安装全攻略&#xff1a;从零搞定Windows下的调试连接 在STM32开发的世界里&#xff0c;你可能写过无数行代码、调通过复杂的外设驱动&#xff0c;但最让人抓狂的往往不是程序逻辑&#xff0c;而是—— 电脑连不上STLink调试器 。 插上开发板&#xff0c;打开IDE&…

作者头像 李华
网站建设 2026/7/15 8:17:21

零基础也能懂的nrf52832的mdk下载程序教程

从零开始玩转nRF52832&#xff1a;Keil MDK下载程序全解析&#xff0c;不只是“点一下”那么简单 你有没有过这样的经历&#xff1f; 明明代码写好了&#xff0c;工程也编译通过了&#xff0c;信心满满地点击 Keil 的“Download”按钮&#xff0c;结果弹出一串红字&#xff1…

作者头像 李华