一、环境准备

1. 服务端部署

安装 Ollama（以 Linux 为例）
curl -fsSL https://ollama.ai/install.sh | sh 
 
配置监听地址（允许远程访问）
sudo systemctl edit ollama.service 
 

修改配置项为：Environment=OLLAMA_HOST=0.0.0.0

2. 模型部署

拉取 DeepSeek 模型（以 7B 版本为例）
ollama pull deepseek-chat 
 
 

二、API 基础调用

1. 生成补全接口
   请求示例（cURL）：

curl http://localhost:11434/api/generate -d '{
  "model": "deepseek-chat",
  "prompt": "如何用 Python 实现快速排序？",
  "stream": false 
}'
 
 

关键参数说明：

2. 流式响应处理

import requests 
 
response = requests.post(
    'http://localhost:11434/api/generate',
    json={
        "model": "deepseek-chat",
        "prompt": "解释量子计算的基本原理",
        "stream": True 
    },
    stream=True 
)
 
for line in response.iter_lines():
    if line:
        print(line.decode('utf-8'))
 
 

三、高级功能实现

1. 上下文对话模式

from ollama import Client 
 
client = Client(host='http://localhost:11434')
 
response = client.chat(
    model='deepseek-chat',
    messages=[
        {'role': 'user', 'content': '如何学习机器学习？'}
    ]
)
print(response['message']['content'])
 
 

2. 自定义生成参数

curl http://localhost:11434/api/generate -d '{
  "model": "deepseek-chat",
  "prompt": "写一首关于杭州西湖的诗",
  "options": {
    "temperature": 0.7,
    "top_p": 0.9,
    "max_tokens": 500 
  }
}'
 
 

四、API 响应结构解析
成功响应示例：

{
  "model": "deepseek-chat",
  "created_at": "2025-02-15T20:15:30Z",
  "response": "快速排序的 Python 实现步骤如下...",
  "done": true,
  "context": [147, 523, 994], // 上下文标识符 
  "total_duration": 54281234  // 总耗时（纳秒）
}
 
 

错误响应类型：

五、最佳实践建议

1. 性能优化

   • 启用流式传输降低内存消耗
   • 设置 num_ctx 参数控制上下文长度（建议 2048）

2. 安全配置

   # 启用 HTTPS（需配置 SSL 证书）
   ollama serve --tls-cert /path/to/cert.pem --tls-key /path/to/key.pem 
   
   
   

3. 监控方案  
   ```bash 
  # 查看实时日志 
  journalctl -u ollama -f 
  

AI产品独立开发实战营