Ollama 概述
Ollama
是一个快速运行 LLM
(Large Language Models,大语言模型)的简便工具。通过 Ollama
,用户无需复杂的环境配置,即可轻松与大语言模型对话互动。
本文将解析 Ollama
的整体架构,并详细讲解用户在与 Ollama
进行对话时的具体处理流程。
Ollama 整体架构
Ollama
使用了经典的 CS(Client-Server)架构,其中:
- Client 通过命令行的方式与用户交互。
- Server 可以通过命令行、桌面应用(基于 Electron 框架)、Docker 其中一种方式启动。无论启动方式如何,最终都调用同一个可执行文件。
- Client 与 Server 之间使用 HTTP 进行通信。
Ollama Server
有两个核心部分:
ollama-http-server
:负责与客户端进行交互。llama.cpp
:作为 LLM 推理引擎,负责加载并运行大语言模型,处理推理请求并返回结果。ollama-http-server
与llama.cpp
之间也是通过 HTTP 进行交互。
说明:llama.cpp
是一个独立的开源项目,具备跨平台和硬件友好性,可以在没有 GPU、甚至是树莓派等设备上运行。
Ollama 存储结构
Ollama
本地存储默认使用的文件夹路径为 $HOME/.ollama
,文件结构如下图所示:
文件可分为三类:
- 日志文件:包括记录了用户对话输入的
history
文件,以及logs/server.log
服务端日志文件。 - 密钥文件:id_ed25519 私钥和 id_ed25519.pub 公钥。
- 模型文件:包括
blobs
原始数据文件,以及manifests
元数据文件。
元数据文件,例如图中的 models/manifests/registry.ollama.ai/library/llama3.2/latest
文件内容为:
如上图所示,manifests
文件是 JSON 格式,文件内容借鉴了云原生和容器领域中的 OCI spec 规范,manifests
中的 digest 字段与 blobs
相对应。
Ollama 对话处理流程
用户与 Ollama
进行对话的大致流程如下图所示:
- 用户通过 CLI 命令行执行
ollama run llama3.2
开启对话(llama3.2
是一种开源的大语言模型,你也可以使用其它 LLM)。 准备阶段:
- CLI 客户端向
ollama-http-server
发起 HTTP 请求,获取模型信息,后者会尝试读取本地的manifests
元数据文件,如果不存在,则响应 404 not found。 - 当模型不存在时,CLI 客户端会向
ollama-http-server
发起拉取模型的请求,后者会去远程存储仓库下载模型到本地。 - CLI 再次请求获取模型信息。
- CLI 客户端向
交互式对话阶段:
- CLI 先向
ollama-http-server
发起一个空消息的/api/generate
请求,server 会先在内部进行一些 channel(go 语言中的通道)处理。 - 如果模型信息中包含有 messages,则打印出来。用户可以基于当前使用的模型和 session 对话记录保存为一个新的模型,而对话记录就会被保存为 messages。
- 正式进入对话:CLI 调用
/api/chat
接口请求ollama-http-server
,而ollama-http-server
需要依赖llama.cpp
引擎加载模型并执行推理(llama.cpp
也是以 HTTP server 的方式提供服务)。此时,ollama-http-server
会先向llama.cpp
发起/health
请求,确认后者的健康状况,然后再发起/completion
请求,得到对话响应,并最终返回给 CLI 显示出来。
- CLI 先向
通过上述步骤,Ollama
完成了用户与大语言模型的交互对话。
总结
Ollama
通过集成 llama.cpp
推理引擎,并进一步封装,将复杂的 LLM
技术变得触手可及,为开发者和技术人员提供了一个高效且灵活的工具,很好地助力了各种应用场景下的大语言模型推理与交互。
(关注我,无广告,专注技术,不煽动情绪,也欢迎与我交流)
参考资料:
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。