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-serverllama.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:

  1. 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)。
  2. 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。
  3. 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。

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:


凌虚
3.8k 声望1.3k 粉丝