目录 搜索 展开 Ollama 简介Ollama 环境安装1、Ollama 安装说明（Windows）2、Ollama 安装说明（macOS）3、Ollama 安装说明（Linux）4、Ollama 安装说明（Docker）4.1、Ollama + Docker 部署本地大模型ffOllama 快速入门1、快速开始（Quick start）2、模型文件（Modelfile）3、自定义模型（Customize Model）Qwen2.5-7B 自定义模型3.1、Llama 3 8B 自定义模型Llama3-12B-Chinese 自定义模型Qwen2-7B 自定义模型GLM-4-9B 自定义模型sddMiniCPM-V 2.64、Ollama API5、OpenAI API 兼容6、Ollama Python Library7、Ollama JavaScript Library8、Ollama Java LibraryOllama 本地模型1、如何选择合适的本地大模型？2、聊天模型（Chat Models）4、Function Calling 模型Llama 3.1Llama 3 Google Gemma 23、嵌入模型（Embedding Models）Qwen3 EmbeddingGemma EmbeddingGranite Embedding4、重排模型（Reranker Models）5、编码模型（Coding Models）4、Code Llama6、图像模型（Image Models）2、LLaVALlama 3.2 VisionQwen3-VL7、音频模型（Audio Models）TranscriptionText-To-Speech (TTS) 8、调节模型（Moderation Models）9、评估模型（Evaluation Models）Bespoke-MiniCheckOllama 应用实践1、文本生成（Text Generation API）3、多轮对话（Chat Completion API）4、提示工程（Prompt Engineering）6.1、自定义提示词5、文本嵌入（Embeddings）6、检索增强生成（RAG）6.2、基于 Ollama + LangChain4j 的 RAG 实现6.1、基于 Ollama + Spring AI 的 RAG 实现6、工具调用（Tool Calling）Ollama+Qwen2，轻松搭建支持函数调用的聊天系统7、多模态模型（Multimodal）8、模型微调（Fine-tuning）3、模型参数（Model Parameter）基于LLaMA-Factory框架对Qwen2-7B模型进行微调实践 10、编码助手（Coding Copilot）使用 Ollama 和 CodeGPT 在 VSCode 中创建你自己的自定义 CopilotOllama Copilot: 你的 AI-Powered Coding CompanionOllama + Continue 你的 编程助理Ollama+Cline11、信息提取（Information Extraction）12、语音助手（Voice Assistant）Ollama + ChatTTS Ollama + Whisper + Bark13、生成式人工智能堆栈（GenAI Stack） 暂无相关搜索结果！ 阅读次数：369 本文档使用 MinDoc 发布 Text-To-Speech (TTS) Text-To-Speech (TTS)作者：Ddd4j 创建时间：2025-08-19 11:16最后编辑：Ddd4j 更新时间：2026-04-26 23:11上一篇： Transcription下一篇： 8、调节模型（Moderation Models）
