本地部署大模型，最头疼的无非是环境配置和算力开销。Ollama的出现，直接把门槛拉到了“一行命令”的级别。今天咱们就来盘一盘，如何用Python优雅地调教本地AI。
🚀 一、开箱即用：3行代码跑通对话
Ollama最爽的一点，是装完就能用。不用写繁琐的请求头，不用管token鉴权。我们先拉个gemma3模型，试试最简单的问答：
from ollama import chat
response = chat(model='gemma3:1b', messages=[{
'role': 'user',
'content': '请用一句话解释什么是递归',
}])
print(response['message']['content'])
执行结果（AI输出）：
函数调用自身来解决问题的编程技巧。
🔄 二、上下文记忆：让AI记住你说过的话
多轮对话的核心在于传递messages列表。把历史记录塞进去，AI就能“记仇”了。我们模拟一个连续问答：
messages = [{'role': 'user', 'content': '我今年18岁。'}]
chat(model='gemma3:1b', messages=messages)
messages.append({'role': 'user', 'content': '加5年后我几岁？'})
response = chat(model='gemma3:1b', messages=messages)
print(response['message']['content'])
执行结果（AI输出）：
根据您之前提到的18岁，加5年后是23岁。
⚡️ 三、流式输出：告别“转圈圈”的等待
如果是生成大段文案，同步等待会很煎熬。开启stream=True，就能像ChatGPT一样一个字一个字往外蹦，体验感拉满：
from ollama import chat
stream = chat(model='gemma3:1b', messages=[{
'role': 'user',
'content': '写一句欢迎词'
}], stream=True)
for chunk in stream:
print(chunk['message']['content'], end='', flush=True)
执行结果（AI输出）：
欢迎来到充满可能的AI世界！
💡 优势对比与避坑指南
相比原生的requests调用接口，Ollama的Python库最大的优势是零学习成本。不用记API地址，不用拼接JSON，代码极其清爽。不过也要注意，它目前更侧重于轻量级调用，如果你需要做复杂的RAG（检索增强生成）或Agent（智能体），建议配合LangChain使用。在树莓派等低配硬件上，llama.cpp的极致优化会比Ollama跑得更快。
✨ 结语
Ollama就像一把趁手的瑞士军刀，把复杂的本地模型推理简化成了几行Python代码。无论是做个人知识库，还是折腾智能家居助手，它都能让你把精力专注在业务逻辑上。大家平时用Ollama搞了什么好玩的项目？欢迎在评论区分享你的脑洞！
