
Utiliser Ollama sur macOS
1
Installer Ollama localement
Téléchargez Ollama pour macOS et décompressez-le, puis installez-le.
2
Configurer Ollama pour autoriser l'accès cross-origin
En raison de la configuration par défaut d’Ollama, il est réglé pour un accès local uniquement au démarrage, donc l’accès cross-origin et l’écoute des ports nécessitent des réglages supplémentaires des variables d’environnement
OLLAMA_ORIGINS
. Utilisez launchctl
pour définir la variable d’environnement :3
Dialoguer avec le grand modèle local dans LobeVidol
Ensuite, vous pouvez dialoguer avec le LLM local dans LobeVidol.

Utiliser Ollama sur Windows
1
Installer Ollama localement
2
Téléchargez Ollama pour Windows et installez-le.
3
Configurer Ollama pour autoriser l’accès cross-origin
4
En raison de la configuration par défaut d’Ollama, il est réglé pour un accès local uniquement au démarrage, donc l’accès cross-origin et l’écoute des ports nécessitent des réglages supplémentaires des variables d’environnement
OLLAMA_ORIGINS
.5
Sur Windows, Ollama hérite de vos variables d’environnement utilisateur et système.
6
OLLAMA_ORIGINS
pour votre compte utilisateur, avec la valeur *
.OK/Appliquer
pour enregistrer, puis redémarrez le système.Ollama
.7
Dialoguer avec le grand modèle local dans LobeVidol
8
Ensuite, vous pouvez dialoguer avec le LLM local dans LobeVidol.
Utiliser Ollama sur Linux
1
Installer Ollama localement
2
Installez-le avec la commande suivante :
3
curl -fsSL https://ollama.com/install.sh | sh
4
Ou, vous pouvez également consulter le guide d’installation manuelle pour Linux.
5
Configurer Ollama pour autoriser l’accès cross-origin
6
En raison de la configuration par défaut d’Ollama, il est réglé pour un accès local uniquement au démarrage, donc l’accès cross-origin et l’écoute des ports nécessitent des réglages supplémentaires des variables d’environnement
OLLAMA_ORIGINS
. Si Ollama fonctionne en tant que service systemd, vous devez utiliser systemctl
pour définir la variable d’environnement :7
sudo systemctl edit ollama.service
.8
sudo systemctl edit ollama.service
9
Environment
sous la section [Service]
:10
[Service]
Environment="OLLAMA_HOST=0.0.0.0"
Environment="OLLAMA_ORIGINS=*"
11
systemd
et redémarrez Ollama :12
sudo systemctl daemon-reload
sudo systemctl restart ollama
13
Dialoguer avec le grand modèle local dans LobeVidol
14
Ensuite, vous pouvez dialoguer avec le LLM local dans LobeVidol.
Déployer Ollama avec Docker
1
Tirer l’image Ollama
2
Si vous préférez utiliser Docker, Ollama propose également une image Docker officielle que vous pouvez tirer avec la commande suivante :
3
docker pull ollama/ollama
4
Configurer Ollama pour autoriser l’accès cross-origin
5
En raison de la configuration par défaut d’Ollama, il est réglé pour un accès local uniquement au démarrage, donc l’accès cross-origin et l’écoute des ports nécessitent des réglages supplémentaires des variables d’environnement
OLLAMA_ORIGINS
.6
Si Ollama fonctionne en tant que conteneur Docker, vous pouvez ajouter la variable d’environnement à la commande
docker run
.7
docker run -d --gpus=all -v ollama:/root/.ollama -e OLLAMA_ORIGINS="*" -p 11434:11434 --name ollama ollama/ollama
8
Dialoguer avec le grand modèle local dans LobeVidol
9
Ensuite, vous pouvez dialoguer avec le LLM local dans LobeVidol.
Installer des modèles Ollama
Ollama prend en charge divers modèles, vous pouvez consulter la liste des modèles disponibles dans Ollama Library et choisir le modèle qui vous convient.Installation dans LobeVidol
Dans LobeVidol, nous avons par défaut activé certains modèles de langage courants, tels que llama3, Gemma, Mistral, etc. Lorsque vous sélectionnez un modèle pour dialoguer, nous vous informerons que vous devez télécharger ce modèle.
Utiliser Ollama pour tirer des modèles localement
Bien sûr, vous pouvez également installer des modèles en exécutant la commande suivante dans le terminal, en prenant llama3 comme exemple :Configuration personnalisée
Vous pouvez trouver les options de configuration d’Ollama dansParamètres
-> Modèle de langage
, où vous pouvez configurer le proxy, le nom du modèle, etc.

Vous pouvez consulter Intégration avec Ollama pour en savoir plus sur le déploiement de LobeVidol afin de répondre aux besoins d’intégration avec Ollama.