Ollama本地AI全方位攻略: 命令列功能、五大主題測試、RAG、Vibe Coding、MCP, 一本搞定所有實戰應用 | 誠品線上

Ollama本地AI全方位攻略: 命令列功能、五大主題測試、RAG、Vibe Coding、MCP, 一本搞定所有實戰應用

內容簡介

內容簡介 內容介紹: 跟 ChatGPT 對話，害怕隱私資料被竊取嗎？ 擔心串接 API 的額度爆表，花費太高嗎？ 在本地端運行 AI 模型也許是你的好選擇！ ▌ 精通 Ollama 全技巧，客製化模型自由打造 ▌ ▌ 資料隱私保密不外洩，最強草泥馬養成攻略 ▌ 本書將手把手帶你將 LLM 裝進自己的電腦裡，詳解 Ollama 本地端模型部署的完整流程，深入剖析各種不同功能的預訓練模型和架構。並搭配對話式介面、Ollama API、程式設計，甚至是對模型進行微調訓練，開啟無限的客製化可能，打造屬於你的離線 AI 助理！ ◆ 【本機設備要求全面解析】：想在本地端運行大型語言模型卻不知從何開始？不清楚自己的電腦能跑得動什麼規模的模型嗎？本書將帶您深入理解模型格式、量化技術、容量大小與運行效率之間的眉眉角角，協助你找到最適合的硬體設備，避免踩坑，一次到位！ ◆ 【熱門預訓練模型測試比較】：GPT-OSS、Gemma3、Llama3、Phi-4、Mistral、DeepSeek、Qwen3……到底哪個模型最適合你？本書透過多樣化的資料集，針對 「知識性問答與繁體中文理解」、「多語言翻譯能力」、「數學能力」、「邏輯推理能力」、「程式碼生成」 等五大面向進行實測，並整理各模型的優劣與性能表現，幫助你快速找到最符合需求的語言模型。 ◆ 【微調訓練的完整流程示範】：想讓 AI 變得更懂你？不知道如何建構訓練資料集？本書將從資料集格式開始介紹、一步步到自動生成 QA 問答資料集、LoRA 微調訓練，並詳解超參數的用途和調整方向，讓你能最佳化訓練效果，打造出專屬的產品客服機器人。 ◆ 【Vibe Coding × MCP 實戰工作流】：AI 不只會聊天，它還能幫你寫程式、操作各種應用程式！讓我們把 Ollama 結合 Vibe Coding 與 MCP，從程式碼自動生成、補全與除錯，到串接外部工具和即時資料，讓大型語言模型突破「只能說、無法做」的限制。 ◆ 【Bouns 超值加贈】：服務專區搭配豐富學習資源，不會寫程式也能一鍵運行，搞定模型轉檔、量化或微調的方方面面。 本書特色: 本地端模型的終極解答，打造私人 LLM 工作流！ ● 從零開始安裝 Ollama，熟悉命令列操作、客製化 Modelfile 以及進階系統設定。 ● 模型架構、格式、量化技術和其他壓縮方式一次搞懂，不再煩惱什麼設備才能跑。 ● 完整介紹 GPT-OSS、Gemma3、Phi-4 等熱門模型，並針對五大主題進行測試比較，讓你能依照需求選擇最適合的模型。 ● 聯發科的 Breeze2、國科會的 TAIDE、台語 Taigi 模型，這些本土模型怎麼用？透過 Safetensors 自行轉檔、量化成不同格式，讓 Ollama 能完美運行各種五花八門的模型。 ● 認識 Ollama 的各種對話介面，詳解 OpenWeb UI 使用方法，解決命令列苦手的操作難題。 ● 透過 Ollama API 和 Python 套件輕鬆存取 LLM，從基本的對話流程、結構化輸出、圖像辨識、函式呼叫，到進階的搭建向量資料庫與文件問答機器人都有實作示範。 ● 微調訓練一次到位，將 「產品使用手冊」 這種的敘述性文件轉換成問答資料集，並進行完整的 LoRA 訓練，將一般模型變成領域專家。

作者介紹

作者介紹 作者簡介: 施威銘研究室持續專注科技教育, 卓越的品質是我們的堅持。致力推廣「Learning by doing 從學理到實作」, 希望培養更多的 AI 人才, 實踐學以致用的理想。

產品目錄

產品目錄 目錄: ▌第 1 章 Ollama 好吃嗎？不能吃，但是很好玩！1.1 本地部署框架簡介LM StudioGPT4AllText Generation Web UILocalAI1.2 為什麼選擇 Ollama？Ollama 的系統架構透過 Modelfile 自定義模型擁有 REST API 的強大整合能力1.3 從零開始安裝 Ollama安裝 Ollama關閉 Ollama更新 Ollama1.4 Ollama 的對話介面下載第一個模型並開始交談1.5 模型儲存位置管理Ollama 模型的儲存位置更改模型儲存位置1.6 ChatGPT 不好嗎？為什麼要在本地端跑 AI 模型自己部署 AI 模型的好處本地部署 vs 使用線上 AI 服務▌第 2 章 Ollama 的命令列操作2.1 Hello LLM！與模型互動的基本操作查詢模型資訊跟 LLM 打個招呼吧！多行輸入清除對話紀錄中斷模型輸出儲存與延續先前對話關閉對話2.2 Ollama 的各種命令下載模型模型列表運行模型顯示運行中的模型停止運行模型刪除模型模型資訊2.3 透過 Modelfile 客製化模型Modelfile 指令建立客製化模型查看模型的 Modelfile 資訊2.4 推送模型到自己的帳戶取得金鑰並建立 Ollama 帳戶複製模型推送模型到官方▌第 3 章 Ollama 的進階系統設定3.1 Ollama 的環境變數可使用的環境變數3.2 透過暫時的環境變數來啟動 Ollama3.3 設定系統環境變數Windows 的環境變數 macOS 的環境變數3.4 Ollama 的 GPU 設定GPU 加速確認是否有用到 GPU 加速▌第 4 章 模型的設備要求以及速度測試4.1 模型格式簡介浮點數精度 FP量化 Quantization其他壓縮方式4.2 Ollama 是如何載入語言模型？運行狀況測試Mac 的統一記憶體架構優勢4.3 建議設備要求設備建議4.4 模型速度測試▌第 5 章 各種預訓練模型介紹5.1 具不同功能的模型Embedding 類模型Vision 類模型Tools 類模型Thinking 類模型5.2 各有特色的預訓練模型Gemma3Llama3Phi-4MistralDeepSeek-R1Qwen3GPT-OSS5.3 模型功能測試比較測試主題 1：知識性問答與繁體中文理解測試主題 2：多語言翻譯能力測試主題 3：數學能力測試主題 4：邏輯推理能力測試主題 5：程式碼生成▌第 6 章 從 Hugging Face 下載模型、轉檔以及量化6.1 直接從 Hugging Face 下載 GGUF 檔案6.2 自行下載 safetensors 檔案申請授權以及 Read Token安裝 llama.cpp 套件並輸入 Token下載 safetensors 模型6.3 轉換模型格式為 GGUF6.4 模型量化透過 llama-quantize 進行量化撰寫 Modelfile 來創建新模型▌第 7 章 Ollama 視覺化對話介面7.1 Ollama UI 對話介面推薦應用程式：AnythingLLM、Chatbox、Msty擴充功能：Page Assist網頁介面：Open WebUI7.2 下載 Open WebUI安裝 Open WebUI啟動 Open WebUI7.3 Open WebUI 使用教學介面設定下載模型開始對話操作網頁搜尋功能串接 ChatGPT串接 Gemini▌第 8 章 透過 Ollama API 和官方套件輕鬆存取 LLM & 打造 RAG 架構8.1 使用 Ollama REST API 與模型溝通透過 curl 安裝和啟動 Ollama使用 curl 測試 API8.2 在 Python 中呼叫 Ollama API使用 requests 發送對話請求將模型回覆轉換為 DataFrame 表格8.3 使用 Ollama 套件單次對話回覆模型超參數設置接續聊天機器人圖片辨識函式呼叫8.4 建構 RAG 架構加入搜尋功能建立向量資料庫文件問答機器人統整總結機器人▌第 9 章 Fine-Tuning 微調模型 — 打造你的產品客服機器人9.1 什麼是微調模型？9.2 準備訓練資料集訓練資料格式自動生成 QA 問答資料集9.3 模型微調訓練透過 Unsloth 微調模型程式碼說明以及微調設定▌第 10 章 Ollama 也能 Vibe Coding10.1 在 VS Code 中調用 Ollama挑選適合的模型安裝 Continue 並配置模型在 VS Code 中啟用虛擬環境10.2 用 AI 來開發一個網頁小遊戲吧！程式碼生成與補全除錯與程式優化生成註解與文件使用較小模型時的下指令技巧管理上下文窗口與對話歷程延伸學習：大型專案的好幫手 Roo Code10.3 在使用 LLM 進行 Coding 時, 你需要注意什麼？▌第 11 章 哎呀，Ollama 得了 MCP！11.1 MCP 是什麼？MCP 的架構11.2 馬上讓 Ollama 跟 MCP 相遇吧！Playwright MCP Server － 幫你直接操作瀏覽器的神隊友Context7 MCP Server －幫你查詢官方文件的專業顧問11.3 管理自動執行權限與排除錯誤管理 MCP 執行的核准權限排除錯誤

商品規格

最佳賣點

最佳賣點 : 精通 Ollama 全技巧，客製化模型自由打造

活動

• 9/9前 全站滿$1,588折$158
• 9/9前 全站滿$2,588折$258
• 9/9前 全站滿$5,000折$600
• 9/9前 全站滿$8,000折$999