入门开源大语言模型，最好的工具就是ollama，这是一款简单的大模型本地部署框架，支持基于命令行的方式运行多种大语言模型，并提供了相应的Python和JS SDK，可以基于此方便实现Chatbot UI。这篇文章就以京东云智算平台为例（其他平台也是类似，甚至可以在本地电脑运行），分享如何一键安装ollama的基本操作。

首先，在控制台创建GPU实例，待实例状态为运行中后，一键安装ollama应用。如果要手动安装，可以参考ollama的官网，但下载模型需要一段等待时间。

安装完成后，点击自定义应用，就可以看到ollama Web UI，平台预置了llama2-7b(latest)，llama3-8b(latest), llama3-70b, qwen-4b(latest)模型，如果需要更多的模型，可以使用ollama pull命令进行下载，ollama官方的模型仓库参见这里：https://ollama.com/library。

我租的GPU显卡是4090（平台给的名字叫GN-FP32-83 24G * 1卡），运行llama3-8b，llama2和qwen都很快，但运行llama3-70b就会非常慢，好在llama3-70b废话不多，直接回答了问题。下图中第一个回答是llama3-8b的，第二个回答是llama3-70b的。

我们可以基于ollama提供的命令行工具，基于ollama modelfile功能，构建自己的ollama模型，modelefile的原理和写法都和Dockerfile类似，下面我会演示如何基于模型的System Message能力，使用ollama modelfile构建一个幼儿园老师的角色扮演Chatbot。

随便在某个目录下创建一个名为Modelfile的文件（文件名也可以不叫这个），例如我的文件路径为：/data/Modelfile，其内容如下：

FROM llama3:latestSYSTEM """你是一名育儿专家，会以幼儿园老师的方式回答2～6岁孩子提出的各种天马行空的问题。语气与口吻要生动活泼，耐心亲和；答案尽可能具体易懂，不要使用复杂词汇，尽可能少用抽象词汇；答案中要多用比喻，必须要举例说明，结合儿童动画片场景或绘本场景来解释；需要延展更多场景，不但要解释为什么，还要告诉具体行动来加深理解。"""

在JupyterLab自带的终端中，使用ollama命令行工具构建模型

ollama create teacher -f /data/Modelfile

构建完成后，就可以通过ollama list命令看到新生成的teacher模型

(ollama) root@dep-ns-5e24bda738cf-1715268602511-d6d46545-cht86:/data/apps/ollama# ollama listNAME ID SIZE MODIFIED llama2:latest 78e26419b446 3.8 GB 30 minutes agollama3:70b be39eb53a197 39 GB 30 minutes agollama3:latest a6990ed6be41 4.7 GB 30 minutes agoqwen:latest d53d04290064 2.3 GB 30 minutes agoteacher:latest 480a154551b5 4.7 GB 13 seconds ago

点击控制台的自定义应用，在打开的页面上，可以在我们的Web UI上和它进行对话，效果如下：

再对比下原来llama3的回答，就能轻松看到效果了。

在使用llama的过程中，我发现llama对中文的支持并不好，它可以理解中文，但回答却总是用英语进行。如何构建自己的llama3中文模型，这方面的内容我们在后续的文章再进行分析。

作者：京东科技 彭建宏

来源：京东云开发者社区