快速开始-Ollama 中文手册-果果开发

在桌面应用和编码代理中使用 Ollama，或使用 API 密钥构建应用程序。

开始使用

下载 Ollama，支持 macOS、Windows 或 Linux。打开该应用，或从终端开始使用：

ollama

按照设置提示操作。登录以使用云端模型，或选择本地模型。

连接桌面应用

在 macOS 上，打开 Ollama 并选择 Apps（应用）。连接 Claude 或 ChatGPT (Desktop)。按照提示安装或重启该应用。

在 Settings → Apps（设置 → 应用）中选择你的 Ollama 模型。

Claude Desktop — 在 Claude 中使用 Ollama 模型。
ChatGPT Desktop — 在 Codex 模式下使用 Ollama 模型。常规 Chat 和语音功能仍使用你常规的 ChatGPT 连接。

使用编码代理

从项目目录启动你的代理：

Claude Code

ollama launch claude

如果需要，Ollama 会提供安装 Claude Code 的选项。详见 Claude Code。

Codex CLI

首先安装 Codex CLI，然后启动它：

ollama launch codex

有关设置信息，请参见 Codex CLI。

OpenCode

ollama launch opencode

如果需要，Ollama 会提供安装 OpenCode 的选项。详见 OpenCode。

在提示时选择一个模型，然后尝试：

Explain how this repository is organized.

如需更多工具，请参见 Integrations（集成）。若要通过 API 密钥直接连接代理，请参见 Claude Code。

构建应用程序

使用带有 API 密钥的云端模型，或在没有密钥的情况下本地运行模型。云端请求不需要安装 Ollama。

1. 创建 API 密钥

对于本地模型，跳过此步骤并在 Send a request（发送请求）下选择 Local（本地）。

对于云端模型，请登录或创建一个账户，然后创建一个 API 密钥。

在终端中设置你的密钥：

export OLLAMA_API_KEY="your_api_key"

$env:OLLAMA_API_KEY = "your_api_key"

请将密钥保留在你的应用程序服务器上，不要放在浏览器代码或源代码管理中。

2. 发送请求

向 Ollama 发出第一个请求

Cloud（云端）

这些示例使用 gemma4:31b cloud model（云端模型）。

Ollama API
OpenAI Chat Completions
OpenAI Responses
Anthropic Messages

curl https://ollama.com/api/chat \
  -H "Authorization: Bearer $OLLAMA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemma4:31b",
    "messages": [
      {
        "role": "user",
        "content": "Say hello in one sentence."
      }
    ],
    "stream": false
  }'

从 message.content 读取回答。参见 Ollama’s API and libraries（Ollama 的 API 和库）。

curl https://ollama.com/v1/chat/completions \
  -H "Authorization: Bearer $OLLAMA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemma4:31b",
    "messages": [
      {
        "role": "user",
        "content": "Say hello in one sentence."
      }
    ]
  }'

从 choices[0].message.content 读取回答。关于客户端设置和支持的功能，请参见 OpenAI compatibility（OpenAI 兼容性）。

curl https://ollama.com/v1/responses \
  -H "Authorization: Bearer $OLLAMA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemma4:31b",
    "input": "Say hello in one sentence."
  }'

读取 output 内部的 output_text 内容块。OpenAI Python 客户端将文本作为 response.output_text 暴露出来。

Responses 请求是无状态的：请在每个请求中包含对话历史。previous_response_id 和 conversation 不受支持。请参见 Responses compatibility（Responses 兼容性）。

curl https://ollama.com/v1/messages \
  -H "Authorization: Bearer $OLLAMA_API_KEY" \
  -H "Content-Type: application/json" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "gemma4:31b",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "Say hello in one sentence."
      }
    ]
  }'

从 content 读取文本块。直接的云端请求使用 bearer 认证。关于客户端设置和支持的功能，请参见 Anthropic compatibility（Anthropic 兼容性）。

OpenAI 和 Anthropic 兼容性各自覆盖了原始 API 的一部分。有关模型和使用限制，请参阅 Cloud。

本地

curl https://ollama.com/api/chat \
  -H "Authorization: Bearer $OLLAMA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemma4:31b",
    "messages": [
      {
        "role": "user",
        "content": "Say hello in one sentence."
      }
    ],
    "stream": false
  }'

从 message.content 中读取答案。请参阅 Ollama’s API and libraries。

curl https://ollama.com/v1/chat/completions \
  -H "Authorization: Bearer $OLLAMA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemma4:31b",
    "messages": [
      {
        "role": "user",
        "content": "Say hello in one sentence."
      }
    ]
  }'

从 choices[0].message.content 中读取答案。有关客户端设置和支持的功能，请参阅 OpenAI compatibility。

curl https://ollama.com/v1/responses \
  -H "Authorization: Bearer $OLLAMA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemma4:31b",
    "input": "Say hello in one sentence."
  }'

读取 output 中的 output_text 内容块。OpenAI Python 客户端将文本作为 response.output_text 暴露出来。

Responses 请求是无状态的：请在每个请求中包含对话历史。previous_response_id 和 conversation 不受支持。请参阅 Responses compatibility。

curl https://ollama.com/v1/messages \
  -H "Authorization: Bearer $OLLAMA_API_KEY" \
  -H "Content-Type: application/json" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "gemma4:31b",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "Say hello in one sentence."
      }
    ]
  }'

从 content 中读取文本块。直接云端请求使用 bearer 认证。有关客户端设置和支持的功能，请参阅 Anthropic compatibility。

在你的计算机上运行 Gemma 4 E2B。无需 API 密钥。

模型下载大小约为 7.2 GB。我们建议至少有 8 GB 的可用 VRAM，或在 Mac 上使用统一内存。更大的上下文窗口需要更多内存。如果 VRAM 较少，Ollama 可以使用系统 RAM，但响应可能会变慢。

Download Ollama 并打开应用。在 Linux 上，如果服务器尚未运行，请使用 ollama serve 启动它。

下载模型：

ollama pull gemma4:e2b

向你的本地服务器发送请求：

Ollama API
OpenAI Chat Completions
OpenAI Responses
Anthropic Messages

curl http://localhost:11434/api/chat \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemma4:e2b",
    "messages": [
      {
        "role": "user",
        "content": "Say hello in one sentence."
      }
    ],
    "stream": false
  }'

curl http://localhost:11434/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemma4:e2b",
    "messages": [
      {
        "role": "user",
        "content": "Say hello in one sentence."
      }
    ]
  }'

从 choices[0].message.content 中读取答案。有关客户端设置和支持的功能，请参阅 OpenAI compatibility。

curl http://localhost:11434/v1/responses \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemma4:e2b",
    "input": "Say hello in one sentence."
  }'

读取 output 中的 output_text 内容块。OpenAI Python 客户端将文本作为 response.output_text 暴露出来。

Responses 请求是无状态的：请在每个请求中包含对话历史。previous_response_id 和 conversation 不受支持。请参阅 Responses compatibility。

curl http://localhost:11434/v1/messages \
  -H "Content-Type: application/json" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "gemma4:e2b",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "Say hello in one sentence."
      }
    ]
  }'

从 content 中读取文本块。有关客户端设置和支持的功能，请参阅 Anthropic compatibility。

curl http://localhost:11434/api/chat \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemma4:e2b",
    "messages": [
      {
        "role": "user",
        "content": "Say hello in one sentence."
      }
    ],
    "stream": false
  }'

curl http://localhost:11434/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemma4:e2b",
    "messages": [
      {
        "role": "user",
        "content": "Say hello in one sentence."
      }
    ]
  }'

从 choices[0].message.content 读取回答。有关客户端设置和支持的功能，请参阅 OpenAI compatibility。

curl http://localhost:11434/v1/responses \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemma4:e2b",
    "input": "Say hello in one sentence."
  }'

读取 output 内的 output_text 内容块。OpenAI Python 客户端将文本作为 response.output_text 暴露出来。

Responses 请求是无状态的：请在每个请求中包含对话历史。不支持 previous_response_id 和 conversation。请参阅 Responses compatibility。

curl http://localhost:11434/v1/messages \
  -H "Content-Type: application/json" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "gemma4:e2b",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "Say hello in one sentence."
      }
    ]
  }'

从 content 读取文本块。有关客户端设置和支持的功能，请参阅 Anthropic compatibility。

在本地运行模型

下载 Ollama，然后运行：

ollama run gemma4:e2b

Ollama 会下载模型并在您的计算机上启动聊天。输入 /bye 退出。

后续步骤

添加 tool calling、stream responses，或浏览更多模型。