Python实战：用Ollama API打造你的本地AI聊天机器人（附完整代码）

原创

于 2026-02-16 10:55:46 发布 · 743 阅读

标签

Python实战：用Ollama API打造你的本地AI聊天机器人（附完整代码）

在当今AI技术飞速发展的时代，拥有一个本地运行的AI聊天机器人不仅能保护隐私，还能提供更灵活的定制化服务。本文将带你从零开始，利用Ollama的Python API构建一个功能完善的本地AI聊天系统，涵盖多轮对话管理、异步调用优化和流式输出等核心功能。

1. 环境准备与基础配置

在开始之前，确保你的开发环境满足以下要求：

Python 3.8或更高版本
已安装并运行Ollama服务（默认运行在http://localhost:11434）
基础Python开发环境（推荐使用virtualenv或conda）

首先安装Ollama的Python客户端库：

pip install ollama

验证安装是否成功：

import ollama
print(ollama.list())  # 列出本地可用模型

如果没有模型，可以通过命令行拉取一个基础模型：

ollama pull llama2

提示：根据硬件配置选择合适的模型，较小显存的设备建议使用7B参数以下的模型版本。

2. 构建基础聊天功能

让我们从最简单的聊天交互开始。以下代码实现了一个基本的问答功能：

from ollama import chat

def simple_chat(model_name: str = "llama2"):
    messages = [
        {"role": "system", "content": "你是一个乐于助人的AI助手"},
        {"role": "user", "content": "你好！"}
    ]
    
    response = chat(model=model_name, messages=messages)
    print("AI:", response["message"]["content"])
    
    while True:
        user_input = input("你: ")
        if user_input.lower() in ["退出", "exit"]:
            break
            
        messages.append({"role": "user", "content": user_input})
        response = chat(model=model_name, messages=messages)
        ai_response = response["message"]["content"]
        print("AI:", ai_response)
        messages.append({"role": "assistant", "content": ai_response})

if __name__ == "__main__":
    simple_chat()

这个基础实现有几个关键点需要注意：