是小鬏鬏啊1. Ollama REST API 概述与核心接口定位
Ollama作为当前最流行的本地大模型运行框架之一，其REST API设计直接决定了开发者与模型的交互体验。服务启动后默认在11434端口暴露API端点，这些接口可分为三大类：
- 模型交互类：/api/generate（文本生成）、/api/chat（对话模式）、/api/embed（向量嵌入）
- 模型管理类：/api/pull（拉取模型）、/api/push（推送模型）、/api/delete（删除模型）
- 信息查询类：/api/tags（模型列表）、/api/show（模型详情）、/api/ps（运行状态）
其中/api/generate作为最基础的文本生成接口，其设计特点体现在：
- 纯HTTP协议兼容性（无需WebSocket）
- 同步/异步双模式支持（通过stream参数切换）
- 多模态扩展能力（images参数支持视觉模型）
- 显存智能管理（keep_alive机制）
实际测试显示，当显存不足时Ollama会自动卸载闲置模型，这个特性在消费级显卡上尤为重要。我曾在一台RTX 3090（24GB显存）上同时运行7B和13B模型时，就触发了这个保护机制。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. /api/generate 接口参数深度解析
2.1 基础参数配置策略
model参数的命名规范需要特别注意：
python复制# 正确示例
"model": "llama3:8b-instruct-q4_0"
# 常见错误
"model": "llama3" # 缺少tag会默认使用latest，可能造成版本混乱
prompt工程实践建议：
- 对于非对话模型，建议包含完整的上下文信息
- 多轮对话场景应该自行维护对话历史
- 实测表明，在prompt开头添加"请用中文回答"能显著改善某些英文预训练模型的中文输出质量
2.2 高级参数调优指南
options对象是最关键的调优入口，其完整结构如下：
| 参数 | 类型 | 典型值 | 效果说明 |
|---|---|---|---|
| temperature | float | 0.7 | 值越高随机性越强 |
| top |