Quali sono i comandi più popolari in Ollama?

I comandi più popolari in Ollama sono: ollama list, ollama pull, ollama rm e ollama run.

Ollama Scheda Riepilogativa

Compilato alcuni per uso futuro...

Indice

Ecco l’elenco e gli esempi dei comandi più utili di Ollama (scheda dei comandi di Ollama) Li ho compilati tempo fa. Spero che siano utili per te.

ollama cheatsheet

Questa scheda di Ollama si concentra sui comandi CLI, sulla gestione dei modelli e sulla personalizzazione

Opzione 1: Scarica dal sito web
- Visita ollama.com e scarica l’installer per il tuo sistema operativo (Mac, Linux o Windows).
Opzione 2: Installa tramite riga di comando
- Per gli utenti Mac e Linux, utilizza il comando:
```
curl https://ollama.ai/install.sh | sh
```
- Segui le istruzioni visualizzate a schermo e inserisci la tua password se richiesto[3].

Comando	Descrizione
`ollama serve`	Avvia Ollama sul tuo sistema locale.
`ollama create <new_model>`	Crea un nuovo modello da uno esistente per la personalizzazione o l’addestramento.
`ollama show <model>`	Mostra i dettagli di un modello specifico, ad esempio la sua configurazione e la data di rilascio.
`ollama run <model>`	Esegue il modello specificato, rendendolo pronto per l’interazione.
`ollama pull <model>`	Scarica il modello specificato sul tuo sistema.
`ollama list`	Elenca tutti i modelli scaricati.
`ollama ps`	Mostra i modelli attualmente in esecuzione.
`ollama stop <model>`	Ferma il modello specifico in esecuzione.
`ollama rm <model>`	Rimuove il modello specifico dal tuo sistema.
`ollama help`	Fornisce aiuto su qualsiasi comando.

Scarica un modello:
```
ollama pull mistral-nemo:12b-instruct-2407-q6_K
```
Questo comando scarica il modello specificato (ad esempio, Gemma 2B) sul tuo sistema.
Esegui un modello:
```
ollama run qwen2.5:32b-instruct-q3_K_S
```
Questo comando avvia il modello specificato e apre un REPL interattivo per l’interazione.
Elenca i modelli:
```
ollama list
```
Questo comando elenca tutti i modelli scaricati sul tuo sistema.
Ferma un modello:
```
ollama stop llama3.1:8b-instruct-q8_0
```
Questo comando ferma il modello specifico in esecuzione.

Imposta il prompt del sistema: All’interno del REPL di Ollama, puoi impostare un prompt del sistema per personalizzare il comportamento del modello:
```
>>> /set system Per tutte le domande rispondi in inglese semplice evitando il gergo tecnico il più possibile
>>> /save ipe
>>> /bye
```
Poi, esegui il modello personalizzato:
```
ollama run ipe
```
Questo imposta un prompt del sistema e salva il modello per un uso futuro.
Crea un file del modello personalizzato: Crea un file di testo (ad esempio, custom_model.txt) con la seguente struttura:
```
FROM llama3.1
SYSTEM [Le tue istruzioni personalizzate qui]
```
Poi, esegui:
```
ollama create mymodel -f custom_model.txt
ollama run mymodel
```
Questo crea un modello personalizzato in base alle istruzioni nel file[3].

Riassumi il testo da un file:
```
ollama run llama3.2 "Riassumi il contenuto di questo file in 50 parole." < input.txt
```
Questo comando riassume il contenuto di input.txt utilizzando il modello specificato.
Salva le risposte del modello in un file:
```
ollama run llama3.2 "Dimmi qualcosa sull'energia rinnovabile." > output.txt
```
Questo comando salva la risposta del modello in output.txt.

Generazione di testo:

Riassumere un file di testo lungo:

ollama run llama3.2 "Riassumi il seguente testo:" < long-document.txt

Generare contenuti:

ollama run llama3.2 "Scrivi un breve articolo sui benefici dell'utilizzo dell'AI nella sanità." > article.txt

Rispondere a domande specifiche:

ollama run llama3.2 "Quali sono le ultime tendenze dell'AI e come influenzeranno la sanità?"

Elaborazione e analisi dei dati:
- Classificare il testo in sentimenti positivi, negativi o neutri:
```
ollama run llama3.2 "Analizza il sentiment di questa recensione del cliente: 'Il prodotto è fantastico, ma la consegna è stata lenta.'"
```
- Categorizzare il testo in categorie predefinite: Utilizza comandi simili per classificare o categorizzare il testo in base a criteri predefiniti.

Genera testo utilizzando Python:

import ollama

response = ollama.generate(model='gemma:2b', prompt='cosa è un qubit?')
print(response['response'])

Questo frammento di codice genera testo utilizzando il modello e il prompt specificati.