说实话这个入门教程也不是特别有必要，因为直接问AI然后验证即可，我这篇就是在AI的指导下操作的。
不过想想还是留作个人记录吧。。

0. Ollama 是什么

AI回答：（仅供参考）
Ollama 是一个开源的命令行工具，让你能在本地电脑上轻松运行、管理和与大型语言模型（LLM）交互。

简单来说，它相当于大语言模型的“Docker”——极大简化了在本地部署和运行 Llama 3、DeepSeek、Mistral 等开源模型的流程。

1. 下载

下载页面：https://ollama.com/download

安装完毕后。打开。

可以选一个模型，这里我就选一个下载到本地的而非云端的了，否则感觉跟在网页端和AI对话没啥区别。。

等待下载：

可以对话了：

2. 使用 python 调用大语言模型

在实际跑python之前，先确认下Ollama服务是否启动了。
执行curl -s http://127.0.0.1:11434，启动的话应该显示 Ollama is running

然后看下模型名字叫啥，cmd中输入ollama list：
我这里就是 qwen3:4b

然后就可以调用如下脚本，向大语言模型发送信息并得到回应了。
注意修改model名字，content中是发的信息，这里是 “你好，你是哪个模型？”。最后打印出回应。

import requests
import json

# Ollama API 地址
url = "http://localhost:11434/api/chat"

# 请求体
payload = {
    "model": "qwen3:4b",
    "messages": [
        {"role": "user", "content": "你好，你是哪个模型？"}
    ],
    "stream": False          # 非流式返回
}

# 发送 POST 请求
response = requests.post(url, json=payload)

# 解析响应
if response.status_code == 200:
    result = response.json()
    print(result['message']['content'])
else:
    print(f"请求失败: {response.status_code}")

（以上脚本也是AI自己写的，有问题的话可以直接问AI）
结果：