《Ollama Cloud 线上模型调用教程（2025 最新版）》，一步到位从原理到实战。

---

🧠 Ollama Cloud 线上模型调用教程（2025 最新版）

一、Ollama Cloud 是什么

Ollama 最早是一个本地大模型运行平台（ollama pull → 本地推理），
现在（从 2025 年开始）推出了 Cloud 模型服务：

• 无需下载模型

• 不占用显存

• 提供 OpenAI 兼容 API（即 /v1/chat/completions）

• 可以直接用 Python、curl、或任何支持 OpenAI SDK 的库调用

换句话说，现在 Ollama 既能“本地离线用”，又能“云端在线调”。

---

二、获取 Cloud API Key

1. 打开官网 https://ollama.com

2. 登录你的账户（GitHub 登录最方便）

3. 点击右上角头像 → Settings → API Keys

4. 点击 Create new key

5. 复制生成的 key（例如：

   07af771e0730471ea9e285804407350a.25Iu9WgeGG_Lx9_iJ0tBRQrS
   

   注意：只显示一次，要自己保存好）

---

三、查看当前可用的云模型

运行以下命令：

curl -H "Authorization: Bearer YOUR_API_KEY" https://ollama.com/api/tags

返回的 JSON 中会包含模型名，比如：

{
  "models": [
    {"name": "gpt-oss:120b"},
    {"name": "qwen3-coder:480b"},
    {"name": "deepseek-v3.1:671b"},
    {"name": "glm-4.6"}
  ]
}

这些 name 就是你可以直接在线调用的模型。
推荐常用模型：

模型名	说明
gpt-oss:20b	通用快速模型
gpt-oss:120b	高质量模型
qwen3-coder:480b	强代码能力（推荐做代码生成与安全测试）
deepseek-v3.1:671b	高级通用大模型

---

四、使用 cURL 调用（最简示例）

curl https://ollama.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-coder:480b",
    "messages": [
      {"role": "user", "content": "写一个C函数判断一个整数是否为质数"}
    ]
  }'

运行后会返回一个 JSON 响应，类似：

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "choices": [
    {
      "message": {
        "role": "assistant",
        "content": "int is_prime(int n) { ... }"
      }
    }
  ]
}

---

五、Python 方式调用（OpenAI SDK 通用）

Ollama Cloud 直接兼容 OpenAI 接口，你可以使用任意 OpenAI SDK。

示例代码（Python）：

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://ollama.com/v1"
)

response = client.chat.completions.create(
    model="qwen3-coder:480b",
    messages=[
        {"role": "user", "content": "用Python写一个快速排序算法"}
    ]
)

print(response.choices[0].message.content)

输出示例：

def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr)//2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quick_sort(left) + middle + quick_sort(right)

---

六、在项目（如 CodeGuarder）中调用

假设你要让脚本调用 Ollama Cloud 模型（不再本地跑），
只需要传入以下参数：

./scripts/run_std_codeguarder.sh "qwen3-coder:480b" "YOUR_API_KEY" "https://ollama.com/v1/chat/completions"

或写在环境变量中：

export OLLAMA_API_KEY="YOUR_API_KEY"
./scripts/run_std_codeguarder.sh "qwen3-coder:480b" "$OLLAMA_API_KEY" "https://ollama.com/v1/chat/completions"

脚本会自动通过 OpenAI 兼容接口调用 Ollama Cloud 完成代码生成与安全评测。

---

七、常见问题（FAQ）

问题	原因	解决
401 Unauthorized	Key 没传进请求头	检查是否加了 Authorization: Bearer
model not found	模型名拼错	用 /api/tags 查可用模型名
curl: (6) DNS 错误	网络问题	确保能访问 ollama.com
响应慢	模型大、队列中	换成 gpt-oss:20b 或 glm-4.6 试试
Key 泄漏	⚠️ 立即删除重建	登录 Ollama → API Keys → Delete Key

---

八、进阶：流式输出（streaming）

Ollama Cloud 也支持流式输出（和 OpenAI 一样）：

with client.chat.completions.stream(
    model="qwen3-coder:480b",
    messages=[{"role": "user", "content": "Explain RSA encryption"}],
) as stream:
    for event in stream:
        if event.type == "message":
            print(event.data["content"], end="", flush=True)

---

九、优缺点总结

模式	优点	缺点
本地 Ollama	离线、免费、隐私	占用显存、下载慢
Ollama Cloud	即开即用、无显存占用、接口统一	需网络连接、有请求速率限制

---

✅ 十、一键验证脚本（推荐）

你可以新建一个文件 test_ollama_cloud.sh：

#!/bin/bash
KEY="YOUR_API_KEY"

curl https://ollama.com/v1/chat/completions \
  -H "Authorization: Bearer $KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-coder:480b",
    "messages": [{"role": "user", "content": "用C语言写一个冒泡排序"}]
  }' | jq '.choices[0].message.content'

执行：

bash test_ollama_cloud.sh

若能输出排序代码，就说明你的 Ollama Cloud API 可用 🎯。

---