### 使用本地 Ollama API 调用的方法 为了通过本地安装的 Ollama API 进行开发，可以遵循以下方法实现 `askLocalQwen2Model` 函数来调用 Qwen2 模型。此过程依赖于 JSON 数据结构传递请求参数，并返回与直接调用 API 工具一致的结果。 #### 前提条件 在使用 Ollama API 之前，需确认已成功完成以下操作： - 安装并运行 Ollama 服务。 - 确保目标模型（如 deepseek-r1 或 qwen2）已经加载到 Ollama 中，可通过命令 `ollama list` 查看当前可用模型列表[^2]。 #### 实现 askLocalQwen2Model 方法 以下是基于 Python 编写的示例代码，用于向本地 Ollama API 发送 HTTP 请求： ```python import requests def askLocalQwen2Model(prompt, temperature=0.7): url = "http://localhost:11434/api/generate" # 默认 Ollama API 地址 headers = {"Content-Type": "application/json"} payload = { "model": "qwen2", # 替换为目标模型名称 "prompt": prompt, "stream": False, "options": { "temperature": temperature } } response = requests.post(url, json=payload, headers=headers) result = response.json() if 'response' in result: return result['response'] else: raise Exception(f"Error occurred: {result}") ``` 上述函数实现了如下功能： - 设置默认 URL 和 Headers 来匹配 Ollama 的 POST 接口需求。 - 构建了一个包含必要字段（如 model、prompt、stream 及 options 温度调节等）的有效负载对象[^3]。 - 利用 `requests.post()` 将数据发送至指定地址，并解析响应中的文本部分作为最终输出。 注意：如果需要支持流式传输，则应调整 `"stream"` 参数为 True 并处理分片接收逻辑；此外还需验证实际部署环境下的端口号是否仍保持标准配置 (即 11434)。 #### 测试样例 下面展示了一次简单的测试调用及其预期行为描述： ```python if __name__ == "__main__": try: answer = askLocalQwen2Model("你好，请问你是谁？") print(answer) except Exception as e: print(e) ``` 执行该脚本后，程序会尝试连接到 localhost 上监听的服务实例并向其提问关于身份识别的问题，随后打印由选定的大规模预训练语言模型生成的回答内容。 ---