### 使用 Python `requests` 库调用 Ollama API 要通过 Python 的 `requests` 库与 Ollama 进行交互，可以按照以下方式实现。以下是详细的说明和代码示例： #### 准备工作 在开始之前，请确保已完成以下准备事项： - 已经安装并启动了 Ollama 服务，默认监听地址为 `http://localhost:11434`[^2]。 - 下载所需的模型（例如 `deepseek-r1:8b`），可通过命令 `ollama pull deepseek-r1:8b` 完成下载。 - 安装 Python 的 `requests` 库，如果尚未安装，可执行命令 `pip install requests` 来完成安装。 #### 调用方法 Ollama 提供了一个 RESTful 风格的接口，允许客户端通过 HTTP 协议与其通信。通常会使用 POST 方法发送 JSON 数据到指定的 URL 地址，并接收返回的结果。 下面是一个完整的代码示例，展示如何利用 `requests` 向 Ollama 发起请求并与之交互： ```python import requests def call_ollama_api(prompt, model="deepseek-r1:8b", temperature=0.7): url = "http://localhost:11434/api/generate" headers = { 'Content-Type': 'application/json' } data = { "prompt": prompt, "model": model, "temperature": temperature } response = requests.post(url, headers=headers, json=data) if response.status_code == 200: result = response.json() return result.get('response', None) else: raise Exception(f"Error calling Ollama API: {response.text}") # 测试函数 if __name__ == "__main__": try: user_prompt = "你好，你能告诉我今天的天气吗？" reply = call_ollama_api(user_prompt) print("AI回复:", reply) except Exception as e: print(e) ``` 上述代码定义了一个名为 `call_ollama_api` 的函数，该函数接受三个参数：提示文本 (`prompt`)、使用的模型名称 (`model`) 和温度系数 (`temperature`)。其中，URL 设置为目标主机上的 `/api/generate` 接口；headers 显式声明内容类型为 JSON 格式；data 字典包含了实际传递给服务器的数据结构。最后，程序检查响应状态码是否正常 (即等于 200)，如果是，则提取并打印 AI 返回的回答；否则抛出异常显示错误详情[^3]。 此过程展示了如何借助 Python 的 `requests` 库轻松地构建一个简单的应用层协议栈来访问远程资源——这里是本地部署好的 Ollama 模型实例[^1]。