AI LLM 利器 Ollama 架构和对话处理流程解析
Contents
Ollama 概述
Ollama 是一个快速运行 LLM（Large Language Models，大语言模型）的简便工具。通过 Ollama，用户无需复杂的环境配置，即可轻松与大语言模型对话互动。
本文将解析 Ollama 的整体架构，并详细讲解用户在与 Ollama 进行对话时的具体处理流程。
Ollama 整体架构
Ollama 使用了经典的 CS（Client-Server）架构，其中：
- Client 通过命令行的方式与用户交互。
- Server 可以通过命令行、桌面应用（基于 Electron 框架）、Docker 其中一种方式启动。无论启动方式如何，最终都调用同一个可执行文件。
- Client 与 Server 之间使用 HTTP 进行通信。
Ollama Server 有两个核心部分：
ollama-http-server：负责与客户端进行交互。llama.cpp：作为 LLM 推理引擎，负责加载并运行大语言模型，处理推理请求并返回结果。ollama-http-server与llama.cpp之间也是通过 HTTP 进行交互。
说明：llama.cpp 是一个独立的开源项目，具备跨平台和硬件友好性，可以在没有 GPU、甚至是树莓派等设备上运行。
Ollama 存储结构
Ollama 本地存储默认使用的文件夹路径为 $HOME/.ollama，文件结构如下图所示：
文件可分为三类：
- 日志文件：包括记录了用户对话输入的
history文件，以及logs/server.log服务端日志文件。 - 密钥文件：id_ed25519 私钥和 id_ed25519.pub 公钥。
- 模型文件：包括
blobs原始数据文件，以及manifests元数据文件。
元数据文件，例如图中的 models/manifests/registry.ollama.ai/library/llama3.2/latest 文件内容为：
如上图所示，manifests 文件是 JSON 格式，文件内容借鉴了云原生和容器领域中的 OCI spec 规范，manifests 中的 digest 字段与 blobs 相对应。
Ollama 对话处理流程
用户与 Ollama 进行对话的大致流程如下图所示：
- 用户通过 CLI 命令行执行
ollama run llama3.2开启对话（llama3.2是一种开源的大语言模型，你也可以使用其它 LLM）。 - 准备阶段：
- CLI 客户端向
ollama-http-server发起 HTTP 请求，获取模型信息，后者会尝试读取本地的manifests元数据文件，如果不存在，则响应 404 not found。 - 当模型不存在时，CLI 客户端会向
ollama-http-server发起拉取模型的请求，后者会去远程存储仓库下载模型到本地。 - CLI 再次请求获取模型信息。
- CLI 客户端向
- 交互式对话阶段：
- CLI 先向
ollama-http-server发起一个空消息的/api/generate请求，server 会先在内部进行一些 channel（go 语言中的通道）处理。 - 如果模型信息中包含有 messages，则打印出来。用户可以基于当前使用的模型和 session 对话记录保存为一个新的模型，而对话记录就会被保存为 messages。
- 正式进入对话：CLI 调用
/api/chat接口请求ollama-http-server，而ollama-http-server需要依赖llama.cpp引擎加载模型并执行推理（llama.cpp也是以 HTTP server 的方式提供服务）。此时，ollama-http-server会先向llama.cpp发起/health请求，确认后者的健康状况，然后再发起/completion请求，得到对话响应，并最终返回给 CLI 显示出来。
- CLI 先向
通过上述步骤，Ollama 完成了用户与大语言模型的交互对话。
总结
Ollama 通过集成 llama.cpp 推理引擎，并进一步封装，将复杂的 LLM 技术变得触手可及，为开发者和技术人员提供了一个高效且灵活的工具，很好地助力了各种应用场景下的大语言模型推理与交互。
(关注我，无广告，专注技术，不煽动情绪，也欢迎与我交流)
参考资料：