Ollama
Ollama
学到 会用 就够：能亲手用起来
你可能会说
“我用 Ollama 在本机读文献时，它是模型本身，还是负责运行模型的软件？”
Ollama 是用于获取、管理和运行模型并提供调用接口的软件，可把模型接入聊天应用、编码工具或脚本。官方也提供云端模型，因此使用 Ollama 这个名字不等于推理一定在本机。
这个产品更新很快，功能和价格以官方最新信息为准。卡片内容核对于 2026-11-07。
使用 AI
科研里的例子
例如让现有本地服务对二十段公开政策文本给出主题标签，保留原文编号，再用人工标注核对分歧和无法判断的条目。
本地使用时，模型文件、可用内存、计算设备及运行参数共同决定能否运行和响应速度；调用程序则通过接口发送请求并接收输出。研究者可把它作为文本标注实验的后端，记录模型和设置，反复测试固定样本。若选择云端模型，推理位置与数据流向会变化。软件能启动和返回文字只说明接口工作，分类可靠性仍需人工样本和一致的评价标准。
动手试一次
先读已有服务的模型与运行位置说明，在不改配置的前提下，用一段公开短文测试固定格式输出并保存参数。
在你的学科里，直接拿去用
查错并交付能核验的修复
请定位问题并给最小修复。 代码与环境：[粘贴] 输入样例：[不含私密信息的小样本] 实际错误或输出：[粘贴] 我期望：[填写] 先区分已观察事实与可能原因，优先用最小样例验证。解释根因，给最小差异和有意义的检查。没有实际运行权限时明确标为未运行建议，不把推测写成测试通过。若修改会影响研究规则或结果，指出具体影响，不顺手重构无关部分。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG09
整理访谈材料的使用授权与去标识方案
请依据[知情同意材料、机构要求]，为[研究用途]审查[文本样例]的使用边界。分别检查录音、分析、逐字引用、身份披露、对外共享和上传[工具]是否有明确授权；找不到就列为待确认，不推定录音许可覆盖全部用途。按直接标识、间接标识和叙事组合再识别风险提出最小必要替换，尽量保留分析意义，映射表与待共享文本分开保存。输出权限对照表、去标识建议及需由研究负责人或机构决定的问题。只据所给文本判断，不承诺匿名或合规已获认证。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PS05
判断
亲手检查一次
亲手核对实际模型、服务地址和本地或云端标识；重复一组固定样本，记录错误、空输出及格式不符，而不只挑成功例子。
它做不到的
Ollama 不是模型权重本身，也不是完整文献管理系统。本地客户端可连接云端服务，不能仅看桌面图标判断数据是否离开机器。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- Ollama Documentation2026-11-07 核对
- Cloud — Ollama Documentation2026-11-07 核对
卡片底稿由 AI 协助整理，经过核对；发现错误请告诉我。