ollama deepseek本地部署后交互脚本

### 关于Ollama DeepSeek本地部署后的交互脚本 在完成Ollama平台上的DeepSeek大模型本地部署之后，可以通过编写交互脚本来实现自动化调用和管理API的功能。以下是一个典型的Python脚本示例，用于与Ollama API进行通信并获取响应。 #### Python 脚本示例 此脚本展示了如何通过HTTP请求向Ollama发送提示（prompt），并接收来自DeepSeek模型的回复[^1]。 ```python import requests def query_ollama(prompt, model="deepseek", api_url="http://localhost:11434/api/generate"): """ 向Ollama API发送查询请求。 参数: prompt (str): 输入的文本提示。 model (str): 使用的模型名称，默认为 "deepseek"。 api_url (str): Ollama 的 API 地址，默认为 localhost 和默认端口。 返回: str: 模型返回的结果。 """ headers = {"Content-Type": "application/json"} data = { "model": model, "prompt": prompt, "max_tokens": 500, # 可调整最大生成令牌数 "temperature": 0.7 # 控制随机性的参数 } response = requests.post(api_url, json=data, headers=headers) if response.status_code == 200: result = response.json() return result["response"] else: raise Exception(f"Error {response.status_code}: {response.text}") if __name__ == "__main__": user_input = input("请输入您的问题或提示：") try: answer = query_ollama(user_input) print("\n模型的回答如下：\n", answer) except Exception as e: print("发生错误:", e) ``` 上述代码片段实现了基本功能，允许用户输入自定义提示并通过POST请求将其传递给运行中的Ollama服务实例。随后解析JSON格式的服务器响应数据，并提取实际的AI生成内容作为最终输出。 对于更复杂的场景需求，比如批量处理多个提问或者集成到其他应用程序当中，则可能还需要进一步扩展该基础框架结构，增加异常捕获机制以及性能优化措施等方面考虑[^2]。 #### Shell 脚本简易版 如果偏好命令行操作而非编程方式的话，也可以利用curl工具来快速测试连接情况： ```bash #!/bin/bash PROMPT=$1 MODEL_NAME=${2:-"deepseek"} RESPONSE=$(curl -s \ -H 'Content-Type: application/json' \ -d '{"model":"'$MODEL_NAME'", "prompt":"'"$PROMPT"'"}' \ http://localhost:11434/api/generate | jq '.response') echo $RESPONSE ``` 保存以上内容至文件如`query.sh`,赋予可执行权限后再运行即可传入相应参数得到即时反馈结果。