大家好，我是直奔標杆！专注于分享实用技术干货，助力各位开发者少走弯路、直奔技术标杆～ 今天给大家整理的是Ollama本地部署后的常用API，都是项目开发中高频用到的，无需复杂配置，复制示例就能直接调用，新手也能快速上手！

Ollama作为一款轻量易用的本地大模型部署工具，最大的优势就是部署简单、接口简洁，本地部署完成后，默认会在11434端口开放一套RESTful API，无需额外配置，直接通过HTTP请求就能调用本地大模型的全部能力，轻松实现AI集成到私有应用中，提升职场开发效率。

下面先给大家梳理接口基础信息，再详细拆解最常用的5个核心接口，额外补充2个实用接口，覆盖模型管理、文本生成、多轮对话、向量生成等90%的开发场景，干货满满，建议收藏备用！

一、接口基础信息（必看）

在调用接口前，先明确基础配置，避免踩坑：

• 默认接口地址：http://localhost:11434/api（本地部署后直接可用，无需修改端口，若需修改可参考Ollama配置文档）

• 请求/响应格式：统一为JSON，支持流式输出（实时返回结果，适合聊天界面）和非流式输出（一次性返回完整结果，适合批量处理）两种模式，可根据业务场景灵活选择

• 默认端口：11434（若端口被占用，可通过修改Ollama配置文件调整）

• 调用工具：支持curl、Postman、Python requests等任意可发送HTTP请求的工具，示例以curl为主，兼顾Python调用示例，方便不同开发场景使用

二、核心常用API（5个，项目必用）

这5个接口是本地AI调用的核心，覆盖模型管理、文本生成、多轮对话、向量生成等核心场景，简洁高效，无需多余参数，项目中直接套用即可。

1. /api/tags（查看本地已安装模型）

• 请求方法：GET（无需提交参数，直接请求即可）

• 核心作用：快速列出本地所有已下载、可调用的Ollama模型，包含模型名称、大小、修改时间、量化级别等基础信息，方便开发者快速确认模型是否部署成功、是否可用，是模型管理的基础接口。

• curl示例：

• curl http://localhost:11434/api/tags

• 补充说明：返回结果会包含模型的详细元数据，比如模型格式、参数规模等，可用于批量获取模型信息，便于后续接口调用时确认模型名称是否正确。

2. /api/generate（单次文本生成/单轮问答）

• 请求方法：POST（需提交JSON格式参数）

• 核心作用：实现单轮文本生成、单次问答，无上下文记忆功能，适合简单的指令生成、单次查询场景（如生成文案、解释概念、简单计算等），是最基础的文本生成接口。

• 核心参数（必传）：

  • model：模型名称（需与本地已安装模型一致，如qwen2.5:7b、llama3.2:8b）

  • prompt：用户指令/问题（明确告知模型需要做什么）

  • stream：是否开启流式输出（true=实时逐字返回，false=一次性返回完整结果）

• 可选参数：可添加options参数设置模型生成规则（如temperature控制生成随机性、num_predict控制最大生成token数），也可添加suffix参数在响应后追加指定文本，满足个性化生成需求。

• curl示例：

• curl http://localhost:11434/api/generate -d '{"model": "qwen2.5:7b","prompt": "解释什么是软包拆垛","stream": false}'

• SpringAI框架Java调用示例（贴合项目实战，直接集成到SpringBoot项目）：

•  1. 先在pom.xml中引入SpringAI Ollama依赖

• <dependency>
      <groupId>org.springframework.ai</groupId>
      <artifactId>spring-ai-ollama</artifactId>
      <version>1.0.0-M1</version> // 请使用最新稳定版本
  </dependency>

•  2. 配置application.yml（指定Ollama服务地址）

• spring:
    ai:
      ollama:
        base-url: http://localhost:11434/api
        model: qwen2.5:7b

•  3. 编写调用接口（SpringBoot接口示例）

• import org.springframework.ai.ollama.OllamaChatClient;
  import org.springframework.ai.ollama.api.OllamaApi;
  import org.springframework.ai.ollama.api.OllamaOptions;
  import org.springframework.web.bind.annotation.GetMapping;
  import org.springframework.web.bind.annotation.RequestParam;
  import org.springframework.web.bind.annotation.RestController;
  
  @RestController
  public class OllamaGenerateController {
  
      private final OllamaChatClient ollamaChatClient;
  
      // 注入Ollama客户端（SpringAI自动配置）
      public OllamaGenerateController(OllamaApi ollamaApi) {
          this.ollamaChatClient = new OllamaChatClient(ollamaApi);
      }
  
      // 单次文本生成接口示例
      @GetMapping("/generate")
      public String generate(@RequestParam String prompt) {
          // 配置生成参数（非流式输出，可根据需求调整）
          OllamaOptions options = OllamaOptions.create()
                  .withModel("qwen2.5:7b")
                  .withStream(false);
          // 调用/api/generate接口，返回生成结果
          return ollamaChatClient.generate(prompt, options);
      }
  }

3. /api/chat（多轮对话，带上下文记忆）

• 请求方法：POST（需提交JSON格式参数）

• 核心作用：实现多轮对话交互，模型会记住历史对话内容，适合聊天机器人、连续问答等场景（如用户追问、多步骤咨询），比/api/generate更贴近实际交互场景，是对话类项目的核心接口。

• 核心参数（必传）：

  • model：模型名称（与本地已安装模型一致）

  • messages：对话历史列表，每个元素包含role（角色，可选user/assistant）和content（对话内容），需按对话顺序排列，模型会根据历史内容生成响应

  • stream：是否开启流式输出（建议聊天场景设为true，提升交互体验）

• 补充说明：多轮对话时，需将每次的用户提问和模型响应依次加入messages列表，确保上下文连贯；若需清除上下文，只需清空messages列表即可重新开始对话。

• curl示例：

• curl http://localhost:11434/api/chat -d '{"model": "llama3.2:8b","messages": [{"role": "user", "content": "软包拆垛抓手怎么选"}],"stream": false}'

• 多轮对话扩展示例（curl）：

• curl http://localhost:11434/api/chat -d '{"model": "llama3.2:8b","messages": [{"role": "user", "content": "软包拆垛抓手怎么选"},{"role": "assistant", "content": "软包拆垛抓手需根据软包材质、重量、拆垛效率选择，优先考虑柔性抓手，避免损伤软包"},{"role": "user", "content": "柔性抓手有哪些类型"}],"stream": false}'

4. /api/embed（文本向量生成）

• 请求方法：POST（需提交JSON格式参数）

• 核心作用：将文本转换为向量表示（嵌入向量），主要用于RAG（检索增强生成）、文本相似度匹配、文本聚类等场景，是构建私有知识库、检索系统的核心接口，能帮助模型更好地理解文本语义关系。

• 核心参数（必传）：

  • model：建议使用专门的嵌入模型（如nomic-embed-text、all-MiniLM-L6-v2，需提前下载）

  • input：需要生成向量的文本（可单个文本，也可传入文本列表批量生成）

• 补充说明：生成的向量可用于后续的语义检索，比如将知识库文本生成向量存储，用户提问生成向量后，通过相似度匹配找到最相关的知识库内容，再结合生成接口返回精准回答，大幅提升回答质量。

• curl示例：

• curl http://localhost:11434/api/embed -d '{"model": "nomic-embed-text","input": "Ollama本地部署接口调用"}'

5. /api/show（查看模型详细信息）

• 请求方法：POST（需提交JSON格式参数）

• 核心作用：查看指定模型的详细配置信息，包括模型参数（如temperature默认值、上下文窗口大小）、提示词模板、系统提示词、模型格式、量化级别等，便于开发者调试模型、优化生成效果，尤其适合自定义模型配置的场景。

• 核心参数（必传）：model：需要查看详情的模型名称（与本地已安装模型一致）

• curl示例：

• curl http://localhost:11434/api/show -d '{"model": "qwen2.5:7b"}'

• 补充说明：通过该接口可快速获取模型的默认配置，若需修改模型的系统提示、生成规则，可结合Modelfile文件进行配置，提升模型适配性。

三、新增2个实用接口（补充拓展，提升效率）

除了上面5个核心接口，再给大家补充2个高频实用接口，覆盖模型启停、批量操作场景，进一步满足项目开发需求，建议一起掌握～

1. /api/delete（删除本地模型）

• 请求方法：POST

• 核心作用：删除本地已安装的模型，释放磁盘空间，适合模型迭代、清理无用模型的场景（比如替换更高版本的模型、删除不常用的模型），是模型管理的重要补充接口。

• 核心参数：model（需删除的模型名称，与/api/tags返回的模型名称一致）

• curl示例：

• curl http://localhost:11434/api/delete -d '{"model": "qwen2.5:7b"}'

2. /api/pull（拉取远程模型）

• 请求方法：POST

• 核心作用：从Ollama官方仓库拉取指定模型到本地，无需通过命令行操作，直接通过接口即可完成模型下载，适合批量部署、自动化拉取模型的场景，提升部署效率。

• 核心参数：model（需拉取的模型名称，如llama3:70b、mistral:latest，可在Ollama官方仓库查询可用模型）

• curl示例：

• curl http://localhost:11434/api/pull -d '{"model": "llama3:70b"}'

• 补充说明：拉取模型时，接口会返回下载进度，可通过监控接口响应，实现模型下载进度的可视化展示，便于批量管理模型下载任务。

四、接口一句话总结（快速记忆，备用查询）

为了方便大家快速记忆和查询，整理了所有接口的核心作用，贴在代码注释或备忘录里，随用随查：

• /api/tags：查看本地已装模型（模型管理基础）

• /api/generate：单轮文本生成/单次问答（无上下文）

• /api/chat：多轮对话（带上下文记忆，聊天场景首选）

• /api/embed：生成文本向量（RAG、检索场景必备）

• /api/show：查看模型详细参数（调试、优化模型用）

• /api/delete：删除本地模型（清理磁盘空间）

• /api/pull：拉取远程模型（自动化部署模型）

五、实用小贴士（避坑指南）

结合自己的开发经验，给大家分享几个接口调用的避坑点，新手必看，少踩弯路：

1. 调用接口前，务必确认Ollama服务已启动（终端执行ollama serve或至少运行过一次ollama run 模型名称），否则会出现Connection refused错误，无法连接接口。

2. model参数必须与本地已安装的模型名称完全一致（包括标签，如qwen2.5:7b不能写成qwen2.5），否则会返回“model not found”错误，可通过/api/tags接口确认模型名称。

3. 流式输出（stream: true）适合实时交互场景（如前端聊天界面），非流式输出（stream: false）适合批量处理、需要完整结果的场景，根据业务需求合理选择，避免不必要的性能消耗。

4. 生成向量时，建议使用专门的嵌入模型（如nomic-embed-text），不要使用对话模型（如llama3、qwen2.5），否则会导致向量生成效果较差，影响检索精度。

5. 默认情况下，Ollama会在模型最后一次使用后将其保存在内存中5分钟，若需立即释放内存，可通过终端执行ollama stop 模型名称，或调整keep_alive参数控制模型在内存中的保持时长。

六、总结

以上就是Ollama本地部署后最常用、最实用的7个API，覆盖了模型管理、文本生成、多轮对话、向量生成等90%以上的本地AI开发场景，接口简洁、无需复杂配置，复制示例就能直接调用，非常适合新手入门和项目快速集成。

我是直奔標杆，始终坚持“共同学习、分享经验”的理念，后续会持续分享Ollama相关的实战技巧（如RAG知识库搭建、接口批量调用、模型优化等），助力大家快速掌握本地大模型部署与调用技巧，少走弯路、直奔技术标杆！

如果大家在接口调用过程中遇到问题，或者有更好的实战经验，欢迎在评论区留言交流，一起进步、一起成长～ 觉得有用的话，别忘了点赞+收藏，后续查找更方便！