Ollama コンプリートガイド 2026：Llama/Mistral 大規模言語モデルをローカルで実行、プライバシー最優先の AI 開発ツール

# 方法 1：ワンクリックインストール（推奨）
curl -fsSL https://ollama.com/install.sh | sh

# 方法 2：Homebrew でインストール
brew install ollama

# インストール確認
ollama --version

# ワンクリックインストール（systemd サービス込み）
curl -fsSL https://ollama.com/install.sh | sh

# 手動インストール（バイナリ方式）
curl -fsSL https://ollama.com/install.sh | OLLAMA_INSTALL=1 sh

# systemd で管理
sudo systemctl start ollama
sudo systemctl enable ollama

# 確認
ollama --version

# Windows インストーラーをダウンロード
winget install Ollama.Ollama

# または公式サイトからインストーラーをダウンロード
# https://ollama.com/download/OllamaSetup.exe

# 確認
ollama --version

# 公式イメージを取得
docker run -d --gpus=all -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

# 確認
docker exec ollama ollama list

ollama run llama3.2

# ローカルにインストール済みのモデル一覧
ollama list

# 出力例：
# NAME                    ID              SIZE    MODIFIED
# llama3.2:latest         a1b2c3d4e5f6    2.0 GB  2 hours ago
# mistral:7b              f6e5d4c3b2a1    4.1 GB  1 day ago
# qwen2.5:14b             1a2b3c4d5e6f    8.9 GB  3 days ago

# 指定モデルをダウンロード
ollama pull llama3.2
ollama pull mistral:7b
ollama pull qwen2.5:14b

# 特定のバージョンをダウンロード
ollama pull llama3.2:3b

ollama run mistral:7b

# 単一モデルを削除
ollama rm llama3.2

# 全モデルのディスク使用量を確認
du -sh ~/.ollama/models/*

FROM llama3.2:3b

# システムプロンプトを設定
SYSTEM """
あなたは Python 開発のエキスパートです。
回答時は：
1. まず実行可能なコード例を示す
2. コードの重要なロジックを解説する
3. 潜在的な落とし穴と最適化ポイントを指摘する
"""

# 生成パラメータを調整
PARAMETER temperature 0.7
PARAMETER top_p 0.9
PARAMETER num_ctx 4096

# モデルを作成
ollama create my-python-assistant -f Modelfile

# カスタムモデルを実行
ollama run my-python-assistant

# テキスト生成（非ストリーミング）
curl http://localhost:11434/api/generate -d '{
  "model": "llama3.2",
  "prompt": "Python でバブルソートを書いてください",
  "stream": false
}'

# Chat 形式（複数ターンの対話）
curl http://localhost:11434/api/chat -d '{
  "model": "llama3.2",
  "messages": [
    {"role": "system", "content": "あなたはコードのエキスパートです"},
    {"role": "user", "content": "async/await を説明してください"}
  ],
  "stream": false
}'

# OpenAI 互換の /v1/chat/completions
curl http://localhost:11434/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer ollama" \
  -d '{
    "model": "llama3.2",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

# インストール
# pip install ollama

import ollama

# 単純な生成
response = ollama.generate(
    model='llama3.2',
    prompt='量子コンピューティングを一言で説明してください'
)
print(response['response'])

# Chat 形式
response = ollama.chat(
    model='llama3.2',
    messages=[
        {'role': 'system', 'content': 'あなたはコードレビューのエキスパートです'},
        {'role': 'user', 'content': 'このコードの問題点は？\n\nfor i in range(len(arr)):\n    if arr[i] == x: return i'}
    ]
)
print(response['message']['content'])

# ストリーミング出力
stream = ollama.chat(
    model='llama3.2',
    messages=[{'role': 'user', 'content': 'プログラミングに関する詩を書いてください'}],
    stream=True
)
for chunk in stream:
    print(chunk['message']['content'], end='', flush=True)

from openai import OpenAI

# Ollama のローカルエンドポイントを指定
client = OpenAI(
    base_url='http://localhost:11434/v1',
    api_key='ollama'  # 任意の値でOK
)

response = client.chat.completions.create(
    model='llama3.2',
    messages=[
        {'role': 'user', 'content': 'RAG とは何か説明してください'}
    ]
)
print(response.choices[0].message.content)

// npm install ollama
import { Ollama } from 'ollama';

const ollama = new Ollama();

// 単純な生成
const response = await ollama.generate({
  model: 'llama3.2',
  prompt: 'Docker とは何ですか？',
});
console.log(response.response);

// Chat 形式
const chat = await ollama.chat({
  model: 'llama3.2',
  messages: [
    { role: 'user', content: 'Rust を学ぶためのリソースを 5 つ教えてください' }
  ],
});
console.log(chat.message.content);

import ollama
import sys

def review_code(code: str, language: str = "Python"):
    """ローカルコードレビュー"""
    response = ollama.chat(
        model='llama3.2',
        messages=[
            {'role': 'system', 'content': f'''あなたは経験豊富な {language} コードレビュアーです。
以下の観点からコードをレビューしてください：
1. コードスタイル（PEP 8 / ベストプラクティス）
2. 潜在的なバグと境界ケース
3. パフォーマンスの問題
4. セキュリティ脆弱性
5. 改善提案

出力フォーマット：
- 問題レベル：🔴 重大 / 🟡 警告 / 🟢 提案
- 問題の説明
- 修正コード例'''},
            {'role': 'user', 'content': f'以下のコードをレビューしてください：\n\n```{language}\n{code}\n```'}
        ]
    )
    return response['message']['content']

if __name__ == '__main__':
    # ファイルからコードを読み込み
    with open(sys.argv[1], 'r') as f:
        code = f.read()
    print(review_code(code))

python review.py my_script.py

# pip install ollama chromadb sentence-transformers

import ollama
import chromadb
from chromadb.utils import embedding_functions

# Chroma クライアントを初期化
chroma_client = chromadb.Client()

# ローカル埋め込みモデルを使用
embed_fn = embedding_functions.SentenceTransformerEmbeddingFunction(
    model_name="all-MiniLM-L6-v2"
)

collection = chroma_client.get_or_create_collection(
    name="knowledge_base",
    embedding_function=embed_fn
)

# ドキュメントを追加
def add_document(text: str, metadata: dict = None):
    collection.add(
        documents=[text],
        metadatas=[metadata or {}],
        ids=[f"doc_{collection.count()}"]
    )

# 関連ドキュメントを検索
def retrieve(query: str, n_results: int = 3):
    results = collection.query(
        query_texts=[query],
        n_results=n_results
    )
    return results['documents'][0]

# 回答を生成
def rag_answer(question: str) -> str:
    # 1. 関連ドキュメントを検索
    context_docs = retrieve(question)
    context = "\n\n".join(context_docs)

    # 2. Ollama で回答を生成
    response = ollama.chat(
        model='llama3.2',
        messages=[
            {'role': 'system', 'content': f'以下のコンテキストに基づいて質問に答えてください：\n\n{context}'},
            {'role': 'user', 'content': question}
        ]
    )
    return response['message']['content']

# 使用例
add_document("Ollama は Llama、Mistral、Qwen などのオープンソースモデルをサポートしています")
add_document("Ollama は OpenAI 互換の REST API を提供しています")
print(rag_answer("Ollama はどのモデルをサポートしていますか？"))

import ollama
import json

def extract_entities(text: str) -> dict:
    """テキストからエンティティを抽出"""
    response = ollama.chat(
        model='llama3.2',
        messages=[{
            'role': 'user',
            'content': f'''以下のテキストからエンティティを抽出し、JSON 形式で返してください：
{text}

返却フォーマット：
{{
  "人物": [],
  "組織": [],
  "場所": [],
  "時間": [],
  "イベント": []
}}'''
        }]
    )
    try:
        return json.loads(response['message']['content'])
    except json.JSONDecodeError:
        return {}

# バッチ処理
texts = [
    "Apple の CEO ティム・クックが 2026 年 6 月に北京を訪問",
    "OpenAI がサンフランシスコで GPT-5 をリリース"
]

for text in texts:
    entities = extract_entities(text)
    print(json.dumps(entities, ensure_ascii=False, indent=2))