Ollama-python 项目中使用 Modelfile 创建自定义模型的注意事项
2025-05-30 14:42:34作者:史锋燃Gardner
在 ollama-python 项目中创建自定义模型时,开发者经常会使用 Modelfile 来定义模型的行为和特性。然而,一个常见的错误可能导致创建过程失败,本文将详细解析这个问题及其解决方案。
问题现象
当开发者尝试通过 Python 代码创建自定义模型时,可能会遇到如下错误提示:
ResponseError: command must be one of "from", "license", "template", "system", "adapter", "parameter", or "message"
这个错误通常发生在使用 ollama.create() 方法并传入 modelfile 参数时,表明 Modelfile 的语法结构存在问题。
问题根源
经过分析,这类错误最常见的原因是 Modelfile 中的 SYSTEM 指令内容没有正确使用三重引号闭合。在示例中,开发者将 "Très important" 这段文本放在了 SYSTEM 指令的三重引号之外,导致解析器无法识别这部分内容的指令类型。
正确的 Modelfile 结构
一个规范的 Modelfile 应该遵循以下结构:
modelfile = '''
FROM 模型名称
SYSTEM """
这里是系统指令内容
所有相关内容都应包含在三重引号内
"""
'''
关键要点:
- FROM 指令必须放在首位,指定基础模型
- SYSTEM 指令需要使用三重引号(""")将内容完整包裹
- 所有与系统提示相关的内容都应包含在三重引号内
解决方案
对于出现的问题,修正方法是将所有系统提示内容都包含在 SYSTEM 指令的三重引号内:
modelfile='''FROM ''' + TARGET_MODEL + '''
SYSTEM """Tu es un expert en ressources humaines. Ta spécialité est de lier des activités ou des sujets au
référentiel des codes ROME de France Travail.
[...其他内容...]
Très important : plus le json sera complet, meilleures seront les analyses produites par la suite par le data-analyste.
"""
'''
最佳实践建议
- 语法检查:在创建模型前,先打印出完整的 modelfile 内容进行检查
- 引号匹配:确保所有指令内容都被正确的引号包裹
- 指令顺序:保持 FROM 指令在最前面,其他指令按需排列
- 内容组织:较长的系统提示可以预先定义在单独变量中,提高可读性
- 错误处理:在代码中添加对 ResponseError 的捕获和处理逻辑
通过遵循这些规范,开发者可以避免常见的 Modelfile 语法错误,顺利创建自定义模型。记住,Modelfile 的语法要求严格,任何格式上的小错误都可能导致创建失败。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
169
190
React Native鸿蒙化仓库
JavaScript
240
315
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
258
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
374
3.2 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
262
92