4、环境准备与依赖安装：Python环境配置、requests库安装、openai库安装、Ollama服务启动与验证

说实话，很多同学在学API对接时，最容易卡住的反而不是代码逻辑，而是环境没搭好。我见过太多人花了两小时调代码，最后发现是Python版本不对，或者Ollama服务根本没起来。所以这一章，咱们把地基打牢。

4.1 Python环境配置

我个人习惯用Python 3.10以上版本。为什么？因为新版本的openai库对3.8以下的支持已经逐渐弱化了。你在项目中如果遇到SSL证书报错或者某些异步方法找不到，八成是Python版本太老。

第一步：检查当前Python版本

打开你的终端（Windows用CMD或PowerShell，Mac/Linux用Terminal），输入：

python --version

如果显示的是 Python 3.8.x 或更低，我建议你升级。如果你机器上同时有Python2和Python3，可能需要用 python3 --version 来确认。

第二步：创建虚拟环境（强烈推荐）

嗯，这里要注意。千万别把依赖直接装到全局环境里。我曾经有一次把项目A的依赖和项目B的依赖混在一起，结果两个项目都跑不起来，排查了一下午才发现是某个库版本冲突。从那以后，我每个项目都老老实实用虚拟环境。

# 创建虚拟环境
python -m venv ollama_env

# 激活虚拟环境
# Windows:
ollama_env\Scripts\activate

# Mac/Linux:
source ollama_env/bin/activate

激活成功后，你的终端前面会出现 (ollama_env) 字样，这就对了。

4.2 安装requests库

requests库是Python世界里最常用的HTTP请求库。虽然openai库内部也封装了请求，但我们在调试时经常需要直接用requests来测试接口通不通。说白了，它就是你的“网络探针”。

安装命令很简单：

pip install requests

验证是否安装成功：

python -c "import requests; print(requests.__version__)"

如果输出版本号，比如 2.31.0，那就没问题。如果报错说找不到模块，检查一下你是不是在虚拟环境里。

4.3 安装openai库

openai库是官方提供的Python SDK。但这里有个关键点：Ollama兼容的是OpenAI的接口格式，所以我们直接用openai库，把base_url指向Ollama的地址就行。你想想看，这多方便——代码几乎不用改，换个base_url就能在本地跑大模型。

安装命令：

pip install openai

验证安装：

python -c "import openai; print(openai.__version__)"

目前我推荐使用 openai >= 1.0.0 的版本。1.0版本之后，API的调用方式有了较大变化，更简洁也更统一。如果你用的是旧版本，建议升级：

pip install --upgrade openai

4.4 Ollama服务启动与验证

这是整个环境准备中最关键的一步。Ollama服务没起来，后面所有代码都是白搭。

第一步：启动Ollama服务

如果你是在本地安装的Ollama，通常服务会自动启动。但为了保险起见，我建议手动确认一下：

# 启动Ollama服务（Mac/Linux）
ollama serve

# Windows用户可以在开始菜单找到Ollama，或者用命令行
ollama serve

启动成功后，你会看到类似这样的日志：

INFO[0000] Listening on 127.0.0.1:11434

端口11434就是Ollama的默认监听端口。记住这个端口号，后面配置base_url时会用到。

第二步：拉取一个模型

Ollama本身只是一个框架，你需要拉取具体的模型才能用。我个人习惯先用 llama3.2 或 qwen2.5 这类小模型做测试，速度快，资源占用低。

# 拉取模型（以qwen2.5:1.5b为例）
ollama pull qwen2.5:1.5b

下载完成后，你可以直接测试一下：

ollama run qwen2.5:1.5b "你好，请用一句话介绍自己"

如果模型能正常回复，说明Ollama本身没问题。

第三步：用Python验证接口兼容性

这才是我们这节课的重点。我们要确认openai库能通过Ollama的接口调用模型。写一个简单的测试脚本：

from openai import OpenAI

# 初始化客户端，指向Ollama的地址
client = OpenAI(
    base_url="http://localhost:11434/v1",
    api_key="ollama"  # Ollama不验证api_key，但openai库要求必填，随便填一个
)

# 发送请求
response = client.chat.completions.create(
    model="qwen2.5:1.5b",
    messages=[
        {"role": "user", "content": "你好，请用一句话介绍自己"}
    ]
)

# 打印回复
print(response.choices[0].message.content)

运行这个脚本，如果能看到模型返回的内容，恭喜你——环境搭建成功！

4.5 知识体系总览

为了让你对整个环境准备有个全局认识，我画了一张流程图。你看一眼就明白各个组件之间的关系了：

这张图其实就说明了一件事：你的Python代码（通过openai库）向Ollama服务发请求，Ollama调用本地模型返回结果。整个链路中，任何一个环节断了，验证脚本都会报错。

4.6 常见问题与排查

问题现象	可能原因	解决办法
Connection refused	Ollama服务未启动	运行 ollama serve 启动服务
ModuleNotFoundError	依赖未安装或虚拟环境未激活	检查终端是否有 (ollama_env) 前缀
模型返回乱码	模型未正确拉取或版本不兼容	重新 ollama pull 指定模型
openai报错404	base_url路径写错	确认是 http://localhost:11434/v1 末尾有 /v1

好了，环境准备就到这里。你现在应该已经跑通了第一个测试脚本。记住这个感觉——后面所有的API调用，都是在这个基础上展开的。