模型的指标

原创 未完待续
AI 深度学习
发布日期:   2026-01-31
更新日期:   2026-01-31
文章字数:   2.6k
阅读时长:   10 分
阅读次数:  

ollama show 命令全解析

ollama show 是 Ollama 中用于查看模型元数据、配置信息、模板规则的核心命令，能直观获取模型的架构、能力、推理参数、Prompt 模板等关键信息，是调试模型、适配开发的必备命令，以下从命令使用方法和输出内容逐段详解两部分讲透，结合实际示例，零基础也能看懂。

一、ollama show 核心使用方法

1. 基础语法

ollama show [模型名] [可选参数]
  • 模型名：本地已拉取的模型（如 qwen2.5-coder:7b、deepseek-r1:8b、llama3.1:8b-instruct）；
  • 可选参数：按需筛选输出内容，避免信息冗余，开发/调试常用。

2. 常用参数（高频实用）

参数 作用 示例 适用场景
无参数 查看模型完整元数据（默认） ollama show qwen2.5-coder:7b 全面了解模型配置
--modelfile 查看模型的Modelfile 构建配置 ollama show deepseek-r1:8b --modelfile 自定义/修改模型配置时参考
--parameters 仅查看模型推理参数（stop/temp 等） ollama show llama3.1:8b-instruct --parameters 调试推理参数、覆盖默认值
--template 仅查看模型的Prompt 模板 ollama show qwen2.5-coder:7b --template 开发时适配模型的Prompt格式
--system 仅查看模型的默认系统提示词 ollama show qwen2.5-coder:7b --system 自定义系统提示、修改模型人设
--license 仅查看模型的开源协议 ollama show deepseek-r1:8b --license 确认商用/非商用权限
-f/--format 指定输出格式（json/yaml） ollama show qwen2.5-coder:7b -f json 程序/脚本解析模型信息

3. 实操示例

# 查看qwen2.5-coder:7b的完整信息（最常用）
ollama show qwen2.5-coder:7b

# 仅查看deepseek-r1:8b的Prompt模板（开发对接必备）
ollama show deepseek-r1:8b --template

# 以JSON格式输出llama3.1的参数，方便脚本解析
ollama show llama3.1:8b-instruct --parameters -f json

4. 前置条件

执行前需本地已拉取对应模型，若未拉取，先执行 ollama pull 模型名（如 ollama pull qwen2.5-coder:7b），否则会提示「model not found」。

二、ollama show 输出内容逐段详细讲解

以你之前的实际输出（deepseek-r1:8b 和 qwen2.5-coder:7b）为基础，结合通用模型的输出结构，按模块拆解，每个字段的含义、作用、实操价值都讲清，所有 Ollama 模型的输出都遵循此结构。

模块1：Model - 模型底层硬件/架构核心信息

这是模型的基础属性，决定模型的运行要求、核心能力上限，是部署/选型的关键依据，示例：

Model
  architecture        qwen3
  parameters          8.2B
  context length      131072
  embedding length    4096
  quantization        Q4_K_M
字段 含义 实操价值
architecture 模型底层训练架构（如 qwen2/qwen3/llama3/mistral） 决定模型的Prompt模板、推理逻辑、生态兼容，不同架构的Prompt格式不通用，开发时需匹配；
parameters 模型参数量（如 7.6B/8.2B/70B） 参数量≈模型理解/推理能力，越大能力越强，但对硬件（内存/显卡）要求越高；8B级适合本地部署，70B级需高端显卡/服务器；
context length 上下文窗口（单位：Token） 模型能记住/处理的最大文本长度，1Token≈0.75个中文字；131072（128k）可处理整份文档，32768（32k）适合日常对话/代码，是超长文本处理的核心指标；
embedding length 文本嵌入向量长度 仅影响文本嵌入/检索场景（如把文字转向量做相似度匹配），日常对话/工具调用无需关注；
quantization 模型量化级别（如 Q4_K_M/Q5_K_M/Q8_0） 平衡模型性能和硬件占用的关键：<br>✅ Q4_K_M（最常用）：本地部署首选，占用内存小（8B级约4-5G内存），推理速度快，精度损失小；<br>✅ Q5_K_M：精度更高，占用略大；<br>✅ Q8_0：接近原生精度，适合服务器，本地不推荐；

模块2：Capabilities - 模型原生支持的核心功能（最关键）

Ollama 对模型的功能硬限制，没有标注的能力，强制调用会直接报错（如你之前遇到的 deepseek-r1:8b 无 tools 导致工具调用失败），示例：

# deepseek-r1:8b
Capabilities
  completion
  thinking

# qwen2.5-coder:7b
Capabilities
  completion
  tools
  insert
能力值 含义 适用场景
completion 基础文本补全能力 所有大模型都支持，实现对话、写文案、补代码、生成文本等基础功能，是核心基础能力；
tools 工具/函数调用能力 模型能识别需求，按指定格式生成工具调用指令（如调用API、查数据库、执行代码），是对接 Agent、LangChain、New API 的必备能力；无此字段则绝对无法调用工具；
thinking 分步推理/思考能力 模型能拆解复杂问题、分步计算/分析（如数学题、逻辑推理、复杂任务拆解），适合推理型场景；
insert 文本/代码插入能力 模型能在已有文本/代码的中间位置生成内容（而非仅在末尾补全），是代码开发的核心能力（如在代码中间补逻辑、在文案中间加段落）；
embeddings 文本嵌入能力 模型能将文字转换为向量，用于文本检索、相似度匹配、知识库问答等场景；

模块3：Parameters - 模型默认推理配置

模型生成内容时的默认行为参数，可在调用时（ollama run/API）通过参数覆盖，若模型未配置自定义参数，此字段会自动省略（如 qwen2.5-coder:7b），示例：

Parameters
  stop           "<｜begin▁of▁sentence｜>"
  stop           "<｜end▁of▁sentence｜>"
  stop           "<｜User｜>"
  stop           "<｜Assistant｜>"
  temperature    0.6
  top_p          0.95
字段 含义 可调范围 实操价值
stop 停止符（可配置多个） 自定义字符串 模型生成内容时，遇到该字符立即停止，核心作用：<br>1. 避免生成冗余内容；<br>2. 适配模型的Prompt模板，保证输出格式规范；<br>3. 防止模型篡改角色（如助手冒充用户）；
temperature 生成随机性 0 ~ 2 0=输出完全固定（确定性高），1=随机性适中，2=高随机（内容多样但可能偏离主题）；<br>推理/代码场景设0.1-0.6，创意生成设0.8-1.2；
top_p 核采样阈值 0 ~ 1 和 temperature 配合控制随机性，通常设0.9-0.95，无需单独修改，随temperature调整即可；
max_tokens 单次最大生成Token数 1 ~ 上下文窗口值 限制模型单次回答的最大长度，避免生成过长内容；
repeat_penalty 重复生成惩罚 1.0 ~ 2.0 防止模型重复生成相同内容（如反复说一句话），值越大惩罚越重，通常设1.1-1.2；

模块4：System - 模型默认系统提示词

模型的原生人设/基础指令，约束模型的回答风格、角色定位，若未配置，此字段会省略，示例：

System
  You are Qwen, created by Alibaba Cloud. You are a helpful assistant.
  • 作用：默认约束模型的行为（如“做一个有用的助手”“专业的代码工程师”）；
  • 实操：调用模型时可通过 --system 参数自定义覆盖（如 ollama run qwen2.5-coder:7b --system "你是一名资深Java工程师，回答简洁专业"）。

模块5：Template - 模型Prompt 模板（开发对接核心）

模型的原生输入格式规则，Ollama 会自动将用户的对话转换为该模板格式传给模型，不同架构/模型的模板不通用，若手动写Prompt，必须遵循此格式，否则模型会回答异常，示例（qwen2 架构模板）：

Template
  {%- if messages[0].role == 'system' -%}
    {%- set system_message = messages[0].content -%}
    {%- set messages = messages[1:] -%}
  {%- else -%}
    {%- set system_message = '' -%}
  {%- endif -%}
  {%- for message in messages %}
    {%- if message.role == 'user' -%}
      {{- '<|im_start|>user\n' + message.content + '<|im_end|>\n' -}}
    {%- elif message.role == 'assistant' -%}
      {{- '<|im_start|>assistant\n' + message.content + '<|im_end|>\n' -}}
    {%- elif message.role == 'tool' -%}
      {{- '<|im_start|>tool\n' + message.content + '<|im_end|>\n' -}}
    {%- endif -%}
  {%- endfor -%}
  {{- '<|im_start|>assistant\n' -}}
  • 核心标识：如 qwen2 的 <|im_start|>user/<|im_start|>assistant，deepseek-r1:8b 的 <｜User｜>/<｜Assistant｜>；
  • 实操价值：通过 ollama show 模型名 --template 查看模板，是代码对接Ollama API、自定义Prompt的必备步骤，确保模型能正确识别用户/助手/工具的角色。

模块6：License - 模型开源协议

模型的使用权限说明，决定个人/企业能否免费使用、商用、二次开发，示例：

License
  MIT License
  Copyright (c) 2023 DeepSeek
  ...
  • 常见友好协议：MIT、Apache 2.0（个人/企业可免费使用、商用，无授权限制）；
  • 受限协议：非商业用途（仅个人使用，禁止商用）、需申请授权等；
  • 实操价值：商用前必须查看，避免侵权。

三、关键补充：不同模型输出差异的原因

部分模型会省略某些模块（如 qwen2.5-coder:7b 省略 Parameters），并非模型没有该属性，而是Ollama的兜底机制：

当模型的Modelfile中未配置自定义参数/系统提示时，Ollama会使用全局默认值，此时 ollama show 会省略对应模块，不影响模型使用，且所有默认值都能在调用时手动覆盖。

例如：

  • qwen2.5-coder:7b 未配置自定义 Parameters → 省略该模块，使用Ollama全局默认值（temperature=0.7、top_p=0.9、stop=</s>）；
  • deepseek-r1:8b 配置了自定义 stop 符 → 显示 Parameters 模块，使用自定义值。

四、ollama show 核心使用场景总结

  1. 模型选型：通过 Model 模块看参数量、上下文窗口，Capabilities 看是否支持工具/推理，选择适配场景的模型；
  2. 开发对接：通过 --template 查看Prompt模板，--capabilities 确认工具调用能力，保证代码和模型兼容；
  3. 调试优化：通过 --parameters 查看默认推理参数，调用时覆盖（如调低temperature提升推理准确性）；
  4. 权限确认：通过 --license 查看开源协议，确认商用/二次开发权限；
  5. 自定义模型：通过 --modelfile 查看模型的构建配置，基于此修改并创建自定义模型（如添加stop符、修改系统提示）。

五、高频实操组合命令

# 1. 快速查看模型是否支持工具调用（开发必备）
ollama show 模型名 | grep -A 5 Capabilities

# 2. 查看模型的Prompt模板并保存到本地，方便开发参考
ollama show 模型名 --template > 模型名-template.txt

# 3. 以JSON格式输出所有推理参数，供脚本/程序解析
ollama show 模型名 --parameters -f json > 模型名-params.json

# 4. 一次性查看模型的模板+系统提示+能力，适配Agent开发
ollama show 模型名 --template --system --capabilities
原创 未完待续
赏
评论