Guia Ollama LLM local
18 posts nesta série
Uma trilha de LLM local para Ollama, modelos, APIs, Web UI, RAG local e decisões de hardware.
Ollama: como instalar e executar LLMs localmente
Aprenda a instalar e configurar o Ollama, gerenciar modelos, ativar a aceleração por GPU e integrar LLMs locais às suas aplicações por API.
Gerenciamento de modelos no Ollama: guia completo para baixar, alternar, excluir e controlar versões
Aprenda os principais comandos de gerenciamento de modelos no Ollama, incluindo download de versões específicas, troca de modelos, scripts para exclusão em lote e boas práticas de controle de versões, para organizar sua biblioteca local de LLMs, liberar espaço em disco e evitar confusão entre versões. Ideal para desenvolvedores de IA e usuários que implantam o OpenClaw.
Rollback de versão do Ollama na prática: 3 passos críticos que 90% dos devs ignoram
O sistema ficou instável depois de atualizar o Ollama? Veja três formas completas de fazer rollback de versão, com troca de binário, gerenciador de pacotes, Docker, scripts de automação e coexistência de múltiplas versões.
Ollama Modelfile: parâmetros e modelos personalizados
Entenda os 10 principais parâmetros do Ollama Modelfile, ajuste temperature e num_ctx e use quatro modelos prontos para criar versões personalizadas.
Llama 70B local: guia para comparar 5700XT, Mac M4 e CUDA
Quer rodar o Llama 70B localmente? Este guia compara AMD 5700XT, Mac M4 e NVIDIA CUDA com dados práticos para escolher o hardware certo, incluindo VRAM, desempenho e armadilhas.
Tabela de hardware para Ollama: VRAM, quantização e guia de GPU (2026)
Uma tabela completa para escolher hardware para Ollama: requisitos de VRAM para modelos 7B/13B/70B, comparativo de quantização Q4/Q8 e detalhes de NVIDIA CUDA, AMD ROCm e Apple Metal. Da RTX 3060 a 5090, veja como combinar GPU e modelo.
Aceleração por GPU no Ollama: guia prático com CUDA, ROCm e Metal
Guia completo de aceleração por GPU no Ollama: cobre NVIDIA CUDA, AMD ROCm e Apple Metal, com configuração, verificação, múltiplas GPUs e troubleshooting para acelerar a inferência de LLM local em 10 a 20 vezes.
Agendamento de GPU e gestão de recursos no Ollama: otimização de VRAM e balanceamento entre várias GPUs
Otimize a VRAM e distribua cargas entre várias GPUs no Ollama com ajustes de parâmetros, Nginx, fundamentos do llama.cpp e três casos práticos.
Otimização de desempenho do Ollama na prática: guia de quantização, lotes e memória
Veja como escolher entre quantizações Q4, Q5 e Q8 no Ollama, ajustar num_batch para aumentar a vazão e gerenciar a memória da GPU para evitar erros de OOM.
Como executar vários modelos no Ollama: Qwen, Llama e DeepSeek em paralelo
Configure o Ollama para executar Qwen, Llama e DeepSeek em paralelo, compare os pontos fortes de cada modelo e gerencie VRAM, pré-carregamento e troca.
Ollama + Open WebUI: como criar uma interface local estilo ChatGPT (guia completo)
Aprenda passo a passo a criar localmente uma interface de conversa com IA no estilo ChatGPT usando Ollama e Open WebUI, com instalação, escolha de modelos, base de conhecimento RAG, integração via API e otimização de desempenho em 30 minutos
Chamadas à API do Ollama: do curl à interface compatível com o SDK da OpenAI
Aprenda duas formas de chamar a API do Ollama: a API REST nativa com curl e a interface compatível com o SDK da OpenAI. Inclui exemplos completos, processamento de respostas em streaming e boas práticas.
Ollama API na prática: guia para clientes em Python e Node.js
Aprenda a usar a API do Ollama com os SDKs nativos para Python e Node.js, respostas em streaming, Agent Loop com ferramentas, modo thinking e integração compatível com a OpenAI
LangChain + Ollama na prática: guia completo para criar aplicações com LLM local
Aprenda a integrar LangChain e Ollama com exemplos de Chat, RAG e Agent, além de estratégias para alternar entre modelos locais e a OpenAI.
Ollama Embedding na prática: busca vetorial local e RAG
Monte um sistema RAG local com Ollama: compare mxbai-embed-large, nomic-embed-text e Qwen3, escolha entre ChromaDB, FAISS e Milvus e implemente o fluxo completo em Python.
Quantização de modelos no Ollama: guia completo sobre GGUF e perda de precisão
Entenda em detalhes como funciona a quantização GGUF no Ollama, veja o que mais de 500 mil avaliações da Red Hat revelam sobre a perda de precisão e escolha o nível ideal para executar modelos de linguagem em GPUs de uso doméstico.
Monitoramento do Ollama em produção: logs e alertas com Prometheus
Guia completo para monitorar o Ollama em produção, com configuração de logs, coleta de métricas no Prometheus, regras de alerta no AlertManager e dashboards no Grafana, incluindo monitoramento de múltiplas GPUs e recuperação automática de falhas.
Mnemo com Ollama: memória local, implantação e controle
Mnemo dá memória entre sessões ao Ollama com Rust, SQLite e um grafo. Teste a API e avalie exclusão, migração e limites no uso entre agentes.
