Technical Tutorials

للمطورين الذين يعملون مع نماذج اللغة الكبيرة المحلية (LLMs)، الاتساق هو الملك. واحدة من أقوى ميزات Ollama، رغم أنها غير مستغلة بالكامل، هي Modelfile. فكّر فيه على أنه Dockerfile لنماذج الذكاء الاصطناعي. من خلال إتقان ملفات Modelfile، يمكنك الانتقال من مجرد سحب النماذج الجاهزة إلى صياغة وتغليف وتوزيع إعدادات نماذج مخصصة تضمن سلوكًا متطابقًا عبر أي جهاز يشغّل Ollama.

لماذا يهم التكرار في الذكاء الاصطناعي المحلي

في نشر الذكاء الاصطناعي السحابي، يمكن أن تنحرف متغيرات البيئة وإعدادات الخادم بصمت. محليًا، تتجلى هذه الانحرافات بشكل مختلف: قالب موجه (prompt template) يعمل على جهاز التطوير الخاص بك قد يفشل على جهاز زميلك بسبب اختلافات دقيقة في إصدارات النموذج أو المعلمات النظامية. يحل ملف Modelfile هذه المشكلة من خلال تضمين البنية الأساسية للنموذج، والموجّهات النظامية، ومعلمات الاستدلال في ملف نصي واحد مُتحكَّم في إصداره. هذا يضمن أن أي شخص يشغّل ollama run يحصل على المخرجات المنطقية نفسها تمامًا، بغض النظر عن العتاد الأساسي الخاص به.

تشريح ملف Modelfile متين

يحدد ملف Modelfile الأساسي نموذجًا أساسيًا، لكن الملف الجاهز للإنتاج يتضمن مجموعات تعليمات محددة وضبطًا للمعلمات. أدناه مثال على نموذج "CodeReviewer" مخصص مبني فوق llama3:

# Modelfile: CodeReviewer
FROM llama3:8b-instruct-q5_K_M

# تحديد السلوك الأساسي
SYSTEM أنت مهندس برمجيات أول. مهمتك هي مراجعة مقاطع الشيفرة بحثًا عن ثغرات أمنية، وعوائق الأداء، ومشاكل الأسلوب. قدّم دائمًا ملاحظات بناءة.

# معلمات الضبط لتوليد الشيفرة
PARAMETER temperature 0.3
PARAMETER top_p 0.9
PARAMETER num_ctx 8192

# اختياري: قالب موجه مخصص لتنسيق محدد
TEMPLATE """
<|begin_of_text|><|start_header_id|>system<|end_header_id|>
{{ .System }}
<|eot_id|><|start_header_id|>user<|end_header_id|>
{{ .Prompt }}
<|eot_id|><|start_header_id|>assistant<|end_header_id|>
"""

لاحظ توجيه FROM الذي يستخدم وسم تكميم (quantization) محددًا (q5_K_M). هذا أمر حاسم لإدارة التبعيات. إذا حددت فقط FROM llama3، فقد يسحب Ollama التكميم الافتراضي، والذي قد يختلف بين إصدارات Ollama. تثبيت الإصدار يضمن اتساقًا مطابقًا للبت في أوزان النموذج.

أتمتة عملية البناء

لدمج هذا في سير عمل CI/CD أو التطوير الخاص بك، يمكنك برمجة عملية البناء. هذا يتيح لك اختبار أن نموذجك المخصص يتصرف كما هو متوقع قبل الالتزام بملف Modelfile في مستودعك.

#!/bin/bash
# build_model.sh

MODEL_NAME="codereviewer"
MODFILE_PATH="./Modelfile"

echo "Building ${MODEL_NAME}..."
ollama create ${MODEL_NAME} -f ${MODFILE_PATH}

if [ $? -eq 0 ]; then
    echo "Success. Running smoke test..."
    ollama run ${MODEL_NAME} "Review this Python function: def add(a,b): return a+b"
else
    echo "Build failed. Check Modelfile syntax."
    exit 1
fi

إدارة التبعيات والإصدارات

ملفات Modelfile لا تكتفي بإعداد الموجّهات؛ بل يمكنها أيضًا التعامل مع تبعيات الملفات. إذا كان نموذجك يتطلب أمثلة few-shot محددة أو مخططات JSON مخزنة في ملفات محلية، يمكنك استخدام توجيه ADDITIONAL_FILES (مدعوم في إصدارات Ollama الأحدث) أو ربط هذه الملفات عبر قالب الموجّه. لإدارة تبعيات أكثر صرامة، حافظ على requirements.txt أو environment.yml جنبًا إلى جنب مع ملف Modelfile الخاص بك لضمان بقاء بيئة Python على المضيف (في حال استخدام سكربتات Python للمعالجة المسبقة) متسقة مع منطق النموذج.

الخاتمة

ملفات Modelfile في Ollama هي المفتاح لمعاملة نماذج LLM المحلية كأصول برمجية من الدرجة الأولى. من خلال تثبيت إصدارات النماذج الأساسية، وتعريف الموجّهات النظامية صراحةً، وأتمتة عملية البناء، أنت تزيل مشكلة "يعمل على جهازي". مع انتقال الذكاء الاصطناعي المحلي من التجريب إلى الإنتاج، ستصبح انضباط التغليف القابل للتكرار ممارسة قياسية لكل مطور في هذا المجال. ابدأ صغيرًا: حوّل موجهك المفضل إلى ملف Modelfile، وشاهد كيف يصبح تطوير الذكاء الاصطناعي المحلي الخاص بك أكثر متانة بشكل كبير.