Conteúdo

Tutorial de Ollama: execute modelos de linguagem localmente

Ollama é uma ferramenta que permite executar modelos de linguagem grandes (LLMs) no seu próprio computador. Com um único comando, você pode baixar modelos de código aberto como Llama, Qwen, Gemma, DeepSeek e gpt-oss e conversar com eles. Seus dados ficam totalmente no seu computador, sem cobrança por uso.

ollama run gemma3

Este tutorial de Ollama começa pela instalação e acompanha você até a integração com Python, a geração de dados estruturados pelo modelo, o uso de ferramentas e a criação de uma base de conhecimento local com perguntas e respostas (RAG).

O que você vai aprender

O que é Ollama, o que você pode fazer com ele e que tipo de computador é necessário
Como instalar Ollama no Windows, macOS e Linux
Como escolher modelos e versões quantizadas de acordo com a memória da placa de vídeo
Como criar seu próprio modelo personalizado com um Modelfile
Como integrar Ollama por meio da REST API, Python e JavaScript
Saída estruturada (JSON), chamadas de ferramentas (Function calling), embeddings de texto e RAG
Como implantar Ollama com Docker e usar Open WebUI para criar uma interface web semelhante ao ChatGPT

Para quem é

Quem quer experimentar modelos de IA de código aberto no próprio computador
Equipes que priorizam a privacidade dos dados e não querem enviá-los para a nuvem
Desenvolvedores que querem adicionar recursos de IA aos próprios programas

Você só precisa saber digitar comandos no terminal para começar. Os capítulos sobre integração com programas usam noções básicas de Python ou JavaScript.

Começo rápido

Acesse ollama.com, baixe e instale Ollama (veja Instalar Ollama).
Abra o terminal e execute:
```
ollama run gemma3
```
Quando o download do modelo terminar, digite sua pergunta e pressione Enter para enviá-la.

Comece por O que é Ollama.

Primeiros passos

O que é Ollama
Entenda o que é o Ollama, como funciona, como se compara a serviços na nuvem como o ChatGPT, seus prós e contras e qual computador você precisa para executar modelos de IA localmente.
Instalar o Ollama
Instale o Ollama no Windows, macOS ou Linux, confira se a GPU está ativa e saiba como iniciar, atualizar e desinstalar o serviço.
Execute seu primeiro modelo
Use ollama run para baixar um modelo e conversar com ele. Aprenda os comandos do modo interativo (/set, /show, /clear, /bye), entrada em várias linhas, perguntas únicas, leitura de arquivos e imagens e como obter respostas em português.
Escolha de modelos e requisitos de hardware
Aprenda a entender indicações como 7B, 14B e Q4_K_M, estimar a memória de vídeo (VRAM) necessária e escolher modelos Ollama para cada tarefa: chat, português, programação, imagens e embeddings.
Comandos do Ollama
Guia completo dos comandos mais usados do Ollama: run, pull, list, ps, stop, rm, show, create, cp, serve, push e signin, com parâmetros e exemplos práticos.

Configurações avançadas

Modelos personalizados com Modelfile
Crie seu próprio modelo do Ollama com um Modelfile: configure o prompt de sistema e parâmetros como temperature e num_ctx, adicione diálogos de exemplo e importe modelos GGUF do Hugging Face. Inclui um exemplo de assistente em português.
Variáveis de ambiente e configurações
Veja as principais variáveis de ambiente do Ollama e saiba como configurar conexões na rede local, armazenamento de modelos, contexto, tempo de permanência e solicitações paralelas no Windows, macOS e Linux.
GPU e desempenho
Confira se o Ollama está usando a GPU, resolva problemas de uso exclusivo da CPU e veja como contexto, cache KV, Flash Attention e tamanho do modelo afetam a velocidade.
Executar com Docker
Execute Ollama com a imagem oficial ollama/ollama no Docker, configure GPUs NVIDIA e AMD, persista modelos e inicie tudo com Docker Compose e Open WebUI.

API e integração com código

REST API
Aprenda a usar a API REST do Ollama: /api/chat, /api/generate, respostas em streaming e sem streaming, options, keep_alive, imagens, modo de pensamento e compatibilidade com OpenAI.
Integração com Python
Use a biblioteca oficial ollama para Python com modelos locais: chat, saída em streaming, conversas com várias mensagens, operações assíncronas, conexão a hosts remotos e uso do OpenAI Python SDK com Ollama. Inclui exemplos completos e executáveis.
Integração com JavaScript
Use o pacote oficial ollama para chamar Ollama no Node.js e no navegador: chat, saída em streaming, cancelamento de solicitações, configuração de conexão, chamadas diretas à API REST com fetch e uso do OpenAI SDK.
Saídas estruturadas (JSON)
Use o parâmetro format do Ollama para gerar dados compatíveis com JSON Schema. Defina formatos com Pydantic em Python e Zod em JavaScript para extrair dados de textos, classificar conteúdo e extrair informações de imagens.
Chamada de ferramentas
Faça modelos do Ollama chamarem suas funções para consultar o clima, calcular valores e buscar dados. Entenda o fluxo e veja exemplos completos em Python e na REST API, com várias ferramentas e chamadas em sequência.
Embeddings e RAG
Converta texto em vetores com os modelos de embedding do Ollama (bge-m3, nomic-embed-text), faça buscas semânticas e crie uma base de conhecimento RAG local em Python com menos de 60 linhas. Veja divisão em trechos, similaridade e melhorias comuns.

Aplicações integradas

Interface web do Open WebUI
Instale o Open WebUI e conecte-o ao Ollama para criar um chat de IA local como o ChatGPT: instalação com Docker ou pip, conexão, contas, documentos, modelos personalizados e dúvidas comuns.
Modelos na nuvem
Conheça os modelos na nuvem do Ollama: execute modelos grandes remotamente, faça login, use a API, entenda a privacidade e desative os recursos de nuvem.
Perguntas frequentes e solução de problemas
Soluções para problemas comuns do Ollama: conexão na porta 11434, downloads lentos, falta de memória ou espaço, respostas truncadas e mais.

Atualizado 12 de outubro de 2026