用途：把应用连接到本地运行的 Ollama 模型，通过 HTTP 接口完成对话、文本生成、向量嵌入等调用。默认基地址为 http://localhost:11434，模型需先在本地存在（ollama pull）。
主要能力与端点：POST /api/chat 用于多轮对话与流式输出；POST /api/generate 用于单次提示补全；POST /api/embeddings 生成向量；GET /api/tags 列出已拉取模型；POST /v1/chat/completions 为 OpenAI 兼容端点，便于复用现有客户端。
使用方式：chat 请求体包含 model、messages（system/user/assistant/tool）与 stream 字段，可通过 options 设置 temperature、num_ctx 等；模型名建议通过配置或环境变量固定，未拉取时明确报错。流式返回为 NDJSON，逐行读取直到 done 为 true；浏览器不宜直连时，可在服务端代理为 SSE，并向上游传播取消信号。OpenAI 兼容模式使用 baseURL http://localhost:11434/v1 与占位 apiKey "ollama"，但并非所有 OpenAI 参数都被支持，需在目标模型上验证。
适用场景：本地模型对话应用、RAG 检索（embeddings 加索引）、需要复用 OpenAI 客户端的项目。
限制与注意：Ollama 应运行在服务端或后端，不要在没有认证或代理的情况下把端口暴露到公网；需处理超时与取消，生成可能耗时较长；并发过高时应在应用侧排队；健康检查可用 GET /api/tags 或短生成；避免在日志中记录含个人信息的完整提示词；不要假设所有模型都支持工具调用或视觉；生产环境更换模型前应做质量与延迟测试。GPU/CPU 与 num_parallel 会影响延迟，应在真实硬件上测量 p95。