← 返回列表

新工具 Ollama 官方博客 · ollama.com/blog

用 Ollama 决策模型在本机一次请求得到多个有类型的判断

装好 Ollama 0.35 或更高版本，下载 0.8B 的决策模型，向本机 /v1/systemone 接口发一条工单，同时拿到“该派给哪个团队”等多个判断及各选项的概率。

开始尝试

效果

本站验证时的实际输出：{"team":{"type":"choice","choice":"billing","probabilities":{"billing":0.956,"technical":0.0003,"other":0.043},"confidence":0.934}}（tev1:0.8b，2026-10-18）。没有可展示的图片，用实际返回代替。

这是什么

新在哪里：以前在本机做工单分流、内容审核这类判断，通常要让通用聊天模型输出 JSON 再自己解析，或调用云端的 Jev 接口；现在 Ollama 0.35 起提供 /v1/systemone 接口和专门的决策模型，在本机一次请求返回多个有类型、带概率的判断，不按调用付费。

怎么做到的：决策模型不生成长文，而是回答一组你事先定义好的问题。请求里放两部分：state（要判断的内容，例如一条工单）和 questions（每个问题的类型、说明和可选项）。Ollama 在本机加载模型，一次返回所有问题的答案、每个选项的概率和总体把握。接口格式来自 TypeSafe 的 Jev API，Ollama 博客示例用 curl 调用。

适合谁
想在本机给应用加分类、路由或审核判断的开发者
能帮你
一次请求得到多个结构化判断，本机运行、无调用费

评分 三项分开看，不合成总分；热度不等于好用

新颖性
全新做法 · 2026-09-29 出现Ollama 博客 2026-09-29：0.35 起新增 /v1/systemone 与决策模型
热度
未知
易上手
很容易上手本站 2026-10-18 在 Linux 容器完成最小尝试
怎么评的

三项都由本站记录的事实按固定规则算出，编辑不能直接改档位；规则改动会写进更新说明。

新颖性

  • ●●● 全新做法，且有来源依据的出现时间在最近 30 天内
  • ●●○ 老工具新用法或近期刚开放，且有来源依据的时间在最近 30 天内
  • ●○○ 出现时间超过 30 天、未核实到精确日期，或已不再是新做法
  • 其他 出现时间未核实、晚于今天，或新颖类型未核实时按最低一档处理，不靠猜测加分

热度

  • ●●● 最近一次每周人工确认为“热门”：最近 14 天里独立讨论、实际案例、持续时间、传播平台、相对关注五项门槛全部满足（规则 heat-v1）
  • ●●○ 最近一次人工确认为“观察中”：前三项至少一项达到，或讨论增长 ≥ 50%，且至少 2 个独立案例
  • ●○○ 最近一次人工确认为“未进入跟踪”
  • 其他 还没有人工确认过的热度记录时显示“未知”。热度只统计本站已接入的信源，不代表全网

易上手

  • ●●● 准备门槛低且难度入门：不需要新账号或付费，首次尝试不超过 30 分钟，公开可用，会复制粘贴即可
  • ●●○ 准备门槛中等，或门槛低但需要改少量代码或配置
  • ●○○ 准备门槛高：需要商业软件或付费服务、首次尝试超过 2 小时、特殊硬件或网络、排队或邀请且无替代方案，或需要专业知识
  • 其他 只有介绍、还没有站内步骤，或关键步骤已失效时显示“暂不可试”；门槛未核实时显示“未核实”

怎么尝试

  • 时间 首次约 30 分钟
  • 费用 免费：免费，本机运行，不按调用付费；需要约 2.3 GB 下载与磁盘空间
  • 账号 不需要新账号
  • 环境 Ollama 0.35 或更高（本站验证用 0.40.6）、curl
  • 准备 Ollama 0.35 或更高：提供 /v1/systemone 接口与决策模型
  • 准备 约 2.3 GB 磁盘空间与网络：下载 Ollama 与 tev1:0.8b 模型（833 MB）
  • 准备 curl：发送示例请求

按下面的步骤就能做出第一个结果。复制命令不会自动执行。

  1. 安装 Ollama

    运行官方安装脚本。它会把 Ollama 装到系统目录，有 systemd 的机器上还会注册后台服务；想先看内容，可以先下载 install.sh 读过再执行。

    终端（Linux）原始来源命令 
    curl -fsSL https://ollama.com/install.sh | sh

    预期结果：最后显示 Install complete；运行 ollama --version 显示 0.35 或更高的版本号。

  2. 启动 Ollama 服务

    安装脚本在有 systemd 的机器上已经启动了服务；容器或没有 systemd 的环境里，另开一个终端运行下面的命令并保持它开着。

    终端（Linux）原始来源命令 
    ollama serve

    预期结果：在另一个终端运行 curl -s localhost:11434/api/version，返回类似 {"version":"0.40.6"} 的 JSON。

  3. 下载 0.8B 决策模型

    tev1:0.8b 是 Together AI 的实验性 0.8B 决策模型，约 833 MB，普通 CPU 也能跑。

    终端（Linux）原始来源命令 
    ollama pull tev1:0.8b

    预期结果：最后显示 success；ollama list 里出现 tev1:0.8b，大小约 833 MB。

  4. 发一个决策请求

    state 是要判断的内容，questions 是要回答的问题。下面的例子问一条“重复扣款要求退款”的工单该派给哪个团队。第一次请求要加载模型，CPU 上可能要 1–2 分钟。

    终端（Linux）原始来源命令 
    curl -s http://localhost:11434/v1/systemone -d '{"model":"tev1:0.8b","state":{"ticket":"I was charged twice. Please refund the extra payment."},"questions":{"team":{"type":"choice","instructions":"Which team should handle this ticket?","criteria":{"billing":"Payments and refunds","technical":"Bugs and integrations","other":"None of the above"}}}}'

    预期结果：返回 JSON，answers.team.choice 为 billing，probabilities 里 billing 明显最高。
    判断完成的方法：判断完成：返回里有 answers.team.choice，且值是 billing、technical、other 之一。

原始来源：Ollama 博客：Ollama now supports Jev-style decision models ↗