Módulo 4: Ollama - Introducción
Módulo 4: Ollama - Introducción
¿Qué aprenderás en este módulo?
En el Módulo 3 usaste LM Studio (GUI local). Ahora aprenderás Ollama, una herramienta CLI profesional para ejecutar LLMs localmente en producción.
Ollama vs LM Studio:
- ✅ CLI (vs GUI) → Automatizable, CI/CD
- ✅ Docker support → Containerización, deploy
- ✅ Model management potente → Pull, push, versioning
- ✅ Production-ready → Servers, clustering
Al finalizar, tendrás Ollama corriendo en tu máquina y entenderás cuándo usar CLI vs GUI.
🎯 Objetivo del módulo
Dominar Ollama: CLI a producción
Entregables:
- Ollama instalado (Mac/Linux/Windows)
- Modelos descargados via CLI
- API REST funcionando (compatible OpenAI)
- Chatbot con Ollama + Docker
Proyecto final: Deploy chatbot en Docker con Ollama
📋 Estructura del módulo
Fase 1: Setup (cápsulas 1-3)
- 01: Introducción al módulo
- 02: Instalación de Ollama CLI
- 03: Model management (pull, list, remove)
Fase 2: Uso (cápsulas 4-5)
- 04: API REST local
- 05: Integración con Python
Fase 3: Producción (cápsulas 6-7)
- 06: Docker deployment
- 07: Performance tuning
Fase 4: Proyecto (cápsula 8)
- 08: Mini-proyecto - Chatbot en Docker
🔗 Conexiones con otros módulos
Pre-requisito:
- Módulo 3 (LM Studio): Conceptos de LLMs locales
Comparación:
- LM Studio: GUI, desarrollo, laptop
- Ollama: CLI, producción, servers
Siguiente:
- Módulo 5 (OpenRouter): Multi-provider cloud
⏱️ Tiempo estimado
Total: 3-4 horas
Desglose:
- Setup: 30 min
- Model management: 30 min
- API integration: 1 hora
- Docker: 1 hora
- Proyecto: 1 hora
🛠️ Skills que desarrollarás
Técnicos:
-
Ollama CLI:
- Comandos básicos (pull, run, list)
- Model management
- API server
-
Docker:
- Containerización de Ollama
- Docker Compose
- Networking
-
Production:
- Server deployment
- Performance tuning
- Monitoring
Conceptuales:
- CLI vs GUI trade-offs
- Containerización de LLMs
- Production best practices
📦 Requisitos previos
Hardware mínimo:
- RAM: 8GB (16GB recomendado)
- Storage: 10GB libre
- CPU: Cualquiera (GPU opcional)
Software:
- macOS 11+, Linux, o Windows 10+
- Terminal access
- Docker (para cápsula 06-08)
💰 Costo
- Ollama: $0 (open source)
- Modelos: $0 (open source)
- Hardware: $0 (usas lo que tienes)
Total: $0
🎯 Ollama vs LM Studio vs OpenAI
| Feature | Ollama | LM Studio | OpenAI |
|---|---|---|---|
| Interface | CLI | GUI | API |
| Dificultad | Media | Baja | Baja |
| Producción | ✅ | ❌ | ✅ |
| Docker | ✅ | ❌ | N/A |
| Costo | $0 | $0 | $$$ |
📊 Qué construirás
Proyecto final:
Chatbot en Docker container con:
- Ollama como backend
- API REST expuesta
- Persistent storage
- Health checks
- Docker Compose setup
✅ Criterios de éxito
Completaste cuando:
- Ollama instalado (
ollama --version) - Modelo descargado (
ollama pull mistral) - API funcionando (
curl http://localhost:11434) - Chatbot en Docker corriendo
- Entiendes CLI workflow
🔗 Recursos
- Ollama.com - Site oficial
- GitHub - Código fuente
- Docker Hub - Image oficial
🚀 Comenzar
Siguiente: 02-instalacion-ollama.md
Instalarás Ollama CLI en tu sistema operativo.
Tiempo: 15 min
Dificultad: Baja
Tiempo total: 3-4 horas
Siguiente: 02-instalacion-ollama.md