・完成画面キャプチャ

・ファイル読み込み前

・ファイル読み込み後

概要

OllamaでローカルLLM（例：llama3.1:8b）を動かし、StreamlitでチャットUIを作る手順をまとめます。モデルの導入・一覧・削除・実行などの基本コマンドと、OLLAMA_HOST によるポート指定付きサーバ起動（Mac/Windows）を整理。さらにOpenAI互換APIとして base_url を指定し、会話履歴保持・リセット・System Prompt・temperature調整・ストリーミング表示に対応した最小構成のサンプルコードを掲載します。

その他

・pipコマンド
＄pip install chromadb==1.0.16 python-docx==1.2.0 requests==2.32.3

・ollama モデル
ollama pull nomic-embed-text

ソース

import streamlit as st 
from openai import OpenAI
import chromadb
from docx import Document
import requests

### chromadb 設定
DB_DIR = "./chroma_db"
chroma_client = chromadb.PersistentClient(path=DB_DIR)

# テーブル作成
if "collection" not in st.session_state:
    st.session_state.collection = chroma_client.get_or_create_collection(
        name="local_docs"
    )

### Ollama モデルを使ったベクトル化
def ollama_embed(text):
    r = requests.post(
        "http://localhost:12000/api/embeddings",
        json={"model": "nomic-embed-text", "prompt": text}
    )
    data = r.json()
    return data["embedding"] # ベクトル化して返す

### Wordファイルを読み込む
def load_word_document(file):
    return "¥n" . join(para.text for para in Document(file).paragraphs) # 行ごとの、データを改行で結合

### テキスト分割
def split_text(text):
    chunk_size = 200
    overlap = 50
    chunks = []
    start = 0
    while start < len(text):
        end = start + chunk_size
        chunks.append(text[start:end])
        start += chunk_size - overlap
    return chunks

# ページタイトル
st.set_page_config(page_title="ローカル LLM Chat")

# サイドバー
st.sidebar.title("Tossy ローカル LLM RAG")
st.sidebar.title("設定")

model = st.sidebar.text_input("モデル名", value="llama3.1:8b")
temperature = st.sidebar.slider("temperature", 0.0, 2.0, 0.3, 0.1)
system_prompt = st.sidebar.text_area(
    "System Prompt",
    "あなたの有能なアシスタントです。日本語で回答してください。"
)

# ファイルのアップロード
uploaded_files = st.sidebar.file_uploader(
    "wordファイルをアップロード（.docx）",
    type=["docx"],
    accept_multiple_files=True # 複数ファイルアップロード OK
)

### アップロードされたファイルを、テキスト分割して、ベクトル化して、chroma_db　へ保存
if st.sidebar.button("インデックス作成"): # ボタンを押した時のイベント
    for file in uploaded_files:
        text = load_word_document(file) # テキスト化
        chunks = split_text(text) # テキスト分割
        for i, chunk in enumerate(chunks):
            embed = ollama_embed(chunk) # ベクトル化
            st.session_state.collection.add(
                documents=[chunk],
                embeddings=[embed],
                ids=[f"{file.name}_{i}"]
            )
    st.sidebar.success("インデックス作成処理 正常終了")

# 会話の履歴を保管
if "messages" not in st.session_state:
    st.session_state.messages = []


# 会話の履歴を削除（リセット）ボタン
if st.sidebar.button("会話をリセット"):
    st.session_state.messages = []
    
# 会話の履歴を表示
for m in st.session_state.messages:
    with st.chat_message(m["role"]):
        st.write(m["content"])


prompt = st.chat_input("メッセージを入力")

client = OpenAI(
    api_key="ollama",
    base_url="http://localhost:12000/v1"
)


### 結果出力 ###
# print("response全体：", response)
# print("テキスト抽出：", response.choices[0].message.content)

# プロンプトが空じゃない場合
if prompt:
    
    # 履歴格納
    st.session_state.messages.append({"role": "user", "content": prompt})
    
    #　ユーザ側のメッセージ表示
    with st.chat_message("user"):
        st.write(prompt)
        
    ### RAG検索 ###
    # ベクトル化
    query_embed = ollama_embed(prompt) 
    
    # 似ているベクトルを引っ張ってくる, chroma_db 
    results = st.session_state.collection.query(
        query_embeddings=[query_embed],
        n_results=2 # 取得情報
    )
    
    ### 返ってくるデータ構造
    #{
    #    "ids":
    #    "documents": [["doc1", "doc2"]],
    #    "distances": [[ ***, ****]] # 距離が返ってくる
    #}
    
    if results["documents"]:
       context_text = "\n".join(results["documents"][0])
       rag_prompt = f"""
       以下は関連ドキュメントの抜粋です。
       {context_text}
       この情報を参考に以下の質問に答えてください。
       {prompt}
       """
       final_user_prompt = rag_prompt
    else:
       final_user_prompt = prompt 
       
    st.session_state.messages.append({"role": "user", "content": final_user_prompt})
        
    # システムプロンプト処理
    if system_prompt.strip():
        messages = [{"role": "system", "content": system_prompt}] + st.session_state.messages
    else:
        messages = st.session_state.messages

    # エージェント側のメッセージ表示
    with st.chat_message("assistant"):
        
        # 上書き表示用
        placeholder = st.empty()
        
        # 表示用
        stream_response = ""
        
        stream = client.chat.completions.create(
            model=model,
            messages=messages,
            temperature=temperature,
            stream=True
        )
        
        # 格納
        for chunk in stream:
            stream_response += chunk.choices[0].delta.content
            placeholder.write(stream_response) # 上書き表示
          #  st.write(stream_response)
        
        
    ### 履歴格納
    st.session_state.messages.append({"role": "assistant", "content": stream_response})

# プロンプトが空の場合
else:
    st.info("メッセージを入力して送信してください。")

起動用シェルスクリプト


#!/usr/bin/env bash
set -euo pipefail

# この .sh が置かれているディレクトリ＝プロジェクト直下
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
PROJECT_DIR="$SCRIPT_DIR"
VENV_DIR="$PROJECT_DIR/venv"

OLLAMA_ADDR="127.0.0.1:12000"
STREAMLIT_APP="$PROJECT_DIR/test-3.py"

echo "==> cd $PROJECT_DIR"

cd "$PROJECT_DIR"

# venv 有効化
if [[ ! -f "$VENV_DIR/bin/activate" ]]; then
    echo "ERROR: venv not found: $VENV_DIR"
    exit 1
fi

# venv 起動
source "$VENV_DIR/bin/activate"

# ollama サーバ立ち上げ
if ! command -v ollama >/dev/null 2>&1; then
    echo "ERROR: ollama command not found."
    exit 1
fi

# Ollama がすでに起動中か確認
if curl -s "http://$OLLAMA_ADDR/v1/models" >/dev/null 2>&1; then
    echo "==> Ollama already running on $OLLAMA_ADDR"
    OLLAMA_PID=""
else
    echo "==> start Ollama server on $OLLAMA_ADDR"
    export OLLAMA_HOST="$OLLAMA_ADDR"
    LOGFILE="$PROJECT_DIR/ollama_serve.log"
    nohup ollama serve > "$LOGFILE" 2>&1 &
    OLLAMA_PID=$!

    # 起動待ち（最大30秒）
    for _ in {1..30}; do
        curl -s "http://$OLLAMA_ADDR/v1/models" >/dev/null 2>&1 && break
        sleep 1
    done

    if ! curl -s "http://$OLLAMA_ADDR/v1/models" >/dev/null 2>&1; then
        echo "ERROR: Ollama did not start. Check log: $LOGFILE"
        exit 1
    fi
fi

# Ctrl+C などで終了したら、スクリプトが起動した Ollama も止める
cleanup() {
    if [[-n "${OLLAMA_PID:-}"]]; then
        echo ""
        echo "==> stopping Ollama (PID: $OLLAMA_PID)"
        kill "$OLLAMA_PID" >/dev/null 2>&1 || true
    fi
}

trap cleanup EXIT INT TERM

export OLLAMA_HOST="$OLLAMA_ADDR"

# streamlit 起動
echo "==> start Streamlit: $STREAMLIT_APP"
exec streamlit run "$STREAMLIT_APP"