ollama-stack
Faz seu agente rodar modelos de linguagem localmente. Permite o desenvolvimento privado de IA com ferramentas como Ollama e Open WebUI.
O que ela faz
Esta ferramenta permite que você execute modelos de linguagem grandes (IA) diretamente no seu computador, de forma privada e offline. Você pode usar modelos como o Llama 3 ou CodeLlama para diversas tarefas.
Quando usar
- ✓Para usar IA sem precisar de internet.
- ✓Para testar modelos de IA antes de usá-los em projetos maiores.
- ✓Para manter seus dados e modelos de IA seguros no seu próprio computador.
Exemplo do que pedir para a IA
“Configure um modelo de IA para responder perguntas sobre programação no meu computador.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
Você instala o Ollama, que é um programa para rodar IAs. Depois, baixa os modelos de IA que quiser e pode usá-los através de comandos ou de uma interface web.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add sickn33/agentic-awesome-skills --skill ollama-stackOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/sickn33/agentic-awesome-skills/main/plugins/agentic-awesome-skills-claude/skills/ollama-stack/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Ollama Stack
Implante uma stack de LLM local para fluxos de trabalho offline e focados em privacidade.
Quando Usar Esta Skill
Use esta skill quando:
- Configurar inferência de LLM privada/local para desenvolvimento
- Construir ambientes de IA isolados (air-gapped)
- Executar modelos em hardware pessoal (Mac, Linux, Windows com GPU)
- Criar endpoints de inferência compartilhados pela equipe
- Fazer prototipagem antes de se comprometer com APIs de LLM na nuvem
Pré-requisitos
- 8 GB+ de RAM (16 GB+ recomendado para modelos 7B+)
- Para aceleração por GPU: GPU NVIDIA com 6 GB+ de VRAM, ou Mac com Apple Silicon
- Docker (para implantação em contêineres)
- 20 GB+ de disco para armazenamento de modelos
Início Rápido
# Install Ollama
curl -fsSL https://ollama.com/install.sh -o /tmp/install-ollama.sh && sh /tmp/install-ollama.sh && rm /tmp/install-ollama.sh
# Start the server
ollama serve
# Pull and run a model
ollama pull llama3.1:8b
ollama run llama3.1:8b "Explain Kubernetes pods in one paragraph"
# List available models
ollama list
# Pull specific quantization
ollama pull llama3.1:8b-instruct-q4_K_M
Guia de Seleção de Modelos
| Modelo | Tamanho | VRAM | Melhor Para |
|---|---|---|---|
llama3.1:8b |
4.7 GB | 6 GB | Chat geral, codificação |
llama3.1:70b |
40 GB | 48 GB | Raciocínio complexo |
codellama:13b |
7.4 GB | 10 GB | Geração de código |
mistral:7b |
4.1 GB | 6 GB | Tarefas gerais rápidas |
mixtral:8x7b |
26 GB | 32 GB | MoE de alta qualidade |
nomic-embed-text |
274 MB | 1 GB | Embeddings para RAG |
llava:13b |
8 GB | 10 GB | Visão + texto |
deepseek-coder-v2:16b |
9 GB | 12 GB | Geração de código |
qwen2.5:14b |
9 GB | 12 GB | Multilíngue, raciocínio |
Docker Compose — Stack Completa
# docker-compose.yml
services:
ollama:
image: ollama/ollama:latest
container_name: ollama
restart: unless-stopped
ports:
- "11434:11434"
volumes:
- ollama_data:/root/.ollama
environment:
- OLLAMA_HOST=0.0.0.0
- OLLAMA_NUM_PARALLEL=4
- OLLAMA_MAX_LOADED_MODELS=2
- OLLAMA_FLASH_ATTENTION=1
deploy:
resources:
reservations:
devices:
- driver: nvidia
count: all
capabilities: [gpu]
healthcheck:
test: ["CMD", "curl", "-f", "http://localhost:11434/api/tags"]
interval: 30s
timeout: 10s
retries: 3
open-webui:
image: ghcr.io/open-webui/open-webui:main
container_name: open-webui
restart: unless-stopped
ports:
- "3000:8080"
volumes:
- webui_data:/app/backend/data
environment:
- OLLAMA_BASE_URL=http://ollama:11434
- WEBUI_AUTH=true
- WEBUI_SECRET_KEY=${WEBUI_SECRET_KEY:-change-me-in-production}
- DEFAULT_MODELS=llama3.1:8b
depends_on:
ollama:
condition: service_healthy
litellm:
image: ghcr.io/berriai/litellm:main-latest
container_name: litellm
restart: unless-stopped
ports:
- "4000:4000"
volumes:
- ./litellm-config.yaml:/app/config.yaml
command: ["--config", "/app/config.yaml"]
depends_on:
ollama:
condition: service_healthy
volumes:
ollama_data:
webui_data:
Configuração do LiteLLM Proxy
# litellm-config.yaml
model_list:
- model_name: llama3
litellm_params:
model: ollama/llama3.1:8b
api_base: http://ollama:11434
- model_name: codellama
litellm_params:
model: ollama/codellama:13b
api_base: http://ollama:11434
- model_name: embeddings
litellm_params:
model: ollama/nomic-embed-text
api_base: http://ollama:11434
general_settings:
master_key: sk-local-dev-key
max_budget: 0 # unlimited for local
Uso da API
Ollama expõe uma API compatível com OpenAI:
# Chat completion
curl http://localhost:11434/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{
"model": "llama3.1:8b",
"messages": [{"role": "user", "content": "Hello"}],
"stream": false
}'
# Embeddings
curl http://localhost:11434/v1/embeddings \
-H "Content-Type: application/json" \
-d '{
"model": "nomic-embed-text",
"input": "The quick brown fox"
}'
# List models
curl http://localhost:11434/api/tags
Cliente Python
# pip install ollama
import ollama
# Chat
response = ollama.chat(
model="llama3.1:8b",
messages=[{"role": "user", "content": "Explique Docker em 3 frases"}],
)
print(response["message"]["content"])
# Streaming
for chunk in ollama.chat(
model="llama3.1:8b",
…
Perguntas frequentes
Preciso de um computador potente?
Depende do modelo de IA. Para modelos menores, 8GB de RAM são suficientes. Para modelos maiores ou para usar a placa de vídeo (GPU), você precisará de mais RAM e VRAM.
Quais sistemas operacionais funcionam?
Funciona em Mac, Linux e Windows, desde que você tenha o Docker instalado.
O que são 'quantizações' como q4_K_M?
São versões menores e mais rápidas dos modelos de IA, que usam menos memória e espaço em disco, com uma pequena perda de qualidade.
Detalhes
Descrição original do autor
Run local LLM workloads with Ollama, Open WebUI, and GPU-aware tuning for private development environments.
Popularidade
- Estrelas no GitHub
- 48 mil
- Posição no ranking
- #3749
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
00-andruia-consultant
Ajuda seu agente a iniciar ou melhorar projetos de IA. Ele analisa código, sugere ferramentas e cria planos de ação em espanhol.
sickn33/agentic-awesome-skills
007
Faz seu agente realizar auditorias de segurança e modelagem de ameaças. É útil para proteger projetos contra ataques e vulnerabilidades.
sickn33/agentic-awesome-skills
10-andruia-skill-smith
Ajuda seu agente a criar ou melhorar ferramentas de IA. Ele define como as ferramentas funcionam, escreve a documentação e valida a estrutura.
sickn33/agentic-awesome-skills
20-andruia-niche-intelligence
Faz seu agente criar um resumo sobre um setor específico. É útil para entender o contexto, regras, padrões de uso e riscos de um projeto, usando fontes confiáveis.
sickn33/agentic-awesome-skills
Skills parecidas
bun-runtime
Faz seu agente usar o Bun para rodar, organizar e testar código. Ajuda a escolher o Bun em vez de outras ferramentas e a migrar projetos existentes.
affaan-m/ECC
database-migrations
Ajuda seu agente a fazer mudanças seguras em bancos de dados. Ele garante que as alterações possam ser desfeitas e minimiza o tempo de inatividade.
affaan-m/ECC
deployment-patterns
Configura fluxos de implantação e CI/CD, containerização e estratégias de rollback para garantir lançamentos seguros.
affaan-m/ECC