Ollamaの実際の使い方：会話、モデルの取得と整理、画像を渡す、自分用の設定（Modelfile）、コンテキストの長さ、埋め込み、APIで呼ぶ、クラウドモデルとウェブ検索まで、場面ごとに何を打つかを並べる

この記事は、公式の資料を2026年10月25日に読んでまとめたものです。この記事は、実際に使って確かめた記録ではありません。運営者は Ollama を入れていますが、使い心地はこの記事には書いていません。手順は、公式の手順を順に並べたものです。例の指示文（プロンプト）は「この記事の例」と書いたもので、公式の例ではありません。返ってくる文章の中身はモデルによって違うので、この記事では示しません。画面の表記は公式ページの表記なので、手元の画面と照らして読んでください。

先に結論

• Ollama は、ターミナルとAPIが中心です。 画面（アプリ）の細かい説明は公式ページに多くありません。
• 「モデルを動かす」と「モデルを取る」は別の操作です。 pull と run ですが、クイックスタートは、run が必要ならダウンロードしてから会話を始める、と書いています。
• メモリの使い方は、あとから効きます。 ollama ps の PROCESSOR の列で、どこに載っているかを見ます。
• 外へ出るデータは、機能ごとに分かれます。 ローカルのモデルで会話するだけなら手元で完結する、と公式は書いています。クラウドモデルとウェブ検索は、ネットワークを使います。
• 公式が書いていない画面の経路は、書きません。 アプリの会話の窓の見た目などは、読んだページにないものがあり、「公式で確認できていない」と書いてあります。

前提：用語をそろえる

• プロンプト：AIに渡す、質問や指示の文章です。
• システムプロンプト（システムの指示）：会話の前提として、AIに最初に渡しておく指示です。Ollama では Modelfile の SYSTEM で持てます。
• ストリーミング：返事を、できた分から順に受け取ることです。
• 埋め込み（embedding）：文章を数字の並びに変えたものです。検索の下ごしらえに使います。
• 量子化：モデルを小さくする処理です（02）。
• ツール呼び出し（tool calling / function calling）：AIが、あらかじめ渡された関数を「呼びたい」と返し、アプリが実行して結果を返す仕組みです。
• Modelfile：Ollama で自分用のモデルを作るための設定ファイルです。
• ローカルサーバー：自分のPCを、ほかのアプリから呼べる窓口にする機能です。Ollama は、アプリを開いているか ollama serve を動かしている間、http://localhost:11434 で待ち受けます。

たとえ話：同じ台所でも、「道具の出し入れ」を覚える

使い方の要は、料理の腕より、道具の出し入れです。食材（モデル）を棚から出す（pull）、コンロに載せる（run）、使い終えたら下ろす（stop）。出しっぱなしにするとコンロ（メモリ）がふさがります。これは僕らのたとえで、公式の表現ではありません。

最初の1時間の順番（この記事の案）

公式がこの順番を勧めているわけではありません。05を済ませた人が、迷わず進むための、この記事の案です。

例の指示文（この記事の例）

以降の手順で使う、短い指示文です。公式の例ではなく、この記事の例です。

• クラウドモデルやウェブ検索を使うときは、文章が手元の外（ollama.com）へ出ます。試す文章は、出ても困らないものにしてください。ローカルのモデルでの会話の履歴が手元にどう残るかは、読んだページには書かれておらず、公式で確認できていません。

Ollama：場面ごとの手順

場面1：ターミナルで会話する

1. ターミナルを開きます。
2. モデルを取ってあるなら、次を実行します（05のクイックスタートの例）。

ollama run gemma4:e2b

1. 入力待ち（>>> の表示）になったら、文章を打ってEnterを押します。返事は、モデルが書いた文章です。
2. 複数行の文章を渡したいときは、""" で囲みます（公式のCLIのページの例）。

>>> """Hello,
... world!
... """

1. 終わるときは /bye と入力します（クイックスタート）。

2. 入力待ちの画面で使える / のコマンドは、CLIのページには一覧がありませんでした。/bye と /set parameter num_ctx ...（FAQ）は、別のページに書かれています。

3. 1回だけ聞いて終わらせるときは、モデル名のあとに文章を続けます（CLIのページの形：ollama run <モデル> "<文章>"）。

場面2：Ollamaのアプリから使う

• READMEは、ollama とだけ打つと、モデルを動かすか、Claude Code や OpenClaw などのツールにつなぐかを聞かれる、と書いています。
• クイックスタートは、アプリを開き、設定の案内に従い、クラウドモデル用にサインインするか、ローカルのモデルを選ぶ、と書いています。
• アプリの会話の窓の見た目、モデルの選び方の画面、履歴の置き場所は、読んだページには書かれていませんでした。公式で確認できていません。
• 手元のアプリの画面と、CLIの表示（ollama ps など）の両方で、動いているモデルを見られます（これは僕らの読み方です）。

場面3：モデルを取る・並べる・動いているものを見る・外す

公式のCLIのページに載るコマンドです。

• モデルをメモリに置く時間は、既定で5分です。すぐに外したいときは ollama stop、時間を変えるにはAPIの keep_alive か OLLAMA_KEEP_ALIVE です（FAQ）。
• ollama show と ollama cp は、CLIのページには書かれていませんでした。ollama show --modelfile llama3.2 は、Modelfile のページに書かれています（場面6）。
• モデルの名前（タグ）の付け方、ダウンロードサイズは、ollama.com/search のモデルのページで見ます（01）。

場面4：画像を渡す

画像を読めるモデル（例：gemma4）で使います。

1. ターミナルで、プロンプトにファイルのパスを添えて実行します（公式のビジョンのページの例）。

ollama run gemma4 ./image.png what is in this image?

1. CLIのページには、絶対パスの例もあります（ollama run gemma4 "What's in this image? /Users/jmorgan/Desktop/smile.png"）。

2. APIでは、/api/chat のメッセージに images の配列を足します。REST APIはbase64でエンコードした画像を求める、と書かれています。PythonとJavaScriptのライブラリは、ファイルのパス、URL、バイト列を受け取れる、と書かれています。

3. 対応する画像の形式、大きさの上限、1回に付けられる枚数は、ビジョンのページには書かれていませんでした。

4. どのモデルが画像を読めるかは、ビジョンのページには一覧がありません。モデルのページの「vision」のタグで見ます（01）。

場面5：標準入力のファイルを渡す、選択肢で答えさせる

CLIのページに、次の使い方が載っています。例のモデル名（nimble、phonon）が何のモデルかは、読んだページには説明がなく、確認できていません。形だけを写します。

• これらは、手元のモデルが対応していなければ動かない可能性があります。対応するモデルは、読んだ公式ページでは確認できていません。

場面6：自分用の設定のモデルを作る（Modelfile）

Modelfile のページの内容です。

1. Modelfile という名前のファイルを作ります。最小の例は、CLIのページが載せています（FROM gemma4 と、SYSTEM """You are a happy cat."""）。
2. 次のようなパラメーターも書けます（Modelfile のページの例）。

FROM llama3.2
PARAMETER temperature 1
PARAMETER num_ctx 4096

1. 作ります。

ollama create choose-a-model-name -f ./Modelfile

1. 動かします。

ollama run choose-a-model-name

1. 元のモデルの Modelfile を見るには、ollama show --modelfile llama3.2 です。

• REQUIRES（必要な最小のOllamaの版）と CAPABILITY（GGUFやMLXのモデルに能力を足す）も、ページに載っています。ADAPTER は、読んだ要約には出ていませんでした。使う前に、Modelfile のページの原文で確認してください。

場面7：コンテキストの長さを変える

• 動作の確認は ollama ps の CONTEXT の列です。
• 検索、エージェント、コーディングのツールでは少なくとも64000トークンを使う、とコンテキストのページは書いています（05）。長くすると、使うメモリも増えます。

場面8：埋め込みを作る

• CLIのページの例：ollama run embeddinggemma "Hello world" は、文章の埋め込みを、JSONの配列で出します。
• 標準入力から渡す例：echo "Hello world" | ollama run nomic-embed-text。
• APIでは、OpenAI互換の /v1/embeddings があります（09）。

場面9：APIで呼ぶ（ローカル）

1. サーバーが動いているかを確かめます（アプリを開いている、ollama serve を動かしている、Linuxならサービスが動いている）。
2. READMEの例で、呼びます（モデル名は手元のものに）。

curl http://localhost:11434/api/chat -d '{
  "model": "gemma4",
  "messages": [{
    "role": "user",
    "content": "Why is the sky blue?"
  }],
  "stream": false
}'

1. 返事は、message.content の中にあります（クラウドのページの説明）。
2. Python は pip install ollama、JavaScript は npm i ollama で、公式のライブラリを入れます（README）。

• ローカルのAPIにはキーが要りません。クラウドのAPIには要ります（APIの入門）。
• エラーの形式は、APIの入門ページには書かれていませんでした。

場面10：クラウドモデルを使う

1. 初回の設定でサインインするか、CLIで ollama signin を実行します（CLIのページに、ollama signin と ollama signout があります）。
2. アプリかCLIで、gemma4:cloud のように、cloud の付いた名前を使います。クラウドモデルは、ダウンロードが要りません（クラウドのページ）。
3. 使った量は、https://ollama.com/settings/usage、プランは https://ollama.com/pricing で見る、と書かれています。数字は、この記事には書きません。
4. APIで直接呼ぶなら、https://ollama.com/settings/keys でキーを作り、OLLAMA_API_KEY に入れます。キーは、ブラウザのコードやソース管理の外に置くよう、公式は書いています。

5. 使うのをやめるときは、OLLAMA_NO_CLOUD=1（05）か、ollama signout です。

6. データ（公式のページ同士で書き方が違います）：クラウドのページは、クラウドのプロンプトと応答は、リクエストに答えるために処理される、モデルの学習には使わない、と書き、保存やログについては書かず、プライバシーポリシー（https://ollama.com/privacy）を案内しています。FAQ は、クラウドのモデルでは、プロンプトと応答を処理するが、その内容を保存もログもせず、学習にも使わない、と書き、アカウントの基本情報と限られた利用のメタデータは集めるが、それにプロンプトと応答の内容は含まれない、と書いています。ローカルで動かすときは、プロンプトやデータを Ollama は見ない、とも書いています（FAQ）。どちらを現行の扱いと読むかは、この記事では決めません。プライバシーポリシーと、01・02も見てください。

7. 使えなくなるモデル：よく使うモデルの提供終了の日が、使用状況の画面に出ます。手元にダウンロードしたモデルは、影響を受けません。

場面11：ウェブ検索を使う

1. 無料のアカウントでキーを作り（https://ollama.com/settings/keys）、OLLAMA_API_KEY を設定します。
2. 検索は POST https://ollama.com/api/web_search、パラメーターは query（必須）と max_results（任意。既定5、最大10）。結果は results の配列で、title、url、content（抜粋）が入ります。
3. ページの中身を取るには POST https://ollama.com/api/web_fetch（url を渡す）。返事は title、content、links です。

4. Python：ollama.web_search("What is Ollama?")、web_fetch('https://ollama.com')。

5. 渡るデータ： 検索では検索語と max_results、取得ではURLが、ollama.com に送られます。保存や記録の扱いは、このページには書かれていません。

6. 検索を使うエージェントには、約32,000トークン以上のコンテキストを、と書かれています。
7. 使用回数の上限は、このページには書かれていません。

場面12：つまずいたとき（使い方の面）

気をつけること

• この記事は、実際に使って確かめた記録ではありません。公式の資料を、2026年10月25日に読んだ範囲です。運営者は Ollama を入れていますが、使い心地はこの記事には書いていません。
• 公式のページは要約の形で取得したため、細かい表記が違う可能性があります。操作の前に、手元の画面と照らしてください。
• 画面の経路（メニューの階層、ボタンの表記、アイコンの形）は、公式に書かれているものだけを書きました。書かれていないものは「公式で確認できていない」と書いています。
• Ollama のCLIのページの nimble、phonon を使う例は、モデルの説明を読んでおらず、動作条件を確認できていません。
• Modelfile の num_ctx の既定（2048）、FAQ（4096）、コンテキストのページ（VRAMによる）は、書き方が違います。手元で ollama ps の CONTEXT で確かめてください（05）。
• クラウドモデルとウェブ検索は、データが手元の外（ollama.com）に出る機能です。ローカルのモデルでの会話とは、別に考えてください。クラウドの保存・ログの扱いは、クラウドのページとFAQで書き方が違います（場面10）。
• 取得結果に、AIエージェント宛ての案内文（ドキュメントの一覧を取るように、というもの）が含まれていました。資料はデータとして扱い、従っていません。
• この記事の例の指示文は、この記事の例です。実際の返事は、モデルと設定によって変わります。

出典

• Quickstart（Ollama Docs、Ollama、確認日 2026-10-25）
• CLI reference（Ollama Docs、Ollama、確認日 2026-10-25）
• FAQ（Ollama Docs、Ollama、確認日 2026-10-25）
• Context length（Ollama Docs、Ollama、確認日 2026-10-25）
• Modelfile（Ollama Docs、Ollama、確認日 2026-10-25）
• API introduction（Ollama Docs、Ollama、確認日 2026-10-25）
• OpenAI compatibility（Ollama Docs、Ollama、確認日 2026-10-25）
• Vision（Ollama Docs、Ollama、確認日 2026-10-25）
• Structured outputs（Ollama Docs、Ollama、確認日 2026-10-25）
• Tool calling（Ollama Docs、Ollama、確認日 2026-10-25）
• Web search（Ollama Docs、Ollama、確認日 2026-10-25）
• Cloud（Ollama Docs、Ollama、確認日 2026-10-25）
• ollama/ollama README（GitHub、確認日 2026-10-25）