レッスン 11: モデルファイル - カスタム モデルとシステム プロンプト

Apple Silicon で Ollama を使用して AI Local を実行する

パート 4: 最適化、管理、および生産セットアップ

xdev.asia

はじめに

Modelfile は、Ollama でモデルをカスタマイズする方法です。システム プロンプトを設定し、パラメーターを調整し、独自の「キャラクター」 AI を作成します。 Dockerfile に似ていますが、AI モデル用です。

---

1. 基本的なモデルファイル

構造

# Modelfile cơ bản
FROM llama3.2

SYSTEM """Bạn là trợ lý lập trình chuyên về Python.
Luôn trả lời bằng tiếng Việt.
Viết code rõ ràng, có comment."""

PARAMETER temperature 0.7
PARAMETER num_ctx 4096

Modelfile からモデルを作成する

# Tạo model
ollama create xdev-py -f ./Modelfile

# Chạy
ollama run xdev-py

# Kiểm tra
ollama list | grep xdev

---

2. Modelfile 内のディレクティブ

FROM — 基本モデル

# Từ model có sẵn
FROM llama3.2

# Từ model cụ thể (tag)
FROM llama3.2:3b-instruct-q4_K_M

# Từ custom model khác
FROM xdev-py

SYSTEM — システムプロンプト

SYSTEM """Bạn là xDev AI, trợ lý lập trình.

Quy tắc:
1. Trả lời bằng tiếng Việt
2. Code phải có type hints (Python)
3. Giải thích ngắn gọn, đi thẳng vào vấn đề
4. Dùng markdown formatting
5. Nếu không chắc, nói rõ "tôi không chắc chắn"
"""

PARAMETER — モデルパラメータ

# Temperature: 0 = deterministic, 1 = creative (default: 0.8)
PARAMETER temperature 0.7

# Top_p: nucleus sampling (default: 0.9)
PARAMETER top_p 0.9

# Top_k: limit token candidates (default: 40)
PARAMETER top_k 40

# Context window
PARAMETER num_ctx 4096

# Max tokens to generate
PARAMETER num_predict 1024

# Repeat penalty (default: 1.1)
PARAMETER repeat_penalty 1.1

# Repeat last N tokens to check (default: 64)
PARAMETER repeat_last_n 64

# Stop sequences
PARAMETER stop "<|end|>"
PARAMETER stop "Human:"
PARAMETER stop "---"

# Seed (for reproducibility)
PARAMETER seed 42

# Mirostat sampling (0=disabled, 1=v1, 2=v2)
PARAMETER mirostat 2
PARAMETER mirostat_eta 0.1
PARAMETER mirostat_tau 5.0

テンプレート — チャット テンプレート

TEMPLATE """{{ if .System }}<|system|>
{{ .System }}<|end|>
{{ end }}{{ if .Prompt }}<|user|>
{{ .Prompt }}<|end|>
{{ end }}<|assistant|>
{{ .Response }}<|end|>
"""

メッセージ — シード前の会話

MESSAGE user "Xin chào!"
MESSAGE assistant "Chào bạn! Tôi là xDev AI, tôi có thể giúp gì về lập trình?"

ライセンス

LICENSE """
MIT License
Custom model by xDev.asia
"""

---

3. 現実的なカスタム モデルの例

＃＃＃３．１． Python エキスパート

# Modelfile.python-expert
FROM llama3.2

SYSTEM """Bạn là Python Expert AI.

Quy tắc:
- Code phải có type hints
- Dùng f-strings thay format()
- Follow PEP 8
- Viết docstring cho functions
- Error handling với specific exceptions
- Suggest test cases khi viết function

Không bao giờ dùng: global variables, bare except, eval, exec.
Trả lời bằng tiếng Việt, code bằng Python."""

PARAMETER temperature 0.3
PARAMETER num_ctx 4096
PARAMETER num_predict 2048
PARAMETER stop "```」

ollama create python-expert -f Modelfile.python-expert
ollam a run python-expert "メールアドレスを検証する関数を作成"

3.2. Code Reviewer

# Modelfile.code-reviewer
ラマ3.2から

SYSTEM """あなたは上級コードレビュー担当者です。

コードをレビューするときは、次のことを確認します。
1. 🐛 バグとロジックエラー
2. 🔒 セキュリティ脆弱性 (OWASP トップ 10)
3. ⚡ パフォーマンスの問題
4. 📖 可読性と保守性
5. 🧪 テスト容易性

出力の形式:
## 概要
【総評】

## 問題
- 🔴 クリティカル: [...]
- 🟡 警告: [...]
- 🟢 提案: [...]

## リファクタリングされたコード
[コード修正済み]

ベトナム語で答えてください。」

パラメータ 温度 0.2
パラメータ num_ctx 8192

3.3. DevOps Assistant

# Modelfile.devops
ラマ3.2から

SYSTEM """あなたは DevOps エンジニア AI です。

専門知識:
- Docker、Kubernetes、Helm
- CI/CD (GitHub アクション、GitLab CI、Jenkins)
- コードとしてのインフラストラクチャ (Terraform、Ansible)
- クラウド（AWS、GCP、Azure）
- モニタリング (プロメテウス、グラファナ)

ルール:
- セキュリティのベストプラクティスについて常に言及する
- 「どのように」だけでなく「なぜ」を説明する
- 実用的な YAML/JSON の例を提供します
- よくある落とし穴についての警告
ベトナム語で答えてください。」

パラメータ 温度 0.5
パラメータ num_ctx 4096

メッセージユーザー「あなたは誰ですか？」
MESSAGE アシスタント「私は DevOps AI アシスタントで、Docker、K8s、CI/CD、インフラストラクチャのサポートを専門としています。 DevOps について何でも聞いてください!」

3.4. SQL Generator

# Modelfile.sql
ラマ3.2から

SYSTEM """あなたは SQL エキスパートです。
- SQLのみを記述し、長い説明は不要
- PostgreSQL 構文を使用する
- SQLにコメントを含める
- パフォーマンスを最適化する
- SELECT を避ける *

形式: SQL をコード ブロックに記述し、1 ～ 2 行の説明を付けます。
質問があいまいな場合は、SQL を作成する前にもう一度質問してください。"""

パラメータ 温度 0.1
パラメータ num_predict 1024
パラメータ停止「;」

3.5. Creative Writer (Vietnamese)

# Modelfile.writer
ラマ3.2から

SYSTEM """あなたはベトナム語で執筆しているクリエイティブライターです。
- 自然で滑らかな書き味
- 比喩や鮮やかなイメージを使用する
- 要件に適した口調 (フォーマル、カジュアル、ユーモアなど)
- ブログ投稿、詩、短編小説、広告の書き方を知る。

パラメータ 温度 0.9
パラメータtop_p 0.95
パラメータtop_k 60
パラメータ リピートペナルティ 1.2
パラメータ num_predict 4096

---

4. Quản lý custom models

Liệt kê models

オラマリスト

Output:

名前 ID サイズが変更されました
python-expert abc123def 2.0 GB 5 分前
コードレビューアー def456ghi 2.0 GB 10 分前
llama3.2:最新 xyz789abc 2.0 GB 2 時間前

Xem Modelfile của model

オラマショー python-expert --modelfile

Copy model

オラマ cp python-expert python-expert-v2

Xóa model

オラマ rm python-expert-v2

Export/Import workflow

# エクスポート: モデルファイルを保存
ollama show python-expert --modelfile > Modelfile.python-expert

# 別のマシンにインポートする
ollama create python-expert -f Modelfile.python-expert

---

5. Tham số model — Deep dive

Temperature

Kiểm soát mức độ "sáng tạo":

温度 = 0.0 → 常に最も確率の高いトークンを選択します (決定論的)
温度 = 0.5 → 精度と多様性のバランス
温度 = 1.0 → クリエイティブ、時々不正確
温度 = 2.0 → 非常にランダム (非推奨)

Use case	Temperature
Code generation	0.1 - 0.3
Q&A, factual	0.3 - 0.5
Chat thông thường	0.5 - 0.8
Creative writing	0.8 - 1.0
Brainstorming	0.9 - 1.2

Top_p vs Top_k

top_k = 40: 最も高い確率で 40 個のトークンから選択します
top_p = 0.9: 累積確率の 90% を占めるトークンから選択します。

Thường dùng một trong hai, không cả hai.

Stop sequences

# キーワードが見つかったら生成を停止する
パラメータ停止 "<|end|>」
PARAMETER 停止「人間:」
パラメータ停止「ユーザー:」

# モデルが頻繁に「ループ」したり、独自のダイアログを作成したりする場合に便利です

---

6. Test và iterate

Script test model

#!/usr/bin/env python3
"""複数のプロンプトを使用してカスタム モデルをテストします。"""

オラマを輸入する

MODEL = "Python エキスパート"
テストプロンプト = [
    "CSV ファイルを読み取り、辞書のリストを返す関数を作成します",
    "@property デコレータについて説明します",
    "このコードのバグを見つけます: def add(a, b): return a * b",
    "関数 validate_email() の単体テストを作成します",
】

i の場合、enumerate(TEST_PROMPTS, 1) のプロンプト:
    print(f"\n{'='*60}")
    print(f"テスト {i}: {プロンプト}")
    print('='*60)

    応答 = ollam.chat(
        モデル=モデル、
        メッセージ=[{'役割': 'ユーザー', 'コンテンツ': プロンプト}]
    ）
    print(応答['メッセージ']['コンテンツ'])

So sánh models

オラマを輸入する

モデル = ['llama3.2', 'python-expert', 'code-reviewer']
PROMPT = "コードを確認してください: def calc(x): return x*2+1"

MODELS 内のモデルの場合:
    print(f"\n--- {モデル} ---")
    応答 = ollam.chat(
        モデル=モデル、
        メッセージ=[{'役割': 'ユーザー', 'コンテンツ': プロンプト}]
    ）
    print(応答['メッセージ']['コンテンツ'][:500])

---

7. Tổ chức Modelfiles trong project

AIモデル/
§── README.md
§── Modelfile.python-expert
§── Modelfile.code-reviewer
§── Modelfile.devops
§── Modelfile.sql
§── Modelfile.writer
§── setup.sh # すべてのモデルを作成するスクリプト
└── test.py # スクリプトテストモデル

setup.sh:

#!/bin/bash
echo "🚀 カスタム Ollama モデルを作成しています..."

Modelfile.* の f の場合;期限の
    name="${f#Modelfile.}"
    echo "📦 作成中: $name"
    オラマ作成 "$name" -f "$f"
完了しました

echo "✅ 完了! モデル:"
オラマリスト

---

Tóm tắt

Directive	Mục đích	Ví dụ
から	Base model	ラマ3.2から
システム	System prompt	Personality, rules
パラメータ	Tuning params	temperature, num_ctx
テンプレート	Chat format	Custom template
メッセージ	Seed conversation	Pre-defined Q&A
ライセンス	ライセンス情報	MIT、カスタム

---

演習

1.「ベトナムのテクニカル ライター」のモデルファイルを作成する — 技術的なブログ投稿を書く 2.「JSON ジェネレーター」モデルを作成します。JSON のみを出力し、余分なテキストは含まれません。 3. 同じプロンプトとコメントを使用して、温度 0.1、0.5、0.9 を比較します。 4. フォルダー ai-models/ を 3 つ以上のモデルファイルと setup.sh スクリプトで整理します。 5. (ボーナス) 「インタビュー ボット」モデルの作成 — インタビューの質問をし、スコアを付けます

次の記事: 完全なワークフロー — パーソナル AI セットアップ →