利用 Ollama Modelfile 固化 System Prompt 实现模型深度定制

直接通过 ollama run llama3 快速启动虽然方便，但由于无法持久化指令，随着上下文长度增加，模型容易产生遗忘并退化为通用机器人。要实现真正的定制化，需要通过 Modelfile 注入 SYSTEM 指令，将其作为模型的底层认知逻辑固化在配置中。

具体操作流程为创建文本文件（如 my-assistant.Modelfile），并按照以下结构编写内容：

# 继承基础模型
FROM llama3

# 设置参数，比如调整随机性
PARAMETER temperature 0.7

# 核心：定义系统提示词
SYSTEM """
你是一个精通 Rust 语言的资深架构师，说话风格极其简洁，拒绝任何废话。
在给出代码之前，必须先用一句话分析潜在的内存安全风险。
所有代码示例必须包含完整的 Cargo.toml 依赖说明。
"""

编写完成后，运行以下命令将自定义版本实例化：

ollama create my-rust-expert -f my-assistant.Modelfile

这种方式能让 AI 从通用对话框进化为专业工具链，开发者可以构建如专门负责自然语言转 SQL 的 sql-bot 或负责代码审查的 review-bot 等独立模型实例，摆脱重复输入冗长设定的麻烦。

同时，将 Modelfile 提交至 Git 仓库可以实现 Prompt 的版本化管理，像管理代码一样管理 AI 的行为模式。通过 PARAMETER 与 SYSTEM Prompt 的组合，例如将 temperature 降至 0.2 并配合强制性格式约束，可以精准控制输出稳定性，缓解 LLM 的幻觉问题。