ollama gemma3:4b API call

call_api.py

==============================

import requests

import json

url = "http://192.168.5.53:11434/v1/chat/completions"

headers = {'Content-Type': 'application/json'}

data = {

    "model": "gemma3:4b",

    "messages": [

        {

            "role": "user",

            "content": "Explain how AI works"

        }

    ]

}

try:

    response = requests.post(url, headers=headers, data=json.dumps(data))

    response.raise_for_status()  # Raise HTTPError for bad responses (4xx or 5xx)

    print(response.json())  # Print the JSON response

except requests.exceptions.RequestException as e:

    print(f"Error: {e}")

except json.JSONDecodeError as e:

    print(f"Error decoding JSON: {e}")

    print(f"Raw response text: {response.text}")

#  LLM 回復JSON  資料結構

========================

這段 JSON 是從一個聊天完成（chat completion）API 回傳的資料，其中包含一個 AI 模型（如 gemma3:4b）所生成的回答。以下是這個 JSON 架構與各個 key 的中文說明：

---

JSON 結構說明：

json
{
  "id": "chatcmpl-687",
  "object": "chat.completion",
  "created": 1743484387,
  "model": "gemma3:4b",
  "system_fingerprint": "fp_ollama",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "..." // AI 回覆的內容
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 13,
    "completion_tokens": 1143,
    "total_tokens": 1156
  }
}

---

各 key 值的中文說明：

Key 名稱	類型	中文說明
id	字串	本次對話的唯一識別碼。
object	字串	回傳的物件類型，這裡固定是 "chat.completion"，代表是聊天補全結果。
created	整數（timestamp）	UNIX 時間戳，代表這次請求產生的時間。
model	字串	使用的 AI 模型名稱，例如 "gemma3:4b"。
system_fingerprint	字串	系統模型的指紋，用來追蹤模型的版本或變動。
choices	陣列	包含一或多個 AI 的回覆，每個回覆是一個選項（通常只有一個）。

choices 陣列中的物件：

Key 名稱	類型	中文說明
index	整數	回覆的索引（如果有多個回覆時用來區分）。
message	物件	回覆的訊息本體，內含角色與內容。
├ role	字串	發話者的角色，如 assistant（AI 回覆）、user（使用者輸入）。
└ content	字串	AI 實際輸出的文字內容。
finish_reason	字串	表示完成回應的原因，常見如 "stop"（正常結束）、"length"（長度限制結束）。

---

usage 區塊：

Key 名稱	類型	中文說明
prompt_tokens	整數	使用者輸入使用的 token 數量。
completion_tokens	整數	AI 回覆使用的 token 數量。
total_tokens	整數	總共使用的 token 數量（= prompt_tokens + completion_tokens）。

---

（LLM 串接 API 或 顯示回覆），通常會從 choices[0].message.content 取出 AI 的回答。