介绍如何在 Ollama 中优化 Llama-3.2-3B 模型的上下文窗口（Context Window）和生成长度（Token Limit）。通过创建自定义 Modelfile 调整 num_ctx 和 num_predict 参数，解决长对话记忆丢失或文本截断问题。内容包括环境检查、Modelfile 编写、模型构建及测试验证方法，帮助提升模型处理长文档和多轮对话的能力。
在使用 Ollama 运行 Llama-3.2-3B 时，可能会遇到对话模型'失忆'或输入文本被截断的问题。这通常是因为默认的上下文长度（context window）和 token 限制设置不足。本文介绍如何调整这些关键参数，提升模型处理长对话和文档的能力。
Context Window 是模型的工作记忆区，决定了生成下一个词时能参考的文本长度。
Token 是模型处理文本的基本单位，不严格等于单词或汉字。
简单来说，调整 Context Window 是为了让模型'记得更多'，调整 Token 限制是为了让模型'一次说得更长'。
在调整前，确保基础环境正常。打开终端执行以下命令检查 Ollama 服务及模型状态：
# 检查 Ollama 服务状态（Linux/macOS）
curl http://localhost:11434/api/tags
# 或者直接列出已拉取的模型
ollama list
如果看到 llama3.2:3b 在列表中，说明模型已就绪。若未拉取，请先执行：
ollama pull llama3.2:3b
Ollama 允许通过 Modelfile 定义自定义模型版本。
在任意目录下（例如 ~/Desktop 或 D:\ollama_config）创建名为 Modelfile 的文本文件（无后缀）。使用编辑器打开并写入以下内容：
# 基于官方的 llama3.2:3b 镜像
FROM llama3.2:3b
# 设置系统提示词（可选，但推荐）
PARAMETER system "你是一个乐于助人且知识渊博的 AI 助手。请用清晰、准确的中文回答用户的问题。"
# !!! 核心参数调整开始 !!!
# 1. 调整温度，控制生成随机性 (0.1-2.0)
PARAMETER temperature 0.7
# 2. 调整上下文窗口大小 (关键！默认可能是 8192)
# 值必须是 64 的倍数。根据硬件调整内存占用。
# PARAMETER num_ctx 8192 # 默认档
PARAMETER num_ctx 16384 # 推荐档，适合长对话
# PARAMETER num_ctx 32768 # 大内存档，需 16GB+ RAM
# 3. 调整单次生成的最大 token 数
PARAMETER num_predict 4096
参数详解：
num_ctx：重点调整项。16384 平衡了性能与内存，显著改善长文本处理。增加此值会线性增加 RAM 消耗。num_predict：设为 4096，允许模型每次回复最多生成约 3000 个汉字。temperature：保持 0.7，通用值，兼顾创造性与准确性。保存 Modelfile 后，在终端进入该目录执行创建命令。新模型命名为 my-llama3.2-3b-longctx：
# 切换到 Modelfile 所在目录
cd ~/Desktop
# 执行创建命令
ollama create my-llama3.2-3b-longctx -f ./Modelfile
完成后用 ollama list 检查，应能看到新模型。
ollama run my-llama3.2-3b-longctx
设计测试验证模型是否记住更早的对话：
第一轮输入（提供背景）：
用户：请记住以下关于主角'小明'的设定：小明是一位生活在 22 世纪的太空工程师，他有一只机械宠物狗叫'火花'，最喜欢的食物是合成披萨。他目前正在执行一项前往火星的长期任务。
（等待模型确认）
第二轮输入（插入干扰）：
用户：请给我解释一下量子计算的基本概念。
（让模型回答，填充部分上下文窗口）
第三轮输入（关键测试）：
用户：根据我们最开始聊的，小明的宠物狗叫什么名字？他现在在做什么任务？
成功指标：如果模型准确回答出'火花'和'前往火星的长期任务'，说明扩大的上下文窗口有效。
尝试生成较长内容，观察是否流畅截断：
用户：请以'人工智能的未来'为主题，撰写一篇约 800 字的短文，需包含技术发展、伦理挑战和应用前景三个方面。
可在代码中通过 API 调用优化后的模型。例如使用 Python requests 库：
import requests
import json
url = "http://localhost:11434/api/generate"
payload = {
"model": "my-llama3.2-3b-longctx",
"prompt": "你好，请介绍一下你自己。",
"stream": False,
"options": {
"num_predict": 4096,
"temperature": 0.7
}
}
response = requests.post(url, json=payload)
result = response.json()
print(result['response'])
Modelfile 中的 num_ctx 值（如改回 8192）。查看当前模型的默认参数：
ollama show llama3.2:3b --modelfile
通过配置上下文窗口和生成长度，可以显著提升 Ollama 中 Llama-3.2-3B 的性能：
num_ctx 控制记忆长度，num_predict 控制单次说话长度。Modelfile -> 使用 ollama create 构建新模型 -> 运行测试验证。num_ctx 值。现在，你的 Llama-3.2-3B 能够更好地胜任深度讨论和长文档处理任务。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online