准备环境

你需要一台电脑（Windows / macOS / Linux），以及基本的命令行操作能力。本教程不要求你有 AI 经验，我们会一步步带你完成。

安装 Ollama，本地运行 AI 模型

Ollama 是一个免费的开源工具，让你能在自己的电脑上运行大语言模型（LLM），比如聊天机器人、文档总结等。

1. 访问 ollama.com/download，根据你的操作系统下载安装包。
2. 安装完成后，打开终端（Windows 是命令提示符或 PowerShell，macOS 是终端.app）。
3. 输入以下命令启动 Ollama 服务器：
   ollama serve
   你会看到类似 Listening on 127.0.0.1:11434 的输出，说明服务跑起来了。
4. 保持终端开着，新开一个终端窗口，运行一个模型试试：
   ollama run gemma:2b
   稍等片刻，你会看到 >>> 提示符，输入任意问题（比如 “你好”），模型就会回答你。

常见坑：如果下载模型很慢，可以尝试更换网络或使用代理。gemma:2b 是谷歌的小模型，适合入门，但回答比较简洁。

配置日志记录到 Bronto

AI 模型每次回答都会产生日志，记录用了多少时间、生成了多少字符等。把这些日志收集起来，方便后续分析。这里我们用 Bronto（一个日志管理工具）来接收日志。

1. 停止 Ollama 服务器（在运行 ollama serve 的终端按 Ctrl+C）。
2. 重启服务器，并将日志写入文件：
   ollama serve >> ollama.log 2>&1 &
3. 安装 OpenTelemetry Collector（用于转发日志）：从 opentelemetry.io 下载对应平台的版本。macOS ARM64 示例：
   curl -L https://github.com/open-telemetry/opentelemetry-collector-releases/releases/download/v0.72.0/otelcol-contrib_0.72.0_darwin_arm64.tar.gz -o otelcol.tar.gz
4. 解压并启动 Collector，配置文件指向 Bronto 的接入点（具体配置可参考 Bronto 官方文档）。
5. 现在，每次你向 Ollama 发送问题，日志就会自动传到 Bronto。

常见坑：OpenTelemetry 配置稍复杂，如果遇到问题，先检查日志文件是否生成，再确认 Collector 是否成功连接 Bronto。

验证是否成功

在 Bronto 的搜索界面，尝试搜索 tokens 或 prompt，你应该能看到来自 Ollama 的日志条目，包含每次对话的耗时、token 数量等信息。

下一步可以做什么

• 尝试其他模型，比如 ollama run mistral（更详细但速度慢）。
• 写一个简单的 Python 脚本（调用 Ollama API）批量测试不同提示词的效果。
• 探索 Bronto 的日志分析功能，比如按时间分组查看性能趋势。