Points forts
- Raisonnement étape par étape
- Solide en mathématiques pour sa taille
- Poids sous licence MIT
Idéal pour
- Tâches de raisonnement locales
- Mathématiques et logique
- Expériences hors ligne
L'exécuter dans EDDI
Le plus rapide est de passer par le Manager : ouvrez l'assistant de création d'agent ou le Platform Operator et choisissez le fournisseur et le modèle. Pour le configurer vous-même, suivez ces étapes pour le fournisseur souhaité.
Ollama (local) · type: "ollama"
Identifiants de modèle: deepseek-r1:8b
1. Enregistrer l'identifiant
Ce fournisseur n'utilise pas de clé API : Ollama ne nécessite aucune clé. Faites pointer baseUrl vers votre serveur Ollama ; avec l'overlay Ollama d'EDDI, c'est http://ollama:11434.
2. Configurer la tâche LLM
Utilisez ceci comme langchain.json du workflow de l'agent, ou collez les paramètres dans l'éditeur LLM du Manager.
{
"tasks": [
{
"actions": [
"send_message"
],
"id": "chat",
"type": "ollama",
"parameters": {
"baseUrl": "http://ollama:11434",
"model": "deepseek-r1:8b",
"timeout": "120000",
"systemMessage": "You are a helpful assistant",
"addToOutput": "true"
}
}
]
}Remarques pour EDDI
- Les modèles de raisonnement réfléchissent avant de répondre, ce qui peut ressembler à un blocage dans un chat en streaming. Définissez
"think": "false"pour des réponses immédiates, et donnez à la tâche untimeoutgénéreux. - Fonctionne entièrement hors ligne une fois le modèle téléchargé, ce qui convient aux déploiements isolés (air-gap).
Modèles associés
Sources
Les informations de cette page proviennent de la documentation de l'éditeur, vérifiée le 2026-09-30. Les modèles évoluent vite : confirmez les limites auprès de l'éditeur avant de vous y fier. Les prix ne sont pas indiqués ici : consultez la page de tarification de l'éditeur.