{"id":35495360,"url":"https://github.com/barni007-pro/ollama_desktop_client","last_synced_at":"2026-04-05T21:06:22.222Z","repository":{"id":332408304,"uuid":"1126652832","full_name":"barni007-pro/ollama_desktop_client","owner":"barni007-pro","description":"A feature-rich desktop GUI for Ollama with Vision, RAG, and JSON support.","archived":false,"fork":false,"pushed_at":"2026-03-06T22:59:35.000Z","size":89456,"stargazers_count":3,"open_issues_count":0,"forks_count":0,"subscribers_count":0,"default_branch":"master","last_synced_at":"2026-03-07T03:44:08.316Z","etag":null,"topics":["ai-tools","code-execution","desktop-app","gui","llm","local-ai","net8","ollama","python","rag","thinking","vision","vision-llm"],"latest_commit_sha":null,"homepage":"","language":"Visual Basic .NET","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"mit","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/barni007-pro.png","metadata":{"files":{"readme":"README.de.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE.txt","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null,"notice":null,"maintainers":null,"copyright":null,"agents":null,"dco":null,"cla":null}},"created_at":"2026-01-02T10:33:03.000Z","updated_at":"2026-03-06T22:53:40.000Z","dependencies_parsed_at":null,"dependency_job_id":"997055d9-0784-4b3d-94bd-63956aaa073c","html_url":"https://github.com/barni007-pro/ollama_desktop_client","commit_stats":null,"previous_names":["barni007-pro/ollama_desktop_client"],"tags_count":17,"template":false,"template_full_name":null,"purl":"pkg:github/barni007-pro/ollama_desktop_client","repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/barni007-pro%2Follama_desktop_client","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/barni007-pro%2Follama_desktop_client/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/barni007-pro%2Follama_desktop_client/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/barni007-pro%2Follama_desktop_client/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/barni007-pro","download_url":"https://codeload.github.com/barni007-pro/ollama_desktop_client/tar.gz/refs/heads/master","sbom_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/barni007-pro%2Follama_desktop_client/sbom","scorecard":null,"host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":286080680,"owners_count":31449874,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2026-04-05T15:22:31.103Z","status":"ssl_error","status_checked_at":"2026-04-05T15:22:00.205Z","response_time":75,"last_error":"SSL_connect returned=1 errno=0 peeraddr=140.82.121.5:443 state=error: unexpected eof while reading","robots_txt_status":"success","robots_txt_updated_at":"2025-07-24T06:49:26.215Z","robots_txt_url":"https://github.com/robots.txt","online":false,"can_crawl_api":true,"host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["ai-tools","code-execution","desktop-app","gui","llm","local-ai","net8","ollama","python","rag","thinking","vision","vision-llm"],"created_at":"2026-01-03T17:11:51.065Z","updated_at":"2026-04-05T21:06:22.217Z","avatar_url":"https://github.com/barni007-pro.png","language":"Visual Basic .NET","funding_links":["https://www.paypal.com/cgi-bin/webscr?cmd=_donations\u0026business=r.barnstorf@online.de\u0026currency_code=EUR\u0026source=url"],"categories":[],"sub_categories":[],"readme":"# Ollama Desktop\n\n---\n\n\u003e **Languages:** [English](README.md) | [Deutsch]\n\n---\n\n**Ollama Desktop** ist eine grafische Benutzeroberfläche (GUI) für **Ollama**. Sie ermöglicht es dir, lokal installierte KI-Modelle komfortabel zu steuern, Parameter fein abzustimmen und strukturierte JSON-Antworten zu erzwingen.\n\n---\n\n![Ollama Desktop Screenshot](./screenshots/response_html.png)\n\n---\n\n### ✨ Highlights\n* **Vision-Unterstützung:** Bilder (.jpg,.png) hochladen und analysieren (z. B. mit llava) im Generate-Modus.\n* **Dateien einlesen:** Importieren von Textdateien (.pdf, .txt, .json), um deren Inhalte direkt in den Kontext einzubinden.\n* **RAG-Tool:** Chatten mit großen Dokumenten (.pdf/.txt) durch lokale Wissensextraktion.\n* **Chat-Modus:** Modellwechsel während der Konversation möglich.\n* **Tools \u0026 Functions:** Lokale Python-Code-Ausführung durch das Modell.\n* **JSON-Modus:** Erzwingen von strukturierten Antworten.\n* **Code-Ausführung:** Direktes Ausführen von Python, PowerShell oder Batch-Skripten.\n* **Screenshots:** Verabeiten von Screenshots durch ein Vision LLM.\n* **Formelausgabe:** Anzeigen von mathematischen Formeln (LaTeX Unterstützung).\n* **Bildgenerierung:** Unterstützung für die Bildgenerierung der Modelle x/z-image-turbo und x/flux2-klein.\n\n---\n\n### 📥 [Neueste Version herunterladen](https://github.com/barni007-pro/ollama_desktop_client/releases/latest)\n\nDu hast die Wahl zwischen der **Portablen** Version (keine Installation erforderlich) und der **Setup**-Version (Standard-Installation).\n\n## 📦 Installation \u0026 Einrichtung\n\n### 🚀 Option 1: Portable Version\n1. **Download:** Lade die `Ollama_Desktop_Portable_x.x.x.x.zip` von der [Releases](https://github.com/barni007-pro/ollama_desktop_client/releases)-Seite herunter.\n2. **Entpacken:** Entpacke das Archiv in einen Ordner deiner Wahl.\n3. **Starten:** Führe die `Ollama_Desktop.exe` direkt aus dem entpackten Ordner aus.\n\n### 💻 Option 2: Setup-Version (Installer)\n1. **Download:** Lade die `Ollama_Desktop_Setup_x.x.x.x.zip` von der [Releases](https://github.com/barni007-pro/ollama_desktop_client/releases)-Seite herunter.\n2. **Entpacken:** Entpacke die Installationsdatei aus dem ZIP-Archiv.\n3. **Installieren:** Starte die Setup-Datei und folge den Anweisungen auf dem Bildschirm.\n4. **Starten:** Öffne die Anwendung nach der Installation über das Startmenü oder die Desktop-Verknüpfung.\n\n---\n\n\u003e [!IMPORTANT]\n\u003e **Ollama Server:** Stelle sicher, dass der Ollama-Server läuft (Terminal: `ollama serve`), bevor du den Desktop-Client startest.\n\n---\n\n## 🖼️ UI-Übersicht\n\n\u003cdetails\u003e\n  \u003csummary\u003e\u003cb\u003eHier klicken: Screenshots aller Tabs anzeigen (Bilder zum Vergrößern anklicken)\u003c/b\u003e\u003c/summary\u003e\n\n| Tab: Model Info | Tab: Model Parameter |\n| :---: | :---: |\n| [![Model Info](./screenshots/model_info.png)](./screenshots/model_info.png) | [![Model Parameter](./screenshots/model_parameter.png)](./screenshots/model_parameter.png) |\n| **Tab: Tools** | **Tab: RAG Tool** |\n| [![Tools](./screenshots/tools.png)](./screenshots/tools.png) | [![RAG Tool](./screenshots/rag_tool.png)](./screenshots/rag_tool.png) |\n| **Tab: Request JSON** | **Tab: Response JSON** |\n| [![Request JSON](./screenshots/request_json.png)](./screenshots/request_json.png) | [![Response JSON](./screenshots/response_json.png)](./screenshots/response_json.png) |\n| **Tab: Response MarkDown** | **Tab: Response HTML** |\n| [![Response MarkDown](./screenshots/response_markdown.png)](./screenshots/response_markdown.png) | [![Response HTML](./screenshots/response_html.png)](./screenshots/response_html.png) |\n| **Tab: Code Parameter** | **Tab: Code Block** |\n| [![Code Parameter](./screenshots/code_parameter.png)](./screenshots/code_parameter.png) | [![Code Block](./screenshots/code_block.png)](./screenshots/code_block.png) |\n\n\u003c/details\u003e\n\n---\n\n## 🚀 Schnellstart\n\n1.  **Ollama-Server starten:** Starte den Ollama-Server im Hintergrund (Terminal: `ollama serve`).\n2.  **LLM-Liste laden:** Klicke oben links in der App auf **Get LLM List**, um deine installierten Modelle zu laden.\n3.  **Modell auswählen:** Wähle ein Modell aus dem Dropdown-Menü (z. B. `llama3` oder `gemma2`).\n4.  **Prompt ausführen:** Gib deine Frage ein und drücke den **Play-Button (▶)**.\n\n*Tipp: Stelle sicher, dass die Adresse oben links korrekt ist (Standard: `127.0.0.1:11434`).*\n\n---\n\n## 🔄 Betriebsmodi \u0026 Vision-Unterstützung\n\nÜber das **API**-Dropdown-Menü kannst du steuern, wie die App mit dem Modell kommuniziert.\n\n### 1. Generate-Modus (Einzelanfrage)\nDieser Modus ist für Einzelaufgaben (One-Shot-Tasks) konzipiert.\n* **Vision / Bilder:** Dies ist der *erinzige* Modus, in dem du Bilder hochladen kannst (über die Schaltflächen `+ File` oder `+ Screenshot`). Nutze dafür Vision-fähige Modelle wie *llava* oder *moondream*.\n* **Verhalten:** Jede Anfrage steht für sich allein; das Modell \"vergisst\" vorherige Fragen sofort.\n* **Kontext:** Du kannst jedoch Kontext-Token in die nächste Anfrage einbeziehen, um auch im Generate-Modus eine Konversation aufrechtzuerhalten.\n\n### 2. Chat-Modus (Konversation)\nDer gesamte Konversationsverlauf wird gespeichert und mit jeder neuen Nachricht gesendet.\n* **Modellwechsel:** Du kannst das **LLM mitten in einer Konversation wechseln** (z. B. von einem schnellen 7B-Modell zu einem intelligenten 70B-Modell), ohne den roten Faden zu verlieren.\n\n### 🔀 Die Brücke: „Generate \u003e Chat“\nDa der Chat-Modus keine Bilder direkt empfangen kann, bietet die App diesen Workflow an:\n1. Wähle **Generate** und lade ein Bild hoch (z. B. „Beschreibe dieses Bild“).\n2. Warte auf die Antwort.\n3. Klicke auf die Schaltfläche **Generate \u003e Chat**.\n*Die Analyse wird in den Chat-Verlauf kopiert, sodass du im Chat-Modus Folgefragen dazu stellen kannst.*\n\n---\n\n## 🛠 Modell-Parameter\n\n### 1. System-Prompt\nDefiniere die „Persönlichkeit“ der KI (z. B. „Du bist ein erfahrener C#-Entwickler“). Aktiviere das Kontrollkästchen **Use System Prompt**, um diese Anweisung vor jedem Chat zu senden.\n\n### 2. Ausgabeformat (JSON-Modus)\nZwinge das Modell dazu, exakt in einem definierten **JSON-Schema**-Format zu antworten. Dies ist ideal für Entwickler, die strukturierte Daten benötigen.\n\n### 3. Content-Prompt\nDieser Prompt erweitert die Eingabe um angehängte textbasierte Dateien wie **.txt**, **.json** oder **.pdf**.\n\n### 4. Options-Parameter\n| Parameter | Beschreibung |\n| :--- | :--- |\n| `temperature` | **Kreativität.** `0.0` ist deterministisch; `0.7-0.8` ist natürlich (Standard); `1.2+` ist experimentell. |\n| `top_p` | **Nucleus Sampling.** Berücksichtigt Wörter, die eine kumulative Wahrscheinlichkeit `P` erreichen. |\n| `num_ctx` | **Kontextfenster.** Legt fest, wie viele Token das Modell gleichzeitig verarbeiten kann. `2048` ist Standard; `4096-8192` für Dokumente. |\n| `repeat_penalty` | Verhindert, dass das Modell Wörter wiederholt (empfohlen: `1.1-1.2`). |\n| `seed` | Ein fester Wert (z. B. `42`) stellt sicher, dass derselbe Prompt mit denselben Parametern immer die gleiche Antwort liefert. |\n\n*Du kannst manuell benutzerdefinierte Parameter hinzufügen, indem du auf die leere Zeile (markiert mit `*`) in der Tabelle klickst.*\n\n---\n\n## 🛠 Tools \u0026 Funktionsaufrufe (Function Calling)\nDer Reiter **Tools** macht das LLM zu einem Agenten, der Aufgaben wie Wetterabfragen oder Berechnungen automatisch ausführen kann.\n* **Tool JSON:** Definiere hier deine API-Schnittstelle, damit das Modell weiß, welche Parameter extrahiert werden müssen.\n* **Python-Code:** Hinterlege die Logik, die lokal ausgeführt werden soll. Die App führt diesen Code automatisch aus, wenn das Modell das Tool anfordert.\n\n---\n\n## 📄 RAG-Tool (Chat mit Dokumenten)\nLade **.txt**- oder **.pdf**-Dateien hoch, um sie als Wissensdatenbank zu nutzen.\n* **Workflow:** Die App zerlegt die Datei in Sätze, extrahiert Schlüsselwörter/Synonyme aus deiner Anfrage und stellt dem LLM passende Textsegmente als Hintergrundwissen zur Verfügung.\n* **Delta-Parameter:** Steuert, wie viel Kontext (0-9 Sätze) um einen Treffer herum an das Modell gesendet wird.\n\n---\n\n## 💻 Code-Generierung \u0026 Ausführung\nFühre Code in Python, PowerShell, Batch oder HTML/JavaScript direkt in der App aus.\n* **Execute List:** Definiere deine Interpreter-Pfade (z. B. `python.exe`) im Reiter **Code Parameter**.\n* **ShellExecute:** Wähle zwischen der Code-Ausführung im Hintergrund (Ausgabe wird erfasst) oder in einem externen Fenster.\n\n---\n\n## ⚖️ Lizenzen \u0026 Drittanbieter-Komponenten\n* **Ollama_Desktop, Newtonsoft.Json, Scintilla5.NET:** MIT-Lizenz.\n* **WebView2:** Microsoft Corporation.\n* **Markdig:** BSD-Clause 2.\n* **PdfPig:** Apache-Lizenz 2.0.\n* **Siticone.NetCore.UI:** Proprietäre Lizenz.\n\n---\n\n## ☕ Unterstützung\nOllama Desktop ist kostenlos und quelloffen. Wenn du die Entwicklung unterstützen möchtest, kannst du via PayPal spenden:\n\n**[Über PayPal spenden](https://www.paypal.com/cgi-bin/webscr?cmd=_donations\u0026business=r.barnstorf@online.de\u0026currency_code=EUR\u0026source=url)**\n\nEmpfänger: `r.barnstorf@online.de`","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fbarni007-pro%2Follama_desktop_client","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fbarni007-pro%2Follama_desktop_client","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fbarni007-pro%2Follama_desktop_client/lists"}