How To Talk Verity Offline? (Ollama + Verity Setup Update)
三句話摘要
用 Ollama 在本地運行 AI 模型，接入 Verity 遊戲實現離線 AI 對話。 透過本地部署 Ollama + lightLLM proxy，可以實現完全離線的 AI 功能，對遊戲集成或隱私敏感的應用最有價值。 Ollama 提供了模型列表供使用者選擇，選擇時需權衡硬體配置與模型大小——低配電腦應選擇參數量小的版本（如 1B），高配電腦可選更大型號以獲得更好的回答質量。
重點整理
重點- 1
Ollama 提供了模型列表供使用者選擇，選擇時需權衡硬體配置與模型大小——低配電腦應選擇參數量小的版本（如 1B），高配電腦可選更大型號以獲得更好的回答質量。
- 2
本地部署涉及完整的工具鏈：Ollama 提供模型引擎、Python 是開發基礎、UV 和 lightLLM proxy 負責將模型透過 API 介面標準化暴露，缺一不可。
- 3
遊戲配置的關鍵步驟是切換 Verity 模組設定中的 local LLM 標籤，將連接地址從本地迴圈改為 0.0.0.0，並指定正確的模型名稱。
- 4
本地部署完全避免了對網際網路與線上 API 的依賴，回應延遲主要取決於本機硬體，低配電腦可能需要數分鐘才能得到回答。
實用技巧與重點
乾貨- 模型名稱與版本：Gemma 3、1B 參數版本
- 命令指令：
- `ollama pull [model_name]:[parameter_size]`
- `ollama run [model_name]:[parameter_size]`
- `pip install UV`
- `UV pip install lightLLM-proxy`
- `lightLLM --model ollama_chat/[model_name]`
- Verity 遊戲配置參數：
- 連接地址：127.0.0.1 改為 0.0.0.0
- 代理伺服器埠號：4000（可自訂）
- 模型指定格式：ollama_chat/[model_name]
結論
結論“透過本地部署 Ollama + lightLLM proxy，可以實現完全離線的 AI 功能，對遊戲集成或隱私敏感的應用最有價值。”
完整解析
詳細線上 AI API 存在成本、隱私與網路依賴的問題，使用者若想在遊戲中使用 AI 對話功能卻又希望完全離線控制，本教程提供了具體的解決方案。
第一步是安裝 Ollama，從官網下載對應作業系統的版本。Ollama 本質上是一個本地 LLM 運行環境，它內建了模型列表供使用者下載。選擇模型時需要考量硬體限制——參數量大的模型（如 7B、13B）效果更好但對 CPU、記憶體、磁碟空間要求更高，低配電腦應選擇 1B 版本，高配電腦可嘗試更大的版本。講者因電腦配置有限，選擇了 Gemma 3 的 1B 版本。
接下來安裝 Python 開發環境。這是整個工具鏈的基礎——安裝時務必勾選「Add Python to PATH」確保命令列能直接呼叫 Python。Python 安裝完後，用 `pip install UV` 安裝包管理工具，再用 `UV pip install lightLLM-proxy` 安裝本地 LLM 代理伺服器。lightLLM proxy 的作用是將 Ollama 運行的模型包裝成標準 API 介面，這樣遊戲或其他應用就能通過 HTTP 請求調用，而不需要直接與 Ollama 通訊。
代理伺服器啟動後，進入 Verity 遊戲配置。在遊戲的 Mods 選單中找到 Verity 模組，開啟 config 設定。切換到「local LLM」標籤，啟用「use Ollama」選項。這裡有兩個重要的改動：第一是將 IP 地址從 127.0.0.1（本地迴圈位址）改為 0.0.0.0（全網介面），第二是在模型名稱欄位輸入 `ollama_chat/[你的模型名稱]`。埠號預設是 4000，如果本地代理伺服器使用了其他埠號則需對應更改。
實測階段，講者向 Verity 提問「法國的首都是什麼？」。儘管因電腦配置較低，AI 回應花費了數分鐘時間，但最終給出了正確答案「巴黎」，並補充了相關的旅遊資訊。這驗證了整個本地部署方案的可行性。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
