Relocate doc position

2024-03-12 19:59:59 +08:00 · 2024-03-12 19:59:59 +08:00 · e135e08bd4
commit e135e08bd4
parent 94a721e1a5
16 changed files with 719 additions and 368 deletions
--- a/README_ja.md
+++ b/README_ja.md
@ -10,19 +10,19 @@

 ### macOS

-[Download](https://ollama.ai/download/Ollama-darwin.zip)
+[Download](https://ollama.com/download/Ollama-darwin.zip)

-### Windows
+### Windows プレビュー

-近日公開予定！現時点では、WSL2を介してWindowsにOllamaをインストールすることができます。
+[Download](https://ollama.com/download/OllamaSetup.exe)

-### Linux と WSL2
+### Linux

 ```
-curl https://ollama.ai/install.sh | sh
+curl -fsSL https://ollama.com/install.sh | sh
 ```

-[手動インストール手順](https://github.com/jmorganca/ollama/blob/main/docs/linux.md)
+[手動インストール手順](./docs/ja/linux.md)

 ### Docker

@ -35,7 +35,7 @@ curl https://ollama.ai/install.sh | sh

 ## クイックスタート

-[Llama 2](https://ollama.ai/library/llama2) を実行してチャットするには：
+[Llama 2](https://ollama.com/library/llama2) を実行してチャットするには：

 ```
 ollama run llama2
@ -43,12 +43,12 @@ ollama run llama2

 ## モデルライブラリ

-Ollamaは[ollama.ai/library](https://ollama.ai/library 'ollama model library')で利用可能なオープンソースモデルのリストをサポートしています。
+Ollama は、[ollama.com/library](https://ollama.com/library 'ollama model library')で利用可能なモデルのリストをサポートしています。

-以下はダウンロード可能ないくつかのオープンソースモデルの例です：
+以下は、ダウンロード可能ないくつかのモデルの例です：

 | モデル              | パラメーター | サイズ  | ダウンロード                    |
-| ------------------ | ---------- | ----- | ------------------------------ |
+| ------------------ | ----------- | ------- | ------------------------------ |
 | Llama 2            | 7B          | 3.8GB   | `ollama run llama2`            |
 | Mistral            | 7B          | 4.1GB   | `ollama run mistral`           |
 | Dolphin Phi        | 2.7B        | 1.6GB   | `ollama run dolphin-phi`       |
@ -62,6 +62,8 @@ Ollamaは[ollama.ai/library](https://ollama.ai/library 'ollama model library')
 | Orca Mini          | 3B          | 1.9GB   | `ollama run orca-mini`         |
 | Vicuna             | 7B          | 3.8GB   | `ollama run vicuna`            |
 | LLaVA              | 7B          | 4.5GB   | `ollama run llava`             |
+| Gemma              | 2B          | 1.4GB   | `ollama run gemma:2b`          |
+| Gemma              | 7B          | 4.8GB   | `ollama run gemma:7b`          |

 >注意: 7Bモデルを実行するには少なくとも8 GBのRAMが必要であり、13Bモデルを実行するには16 GB、33Bモデルを実行するには32 GBが必要です。

@ -91,7 +93,7 @@ OllamaはModelfileでのGGUFモデルのインポートをサポートしてい

 ### PyTorch または Safetensor からのインポート

-詳細については、[ガイド](docs_ja/import.md)を参照してください。
+詳細については、[ガイド](docs/ja/import.md)を参照してください。

 ### プロンプトをカスタマイズする

@ -124,7 +126,7 @@ ollama run mario
 マリオだよ。
 ```

-さらなる例については、[examples](examples) ディレクトリを参照してください。Modelfileの操作に関する詳細は、[Modelfile](docs_ja/modelfile.md) のドキュメントをご覧ください。
+さらなる例については、[examples](examples) ディレクトリを参照してください。Modelfileの操作に関する詳細は、[Modelfile](docs/ja/modelfile.md) のドキュメントをご覧ください。

 ## CLI リファレンス

@ -210,7 +212,7 @@ go generate ./...
 go build .
 ```

-より詳細な手順は[開発者ガイド](https://github.com/jmorganca/ollama/blob/main/docs/development.md)に記載されています。
+より詳細な手順は[開発者ガイド](./docs/ja/development.md)に記載されています。


 ### ローカルビルドの実行
@ -251,25 +253,32 @@ curl http://localhost:11434/api/chat -d '{
 }'
 ```

-すべてのエンドポイントについては、[APIドキュメント](./docs_ja/api.md)を参照してください。
+すべてのエンドポイントについては、[APIドキュメント](./docs/ja/api.md)を参照してください。

 ## コミュニティの統合

 ### ウェブとデスクトップ
 - [Bionic GPT](https://github.com/bionic-gpt/bionic-gpt)
+- [Enchanted (macOS native)](https://github.com/AugustDev/enchanted)
 - [HTML UI](https://github.com/rtcfirefly/ollama-ui)
 - [Chatbot UI](https://github.com/ivanfioravanti/chatbot-ollama)
 - [Typescript UI](https://github.com/ollama-interface/Ollama-Gui?tab=readme-ov-file)
 - [Minimalistic React UI for Ollama Models](https://github.com/richawo/minimal-llm-ui)
- [Web UI](https://github.com/ollama-webui/ollama-webui)
+- [Open WebUI](https://github.com/open-webui/open-webui)
 - [Ollamac](https://github.com/kevinhermawan/Ollamac)
- [big-AGI](https://github.com/enricoros/big-agi/blob/main/docs/config-ollama.md)
+- [big-AGI](https://github.com/enricoros/big-AGI/blob/main/docs/config-local-ollama.md)
 - [Cheshire Cat assistant framework](https://github.com/cheshire-cat-ai/core)
 - [Amica](https://github.com/semperai/amica)
 - [chatd](https://github.com/BruceMacD/chatd)
 - [Ollama-SwiftUI](https://github.com/kghandour/Ollama-SwiftUI)
 - [MindMac](https://mindmac.app)
-
+- [NextJS Web Interface for Ollama](https://github.com/jakobhoeg/nextjs-ollama-llm-ui)
+- [Msty](https://msty.app)
+- [Chatbox](https://github.com/Bin-Huang/Chatbox)
+- [WinForm Ollama Copilot](https://github.com/tgraupmann/WinForm_Ollama_Copilot)
+- [NextChat](https://github.com/ChatGPTNextWeb/ChatGPT-Next-Web) with [Get Started Doc](https://docs.nextchat.dev/models/ollama)
+- [Odin Runes](https://github.com/leonid20000/OdinRunes)
+- [LLM-X: Progressive Web App](https://github.com/mrdjohnson/llm-x)

 ### ターミナル

@ -278,10 +287,14 @@ curl http://localhost:11434/api/chat -d '{
 - [Emacs client](https://github.com/zweifisch/ollama)
 - [gen.nvim](https://github.com/David-Kunz/gen.nvim)
 - [ollama.nvim](https://github.com/nomnivore/ollama.nvim)
+- [ollama-chat.nvim](https://github.com/gerazov/ollama-chat.nvim)
 - [ogpt.nvim](https://github.com/huynle/ogpt.nvim)
 - [gptel Emacs client](https://github.com/karthink/gptel)
 - [Oatmeal](https://github.com/dustinblackman/oatmeal)
 - [cmdh](https://github.com/pgibler/cmdh)
+- [tenere](https://github.com/pythops/tenere)
+- [llm-ollama](https://github.com/taketwo/llm-ollama) for [Datasette's LLM CLI](https://llm.datasette.io/en/stable/).
+- [ShellOracle](https://github.com/djcopley/ShellOracle)

 ### データベース

@ -290,12 +303,15 @@ curl http://localhost:11434/api/chat -d '{
 ### パッケージマネージャー

 - [Pacman](https://archlinux.org/packages/extra/x86_64/ollama/)
+- [Helm Chart](https://artifacthub.io/packages/helm/ollama-helm/ollama)

 ### ライブラリー

 - [LangChain](https://python.langchain.com/docs/integrations/llms/ollama) and [LangChain.js](https://js.langchain.com/docs/modules/model_io/models/llms/integrations/ollama) with [example](https://js.langchain.com/docs/use_cases/question_answering/local_retrieval_qa)
 - [LangChainGo](https://github.com/tmc/langchaingo/) with [example](https://github.com/tmc/langchaingo/tree/main/examples/ollama-completion-example)
+- [LangChain4j](https://github.com/langchain4j/langchain4j) with [example](https://github.com/langchain4j/langchain4j-examples/tree/main/ollama-examples/src/main/java)
 - [LlamaIndex](https://gpt-index.readthedocs.io/en/stable/examples/llm/ollama.html)
+- [LangChain4j](https://github.com/langchain4j/langchain4j/tree/main/langchain4j-ollama)
 - [LiteLLM](https://github.com/BerriAI/litellm)
 - [OllamaSharp for .NET](https://github.com/awaescher/OllamaSharp)
 - [Ollama for Ruby](https://github.com/gbaptista/ollama-ai)
@ -308,8 +324,10 @@ curl http://localhost:11434/api/chat -d '{
 - [LangChainDart](https://github.com/davidmigloz/langchain_dart)
 - [Semantic Kernel - Python](https://github.com/microsoft/semantic-kernel/tree/main/python/semantic_kernel/connectors/ai/ollama)
 - [Haystack](https://github.com/deepset-ai/haystack-integrations/blob/main/integrations/ollama.md)
+- [Elixir LangChain](https://github.com/brainlid/langchain)
 - [Ollama for R - rollama](https://github.com/JBGruber/rollama)
-
+- [Ollama-ex for Elixir](https://github.com/lebrunel/ollama-ex)
+- [Ollama Connector for SAP ABAP](https://github.com/b-tocs/abap_btocs_ollama)

 ### 携帯

@ -323,6 +341,7 @@ curl http://localhost:11434/api/chat -d '{
 - [Continue](https://github.com/continuedev/continue)
 - [Obsidian Ollama plugin](https://github.com/hinterdupfinger/obsidian-ollama)
 - [Logseq Ollama plugin](https://github.com/omagdy7/ollama-logseq)
+- [NotesOllama](https://github.com/andersrex/notesollama) (Apple Notes Ollama plugin)
 - [Dagger Chatbot](https://github.com/samalba/dagger-chatbot)
 - [Discord AI Bot](https://github.com/mekb-turtle/discord-ai-bot)
 - [Ollama Telegram Bot](https://github.com/ruecat/ollama-telegram)
@ -330,6 +349,9 @@ curl http://localhost:11434/api/chat -d '{
 - [Rivet plugin](https://github.com/abrenneke/rivet-plugin-ollama)
 - [Llama Coder](https://github.com/ex3ndr/llama-coder) (Copilot alternative using Ollama)
 - [Obsidian BMO Chatbot plugin](https://github.com/longy2k/obsidian-bmo-chatbot)
+- [Copilot for Obsidian plugin](https://github.com/logancyang/obsidian-copilot)
+- [Obsidian Local GPT plugin](https://github.com/pfrankov/obsidian-local-gpt)
 - [Open Interpreter](https://docs.openinterpreter.com/language-model-setup/local-models/ollama)
 - [twinny](https://github.com/rjmacarthy/twinny) (Copilot and Copilot chat alternative using Ollama)
-
+- [Wingman-AI](https://github.com/RussellCanfield/wingman-ai) (Copilot code and chat alternative using Ollama and HuggingFace)
+- [Page Assist](https://github.com/n4ze3m/page-assist) (Chrome Extension)
--- a/docs/ja/README.md
+++ b/docs/ja/README.md
@ -1,25 +1,21 @@
 # ドキュメンテーション

-始めるには、プロジェクトの **[クイックスタート](../README_ja.md#クイックスタート)** を参照してください。
+### はじめに
+* [クイックスタート](../../README_ja.md#クイックスタート)
+* [例](../../examples)
+* GGUF、Pytorch、Safetensors からのモデルの[インポート](./import.md)
+* [Linux ドキュメント](./linux.md)
+* [Windows ドキュメント](./windows.md)
+* [Docker ドキュメント](https://hub.docker.com/r/ollama/ollama)

-Ollamaは、AIモデルをあなたのハードウェアで実行するためのツールです。多くのユーザーは、Ollamaと連携するためにコマンドラインインターフェース（CLI）を選択します。CLIで使用できるすべてのコマンドについて詳しくは、**[メイン Readme](../README_ja.md)** を参照してください。
+### 参照

-RESTful APIは、Python、JavaScript、Typescript、Go、Rustなど、任意の言語を使用して利用できます。APIの使用方法について詳しくは、**[APIドキュメント](./api.md)** を参照してください。
+* [API リファレンス](./api.md)
+* [モデルファイルリファレンス](./modelfile.md)
+* [OpenAI の互換性](./openai.md)

-新しいモデルを作成するか、ライブラリにすでに存在するモデルを変更するには、Modelfileを使用します。Modelfileの構文について詳しくは、**[Modelfileドキュメント](./modelfile.md)** を参照してください。
+### リソース

-Hugging Faceや類似のサイトから見つかるソースモデルの重みを使用してモデルをインポートするには、**[Import ドキュメント](./import.md)** を参照してください。
-
-Linuxへのインストールは、ほとんどの場合、Ollama.aiのスクリプトを使用することで簡単です。インストールの詳細や、CUDAドライバについての詳細については、**[Linux ドキュメント](./linux.md)** を参照してください。
-
-多くのユーザーは、公式のDockerイメージを使用する柔軟性が好まれています。OllamaとDockerを使用する方法についての詳細は、**[Docker ドキュメント](https://hub.docker.com/r/ollama/ollama)** をご参照ください。
-
-LinuxやMacへのインストールは簡単ですが、多くのユーザーは独自にOllamaをビルドすることを選択するかもしれません。これを行うには、**[開発ドキュメント](./development.md)** を参照してください。
-
-Ollamaに問題が発生した場合、解決の出発点はログです。ログに関する詳細な情報は、**[トラブルシューティングガイド](./troubleshooting.md)** で確認できます。
-
-最後に、他のどこにも当てはまらないすべての質問に対しては、**[FAQ（よくある質問）](./faq.md)** があります。
-
-[チュートリアル](./tutorials.md) は、タスクに文書を適用する方法を示します。
-
-Ollamaの使用に関する動作するコードの例については、[Examples（例）](../examples)を参照してください。
+* [トラブルシューティングガイド](./troubleshooting.md)
+* [よくある質問](./faq.md)
+* [開発ガイド](./development.md)
--- a/docs/ja/api.md
+++ b/docs/ja/api.md
@ -49,11 +49,13 @@ POST /api/generate
 - `template`: 使用するプロンプトテンプレート（`Modelfile` で定義されたものを上書きする）
 - `context`: `/generate` への前回のリクエストから返されるコンテキストパラメーター。これは短い対話的なメモリを維持するために使用できます
 - `stream`: `false` の場合、応答はオブジェクトのストリームではなく、単一の応答オブジェクトとして返されます
- `raw`: `true` の場合、プロンプトには書式設定が適用されません。APIへのリクエストで完全なテンプレート化されたプロンプトを指定する場合は、`raw`
+- `raw`: `true` の場合、プロンプトに書式設定を適用しません。API へのリクエストで完全なテンプレート化されたプロンプトを指定する場合は、`raw` パラメータを使用することができます。
+- `keep_alive`: リクエスト後にモデルがメモリにロードされたままでいる時間を制御します（デフォルト： `5m`）。
+

 #### JSON モード

-`format` パラメーターを `json` に設定して JSON モードを有効にします。これにより、応答が有効な JSON オブジェクトとして構造化されます。以下にJSONモードの[例](#generate-request-json-mode) を参照してください。
+`format` パラメータを `json` に設定することで、JSON モードを有効にできます。これにより、レスポンスが有効な JSON オブジェクトとして構造化されます。以下は JSON モードの[例](#request-json-mode)です。

 > 注意: `prompt` でモデルに JSON を使用するように指示することが重要です。それ以外の場合、モデルは大量の空白を生成する可能性があります。

@ -146,7 +148,9 @@ curl http://localhost:11434/api/generate -d '{
 }
 ```

-#### リクエスト（JSONモード）
+<div id="request-json-mode">
+<h4>リクエスト（JSON モード）</h4>
+</div>

 > `format` が `json` に設定されている場合、出力は常に整形された JSON オブジェクトになります。モデルにも JSON で応答するように指示することが重要です。

@ -233,7 +237,7 @@ curl http://localhost:11434/api/generate -d '{

 #### リクエスト (Raw モード)Request (Raw Mode)

-In some cases, you may wish to bypass the templating system and provide a full prompt. In this case, you can use the `raw` parameter to disable templating. Also note that raw mode will not return a context.
+場合によっては、テンプレートシステムをバイパスして完全なプロンプトを提供したい場合があります。その場合、`raw` パラメーターを使用してテンプレート処理を無効にすることができます。また、raw モードではコンテキストが返されないことに注意してください。

 ##### リクエスト

@ -246,6 +250,23 @@ curl http://localhost:11434/api/generate -d '{
 }'
 ```

+#### リクエスト（再現可能な出力）
+
+再現可能な出力を得るために、`temperature` を 0 に設定し、`seed` を数字に設定します。
+
+##### リクエスト
+
+```shell
+curl http://localhost:11434/api/generate -d '{
+  "model": "mistral",
+  "prompt": "Why is the sky blue?",
+  "options": {
+    "seed": 123,
+    "temperature": 0
+  }
+}'
+```
+
 ##### レスポンス

 ```json
@ -331,7 +352,7 @@ curl http://localhost:11434/api/generate -d '{

 #### モデルの読み込み

-If an empty prompt is provided, the model will be loaded into memory.
+空のプロンプトが提供されると、モデルがメモリに読み込まれます。

 ##### リクエスト

@ -379,6 +400,7 @@ POST /api/chat
 - `options`: [Modelfile](./modelfile.md#有効なパラメータと値)のドキュメントにリストされている追加のモデルパラメーター（`temperature`など）
 - `template`: 使用するプロンプトテンプレート（`Modelfile` で定義されたものを上書きする）
 - `stream`: `false` の場合、応答はオブジェクトのストリームではなく、単一の応答オブジェクトとして返されます
+- `keep_alive`: リクエスト後にモデルがメモリにロードされたままになる時間を制御します（デフォルト： `5m`）

 ### 例

@ -472,7 +494,7 @@ curl http://localhost:11434/api/chat -d '{

 #### チャットリクエスト（履歴あり）

-Send a chat message with a conversation history. You can use this same approach to start the conversation using multi-shot or chain-of-thought prompting.
+会話履歴を持つチャットメッセージを送信してください。この方法は、multi-shot や chain-of-thought プロンプトを使用して会話を開始する際にも同じように利用できます。

 ##### リクエスト

@ -542,7 +564,7 @@ curl http://localhost:11434/api/chat -d '{
      "role": "user",
      "content": "what is in this image?",
      "images": ["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"]
-    },
+    }
  ]
 }'
 ```
@ -568,13 +590,55 @@ curl http://localhost:11434/api/chat -d '{
 }
 ```

+#### チャットリクエスト（再現可能な出力）
+
+##### リクエスト
+
+```shell
+curl http://localhost:11434/api/chat -d '{
+  "model": "llama2",
+  "messages": [
+    {
+      "role": "user",
+      "content": "Hello!"
+    }
+  ],
+  "options": {
+    "seed": 101,
+    "temperature": 0
+  }
+}'
+```
+
+##### レスポンス
+
+```json
+{
+  "model": "registry.ollama.ai/library/llama2:latest",
+  "created_at": "2023-12-12T14:13:43.416799Z",
+  "message": {
+    "role": "assistant",
+    "content": "Hello! How are you today?"
+  },
+  "done": true,
+  "total_duration": 5191566416,
+  "load_duration": 2154458,
+  "prompt_eval_count": 26,
+  "prompt_eval_duration": 383809000,
+  "eval_count": 298,
+  "eval_duration": 4799921000
+}
+```
+
 ## モデルを作成する

 ```shell
 POST /api/create
 ```

-[`Modelfile`](./modelfile.md)からモデルを作成します。`modelfile`を単に`path`を設定するのではなく、Modelfileの内容に設定することをお勧めします。これはリモート作成のための要件です。リモートモデルの作成は、[Create a Blob](#create-a-blob)を使用してサーバーに対して`FROM`や`ADAPTER`などのファイルブロブ、フィールドを明示的に作成する必要があり、応答で示されたパスに対して値を使用します。
+[`Modelfile`](./modelfile.md) を使ってモデルを作成する場合、`path` を設定するだけではなく、Modelfile の内容自体を `modelfile` フィールドに設定することを推奨します。これは、リモートでのモデル作成が必要な場合に必須です。
+
+リモートでモデルを作成する際には、`FROM` や `ADAPTER` など、ファイルブロブ (file blobs) を含む全てのフィールドについても、[Create a Blob](#create-a-blob) API を使ってサーバーに明示的に作成し、レスポンスで返却されたパスを Modelfile に設定する必要があります。


 ### パラメーター
@ -960,6 +1024,7 @@ POST /api/embeddings
 高度なパラメータ:

 - `options`: `Modelfile` の[ドキュメント](./modelfile.md#有効なパラメータと値)にリストされている `temperature` などの追加のモデルパラメータ
+- `keep_alive`：リクエスト後にモデルがメモリにロードされたままとどまる時間を制御します（デフォルト：`5m`）

 ### 例

@ -967,7 +1032,7 @@ POST /api/embeddings

 ```shell
 curl http://localhost:11434/api/embeddings -d '{
-  "model": "llama2",
+  "model": "all-minilm",
  "prompt": "Here is an article about llamas..."
 }'
 ```
--- a/docs/ja/development.md
+++ b/docs/ja/development.md
@ -3,7 +3,7 @@
 必要なツールをインストールしてください：

 - cmake バージョン 3.24 以上
- go バージョン1.21以上
+- go バージョン 1.22 以上
 - gcc バージョン 11.4.0 以上

 ```bash
@ -13,10 +13,10 @@ brew install go cmake gcc
 オプションでデバッグおよび詳細なログを有効にする:

 ```bash
-# At build time
+# ビルド時
 export CGO_CFLAGS="-g"

-# At runtime
+# 実行時
 export OLLAMA_DEBUG=1
 ```

@ -42,7 +42,7 @@ go build .

 #### Linux CUDA (NVIDIA)

-*お使いのオペレーティングシステムディストリビューションには、既にNVIDIA CUDA用のパッケージが含まれているかもしれません。ディストリビューションパッケージは通常好ましいですが、手順はディストリビューションに依存します。可能であれば、ディストリビューション固有のドキュメントを確認して、依存関係に関する情報を参照してください。*
+_お使いのオペレーティングシステムディストリビューションには、既に NVIDIA CUDA 用のパッケージが含まれているかもしれません。ディストリビューションパッケージは通常好ましいですが、手順はディストリビューションに依存します。可能であれば、ディストリビューション固有のドキュメントを確認して、依存関係に関する情報を参照してください。_

 `cmake` および `golang` をインストールし、[NVIDIA CUDA](https://developer.nvidia.com/cuda-downloads) の開発およびランタイムパッケージもインストールしてください。

@ -62,7 +62,7 @@ go build .

 #### Linux ROCm (AMD)

-*お使いのオペレーティングシステムディストリビューションには、すでにAMD ROCmおよびCLBlast用のパッケージが含まれているかもしれません。ディストリビューションパッケージは通常好ましいですが、手順はディストリビューションに依存します。可能であれば、ディストリビューション固有のドキュメントを確認して、依存関係に関する情報を参照してください。*
+_お使いのオペレーティングシステムディストリビューションには、すでに AMD ROCm および CLBlast 用のパッケージが含まれているかもしれません。ディストリビューションパッケージは通常好ましいですが、手順はディストリビューションに依存します。可能であれば、ディストリビューション固有のドキュメントを確認して、依存関係に関する情報を参照してください。_

 まず、[CLBlast](https://github.com/CNugteren/CLBlast/blob/master/doc/installation.md)と[ROCm](https://rocm.docs.amd.com/en/latest/deploy/linux/quick_start.html)の開発パッケージ、および `cmake` と `golang` をインストールしてください。

@ -81,11 +81,9 @@ go build .

 ROCm は実行時に GPU にアクセスするために特権が必要です。ほとんどのディストリビューションでは、ユーザーアカウントを `render` グループに追加するか、root として実行することができます。

-ROCm requires elevated privileges to access the GPU at runtime.  On most distros you can add your user account to the `render` group, or run as root.
-
 #### 高度なCPU設定

-デフォルトでは、`go generate ./...`を実行すると、一般的なCPUファミリとベクトル数学の能力に基づいて、いくつかの異なるバリエーションのLLMライブラリがコンパイルされます。これには、ほとんどの64ビットCPUで動作する最低限のバージョンも含まれており、パフォーマンスはやや低いです。実行時に、Ollamaは最適なバリエーションを自動検出してロードします。プロセッサにカスタマイズされたCPUベースのビルドを作成したい場合は、`OLLAMA_CUSTOM_CPU_DEFS`を使用したいllama.cppフラグに設定できます。たとえば、Intel i9-9880H向けに最適化されたバイナリをコンパイルする場合は、次のようにします:
+デフォルトでは、`go generate ./...` を実行すると、一般的な CPU ファミリとベクトル数学の機能に基づいて、いくつかの異なる LLM ライブラリのバリエーションがコンパイルされます。これには、ほとんどの 64 ビット CPU で動作する最も一般的なバージョンも含まれますが、やや遅くなります。実行時に、Ollama は最適なバリエーションを自動検出してロードします。プロセッサにカスタマイズされた CPU ベースのビルドを作成したい場合は、`OLLAMA_CUSTOM_CPU_DEFS` を使用する llama.cpp フラグに設定できます。例えば、Intel i9-9880H 向けに最適化されたバイナリをコンパイルする場合は、次のようにします：

 ```
 OLLAMA_CUSTOM_CPU_DEFS="-DLLAMA_AVX=on -DLLAMA_AVX2=on -DLLAMA_F16C=on -DLLAMA_FMA=on" go generate ./...
@ -102,8 +100,8 @@ Dockerが利用可能な場合、CUDAおよびROCmの依存関係が含まれて

 必要なツールをインストールしてください：

- MSVCツールチェーン - C/C++およびcmakeが最小要件です
- go バージョン1.21以上
+- MSVC ツールチェーン - C/C++ および cmake を最小の要件として - 環境変数を設定した "Developer Shell" からビルドする必要があります
+- go のバージョン 1.22 以上
 - GCC を搭載した MinGW（いずれかを選択）
  - <https://www.mingw-w64.org/>
  - <https://www.msys2.org/>
@ -119,6 +117,13 @@ go build .

 #### Windows CUDA (NVIDIA)

-上記で説明した一般的なWindows開発ツールに加えて、以下をインストールしてください:
+上記で説明した一般的な Windows 開発ツールに加えて、MSVC をインストールした**後**に CUDA をインストールしてください。

 - [NVIDIA CUDA](https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html)
+
+
+#### Windows ROCm (AMD Radeon)
+
+上記で説明した一般的な Windows 開発ツールに加えて、MSVC をインストールした**後**に AMD の HIP パッケージをインストールしてください。
+
+- [AMD HIP](https://www.amd.com/en/developer/resources/rocm-hub/hip-sdk.html)
--- a/docs/ja/faq.md
+++ b/docs/ja/faq.md
@ -2,18 +2,44 @@

 ## Ollama をアップグレードする方法はどのようになりますか？

-Ollamaをアップグレードするには、インストールプロセスを再実行してください。Macでは、メニューバーにあるOllamaアイコンをクリックし、更新が利用可能な場合は再起動オプションを選択してください。
+macOS と Windows 上の Ollama は自動的にアップデートをダウンロードします。タスクバーまたはメニューバーのアイテムをクリックして、"Restart to update" をクリックすると、アップデートが適用されます。また、最新バージョンを [手動でダウンロード](https://ollama.com/download/) してインストールすることもできます。
+
+Linux では、インストールスクリプトを再実行します：
+
+```
+curl -fsSL https://ollama.com/install.sh | sh
+```

 ## ログを表示する方法は？

 ログの使用についての詳細については、[トラブルシューティング](./troubleshooting.md)のドキュメントを参照してください。

+## コンテキストウィンドウサイズを指定する方法は？
+
+デフォルトでは、Ollama は 2048 トークンのコンテキストウィンドウサイズを使用します。
+
+`ollama run` を使用する場合は、`/set parameter` を使用してこれを変更します：
+
+```
+/set parameter num_ctx 4096
+```
+
+API を使用する場合は、`num_ctx` パラメータを指定します：
+
+```
+curl http://localhost:11434/api/generate -d '{
+  "model": "llama2",
+  "prompt": "Why is the sky blue?",
+  "options": {
+    "num_ctx": 4096
+  }
+}'
+```
+
 <div id="how-do-i-configure-ollama-server">
 <h2>Ollama サーバーの設定方法は？</h2>
 </div>

-Ollamaサーバーは、環境変数を使用して設定できます。
-
 ### Mac での環境変数の設定

 Ollama が macOS アプリケーションとして実行される場合、環境変数は `launchctl` を使用して設定する必要があります：
@ -47,6 +73,19 @@ Ollamaがsystemdサービスとして実行される場合、環境変数は`sys
   systemctl daemon-reload
   systemctl restart ollama
   ```
+### Windows での環境変数の設定方法
+
+Windows では、Ollama はユーザーとシステムの環境変数を継承します。
+
+1. 最初に、タスクバーで Ollama をクリックして終了します。
+
+2. コントロールパネルからシステムの環境変数を編集します。
+
+3. ユーザーアカウントのために `OLLAMA_HOST`、 `OLLAMA_MODELS` などの変数を編集または新しく作成します。
+
+4. 保存するために OK/Apply をクリックします。
+
+5. 新しいターミナルウィンドウから `ollama` を実行します。

 ## Ollama をネットワークで公開する方法は？

@ -54,22 +93,17 @@ Ollamaはデフォルトで127.0.0.1ポート11434にバインドされます。

 環境変数の設定方法については、[上記](#how-do-i-configure-ollama-server)のセクションを参照してください。

-## 追加のウェブ起源がOllamaにアクセスできるようにする方法は？
+## 追加の web origins が Ollama にアクセスできるようにする方法は？

-Ollamaはデフォルトで`127.0.0.1`および`0.0.0.0`からのクロスオリジンリクエストを許可します。追加の起源は`OLLAMA_ORIGINS`で構成できます。
-
-環境変数の設定方法については、[上記](#how-do-i-configure-ollama-server)のセクションを参照してください。
-
-## 追加のウェブ起源がOllamaにアクセスできるようにする方法は？
-
-Ollamaはデフォルトで`127.0.0.1`および`0.0.0.0`からのクロスオリジンリクエストを許可します。追加の起源は`OLLAMA_ORIGINS`で構成できます。
+Ollama はデフォルトで `127.0.0.1` および `0.0.0.0` からのクロスオリジンリクエストを許可します。追加の origins は `OLLAMA_ORIGINS`で構成できます。

 環境変数の設定方法については、[上記](#how-do-i-configure-ollama-server)のセクションを参照してください。

 ## モデルはどこに保存されていますか？

- macOS: `~/.ollama/models`。
- Linux: `/usr/share/ollama/.ollama/models`。
+- macOS: `~/.ollama/models`
+- Linux: `/usr/share/ollama/.ollama/models`
+- Windows: `C:\Users\<username>\.ollama\models`

 ### それらを異なる場所に設定するにはどうすればよいですか？

@ -77,9 +111,9 @@ Ollamaはデフォルトで`127.0.0.1`および`0.0.0.0`からのクロスオリ

 環境変数の設定方法については、[上記](#how-do-i-configure-ollama-server)のセクションを参照してください。

-## Ollamaはプロンプトや回答をOllama.aiに送信して何らかの方法で使用しますか？
+## Ollama は、プロンプトや回答を ollama.com に送信しますか？

-いいえ、Ollamaは完全にローカルで実行され、会話データは決してあなたのマシンを離れません。
+いいえ。Ollama はローカルで実行され、会話データはあなたのマシンから出ません。

 ## Visual Studio Code で Ollama を使用する方法は？

@ -122,3 +156,37 @@ GPUアクセラレーションは、macOSのDocker DesktopではGPUのパスス

 `Control Panel > Networking and Internet > View network status and tasks` を開き、左パネルで `Change adapter settings` をクリックします。`vEthernel (WSL)` アダプターを見つけ、右クリックして `Properties` を選択します。
 `Configure` をクリックし、`Advanced` タブを開きます。各プロパティを検索し、`Large Send Offload Version 2 (IPv4)` および `Large Send Offload Version 2 (IPv6)` を見つけるまで調べてください。これらのプロパティは *無効* にしてください。
+
+## モデルを事前にロードして応答時間を短縮する方法は？
+
+API を使用している場合、空のリクエストを Ollama サーバーに送信することで、モデルを事前にロードすることができます。これは、`/api/generate` および `/api/chat` API エンドポイントの両方で機能します。
+
+ジェネレートエンドポイントを使用して mistral モデルを事前にロードするには、次のコマンドを使用します：
+```shell
+curl http://localhost:11434/api/generate -d '{"model": "mistral"}'
+```
+
+チャット補完エンドポイントを使用する場合は、次のコマンドを使用します：
+```shell
+curl http://localhost:11434/api/chat -d '{"model": "mistral"}'
+```
+
+## モデルをメモリにロードしたままにする方法、または即時にアンロードする方法は？
+
+デフォルトでは、モデルはメモリに 5分間保持された後にアンロードされます。これにより、LLM に対して多数のリクエストを行う場合に応答時間を短縮できます。ただし、5分が経過する前にメモリを解放したい場合や、モデルを無期限にロードしたい場合があります。モデルがメモリに残る時間を制御するために、`/api/generate` および `/api/chat` API エンドポイントの `keep_alive` パラメーターを使用します。
+
+`keep_alive` パラメーターには、次のような値を設定できます：
+* 持続時間文字列（"10m" や "24h" など）
+* 秒数での数値（3600 など）
+* 負の数値は、モデルをメモリにロードしたままにします（例：-1 または "-1m"）。
+* レスポンスの生成後すぐにモデルをアンロードするための '0'
+
+例えば、モデルを事前にロードしてメモリに残す場合は、次のコマンドを使用します：
+```shell
+curl http://localhost:11434/api/generate -d '{"model": "llama2", "keep_alive": -1}'
+```
+
+モデルをアンロードしてメモリを解放するには、次のコマンドを使用します：
+```shell
+curl http://localhost:11434/api/generate -d '{"model": "llama2", "keep_alive": 0}'
+```
--- a/docs/ja/import.md
+++ b/docs/ja/import.md
@ -4,7 +4,7 @@

 ## インポート（GGUF）

-### ステップ1：`Modelfile`を作成します
+### Step 1：`Modelfile` を作成します

 `Modelfile` を作成して始めましょう。このファイルは、モデルの設計図であり、重み、パラメータ、プロンプトテンプレートなどが指定されています。

@ -15,11 +15,11 @@ FROM ./mistral-7b-v0.1.Q4_0.gguf
 （オプション）多くのチャットモデルは、正しく回答するためにプロンプトテンプレートが必要です。`Modelfile` 内の `TEMPLATE` 指示でデフォルトのプロンプトテンプレートを指定できます:

 ```
-FROM ./q4_0.bin
+FROM ./mistral-7b-v0.1.Q4_0.gguf
 TEMPLATE "[INST] {{ .Prompt }} [/INST]"
 ```

-### ステップ2：Ollamaモデルを作成します。
+### Step 2：Ollama モデルを作成します。

 最後に、あなたの `Modelfile` からモデルを作成してください:

@ -27,7 +27,7 @@ TEMPLATE "[INST] {{ .Prompt }} [/INST]"
 ollama create example -f Modelfile
 ```

-### ステップ3：モデルを実行します。
+### Step 3：モデルを実行します。

 次に、`ollama run` でモデルをテストします。

@ -37,58 +37,73 @@ ollama run example "あなたのお気に入りの調味料は何ですか？"

 ## インポート（PyTorch＆Safetensors）

-### サポートされているモデル
+> PyTorch および Safetensors からのインポートは、GGUF からのインポートよりも時間がかかります。これをより簡単にする改善策は進行中です。

-Ollamaは一連のモデルアーキテクチャをサポートしており、今後もサポートが拡充される予定です:
+### Step 1：セットアップ

- Llama & Mistral
- Falcon & RW
- BigCode
+まず、`ollama/ollama` リポジトリをクローンします：

-モデルのアーキテクチャを確認するには、HuggingFaceリポジトリ内の`config.json`ファイルをチェックしてください。`architectures`のエントリーの下に（例：`LlamaForCausalLM`）が表示されるはずです。
+```
+git clone git@github.com:ollama/ollama.git ollama
+cd ollama
+```

-### Step 1: HuggingFaceリポジトリをクローンする（オプション）
+次に、`llama.cpp` サブモジュールを取得します：
+
+```shell
+git submodule init
+git submodule update llm/llama.cpp
+```
+
+次に、Python の依存関係をインストールします：
+
+```
+python3 -m venv llm/llama.cpp/.venv
+source llm/llama.cpp/.venv/bin/activate
+pip install -r llm/llama.cpp/requirements.txt
+```
+
+その後、 `quantize` ツールをビルドします：
+
+```
+make -C llm/llama.cpp quantize
+```
+
+### Step 2：HuggingFace リポジトリのクローン（オプション）

 もしモデルが現在 HuggingFace リポジトリにホストされている場合、まずそのリポジトリをクローンして生のモデルをダウンロードしてください。

+[Git LFS](https://docs.github.com/ja/repositories/working-with-files/managing-large-files/installing-git-large-file-storage) をインストールし、正常にインストールされていることを確認した後、モデルのリポジトリをクローンしてください。
+
 ```
 git lfs install
-git clone https://huggingface.co/mistralai/Mistral-7B-Instruct-v0.1
-cd Mistral-7B-Instruct-v0.1
+git clone https://huggingface.co/mistralai/Mistral-7B-Instruct-v0.1 model
 ```

-### Step 2: `.bin` ファイルに変換および量子化（オプション、PyTorchおよびSafetensors用）
+### Step 3：モデルの変換

-もしモデルがPyTorchやSafetensors形式の場合、[Dockerイメージ](https://hub.docker.com/r/ollama/quantize)が利用可能で、モデルを変換および量子化するための必要なツールが含まれています。
-
-まず、[Docker](https://www.docker.com/get-started/)をインストールしてください。
-
-次に、モデルを変換および量子化するために、以下を実行してください:
+> 注：一部のモデルアーキテクチャでは、特定の変換スクリプトを使用する必要があります。たとえば、Qwen モデルの場合は、`convert.py`の代わりに `convert-hf-to-gguf.py` を実行する必要があります。

 ```
-docker run --rm -v .:/model ollama/quantize -q q4_0 /model
+python llm/llama.cpp/convert.py ./model --outtype f16 --outfile converted.bin
 ```
-これにより、ディレクトリに2つのファイルが出力されます：

- `f16.bin`: GGUFに変換されたモデル
- `q4_0.bin`: 4ビットの量子化に変換されたモデル（Ollamaはこのファイルを使用してOllamaモデルを作成します）
+### Step 4：モデルの量子化

-### Step 3: `Modelfile`の作成
+```
+llm/llama.cpp/quantize converted.bin quantized.bin q4_0
+```
+
+### Step 5: `Modelfile` の作成

 次に、あなたのモデルに対する `Modelfile` を作成してください:

 ```
-FROM ./q4_0.bin
-```
-
-（オプション）多くのチャットモデルは、正しく回答するためにはプロンプトのテンプレートが必要です。`Modelfile`内の`TEMPLATE`指示でデフォルトのプロンプトテンプレートを指定できます:
-
-```
-FROM ./q4_0.bin
+FROM quantized.bin
 TEMPLATE "[INST] {{ .Prompt }} [/INST]"
 ```

-### Step 4: Ollamaモデルを作成します
+### Step 6: Ollama モデルを作成します

 最後に、`Modelfile` からモデルを作成します:

@ -96,7 +111,7 @@ TEMPLATE "[INST] {{ .Prompt }} [/INST]"
 ollama create example -f Modelfile
 ```

-### Step 5: モデルを実行する
+### Step 7: モデルを実行する

 次に、`ollama run` コマンドを使ってモデルをテストします:

@ -108,9 +123,12 @@ ollama run example "What is your favourite condiment?"

 モデルの公開はアーリーアルファ段階にあります。他の人と共有するためにモデルを公開したい場合は、以下の手順に従ってください：

-1. [アカウント](https://ollama.ai/signup)を作成してください。
-2. `cat ~/.ollama/id_ed25519.pub` を実行して、Ollamaの公開鍵を表示します。これをクリップボードにコピーします。
-3. あなたの公開鍵を[Ollamaのアカウント](https://ollama.ai/settings/keys)に追加します。
+1. [アカウント](https://ollama.com/signup)を作成します。
+2. Ollama の公開鍵をコピーします：
+    - macOS：`cat ~/.ollama/id_ed25519.pub`
+    - Windows：`type %USERPROFILE%\.ollama\id_ed25519.pub`
+    - Linux：`cat /usr/share/ollama/.ollama/id_ed25519.pub`
+3. あなたの公開鍵を [Ollamaアカウント](https://ollama.com/settings/keys) に追加します。

 次に、モデルをあなたのユーザー名の名前空間にコピーしてください:

@ -124,7 +142,7 @@ ollama cp example <your username>/example
 ollama push <your username>/example
 ```

-公開後、あなたのモデルは `https://ollama.ai/<あなたのユーザー名>/example` で利用可能になります。
+公開後、あなたのモデルは `https://ollama.com/<あなたのユーザー名>/example` で利用可能になります。

 ## 量子化リファレンス

@ -149,46 +167,3 @@ ollama push <your username>/example
 - `q8_0`
 - `f16`

-## モデルの手動変換と量子化
-
-### 事前に必要
-
-まず、`llama.cpp` レポジトリを別のディレクトリにマシンにクローンしてください：
-
-```
-git clone https://github.com/ggerganov/llama.cpp.git
-cd llama.cpp
-```
-
-次に、Pythonの依存関係をインストールしてください:
-
-```
-pip install -r requirements.txt
-```
-
-最後に、`quantize` ツールをビルドしてください:
-
-```
-make quantize
-```
-
-### モデルを変換する
-
-あなたのモデルのアーキテクチャに対応した変換スクリプトを実行してください:
-
-```shell
-# LlamaForCausalLM または MistralForCausalLM
-python convert.py <path to model directory>
-
-# FalconForCausalLM
-python convert-falcon-hf-to-gguf.py <path to model directory>
-
-# GPTBigCodeForCausalLM
-python convert-starcoder-hf-to-gguf.py <path to model directory>
-```
-
-### モデルを量子化する
-
-```
-quantize <path to model dir>/ggml-model-f32.bin <path to model dir>/q4_0.bin q4_0
-```
--- a/docs/ja/linux.md
+++ b/docs/ja/linux.md
@ -3,10 +3,15 @@
 ## インストール

 Ollama をインストールするには、次のワンライナーを実行してください:
+
 >
+
 ```bash
-curl https://ollama.ai/install.sh | sh
+curl -fsSL https://ollama.com/install.sh | sh
 ```
+## AMD Radeon GPU サポート
+
+AMD は `amdgpu` ドライバーを公式の Linux カーネルソースにアップストリームで提供していますが、そのバージョンは古く、すべての ROCm 機能をサポートしていない可能性があります。Radeon GPU を最良にサポートするために、最新のドライバーを以下からインストールすることをお勧めします：[https://www.amd.com/en/support/linux-drivers](https://www.amd.com/en/support/linux-drivers)。

 ## 手動インストール

@ -15,7 +20,7 @@ curl https://ollama.ai/install.sh | sh
 Ollama は自己完結型のバイナリとして配布されています。以下の手順で、ダウンロードして PATH に含まれるディレクトリに保存してください。

 ```bash
-sudo curl -L https://ollama.ai/download/ollama-linux-amd64 -o /usr/bin/ollama
+sudo curl -L https://ollama.com/download/ollama-linux-amd64 -o /usr/bin/ollama
 sudo chmod +x /usr/bin/ollama
 ```

@ -61,7 +66,13 @@ sudo systemctl enable ollama
 nvidia-smi
 ```

-### Ollamaを開始
+### ROCm のインストール（オプション - Radeon GPU 用）
+
+[ダウンロードしてインストール](https://rocm.docs.amd.com/projects/install-on-linux/en/latest/tutorial/quick-start.html)
+
+ROCm v6 をインストールしてください。
+
+### Ollama を起動

 `systemd` を使用して Ollama を起動します。

@ -74,13 +85,13 @@ sudo systemctl start ollama
 再びインストールスクリプトを実行して、Ollama をアップデートします:

 ```bash
-curl https://ollama.ai/install.sh | sh
+curl -fsSL https://ollama.com/install.sh | sh
 ```

 または、Ollama のバイナリをダウンロードすることもできます:

 ```bash
-sudo curl -L https://ollama.ai/download/ollama-linux-amd64 -o /usr/bin/ollama
+sudo curl -L https://ollama.com/download/ollama-linux-amd64 -o /usr/bin/ollama
 sudo chmod +x /usr/bin/ollama
 ```

--- a/docs/ja/modelfile.md
+++ b/docs/ja/modelfile.md
@ -12,14 +12,14 @@
  - [FROM (必須)](#from-必須)
    - [llama2 からビルド](#llama2-からビルド)
    - [バイナリ ファイルからビルド](#バイナリ-ファイルからビルド)
-  - [パラメータ](#パラメータ)
+  - [PARAMETER](#パラメータ)
    - [有効なパラメータと値](#有効なパラメータと値)
-  - [テンプレート](#テンプレート)
+  - [TEMPLATE](#テンプレート)
    - [テンプレート変数](#テンプレート変数)
-  - [システム](#システム)
-  - [アダプタ](#アダプタ)
-  - [ライセンス](#ライセンス)
-  - [メッセージ](#メッセージ)
+  - [SYSTEM](#システム)
+  - [ADAPTER](#アダプタ)
+  - [LICENSE](#ライセンス)
+  - [MESSAGE](#メッセージ)
 - [ノート](#ノート)

 ## フォーマット
@ -33,7 +33,7 @@

 | 指示                         | 説明                                                    |
 | ----------------------------------- | -------------------------------------------------------------- |
-| [`FROM`](#from-必須) (required) | ベースとするモデルを定義します。                                 |
+| [`FROM`](#from-必須) (必須) | ベースとするモデルを定義します。                                 |
 | [`PARAMETER`](#パラメータ)           | Ollama がモデルを実行する方法のパラメータを設定します。         |
 | [`TEMPLATE`](#テンプレート)             | モデルに 送信される完全なプロンプトテンプレート。              |
 | [`SYSTEM`](#システム)                 | テンプレートに設定されるシステムメッセージを指定します。 |
@ -65,15 +65,15 @@ To use this:
 3. `ollama run choose-a-model-name`
 4. モデルの使用を開始してください！

-より多くの例は [examplesディレクトリ](../examples) にあります。
+より多くの例は [examples ディレクトリ](../../examples) にあります。

-### `Modelfile`s in [ollama.ai/library][1]
+### `Modelfile`s in [ollama.com/library][1]

-[ollama.ai/library][1] で提供されているモデルのベースとなっている `Modelfile` を見る方法は2つあります。
+[ollama.com/library][1] で提供されているモデルのベースとなっている `Modelfile` を見る方法は2つあります。

 - オプション1：モデルのタグページから詳細ページを表示：
-  1. 特定のモデルのタグページに移動します（例：https://ollama.ai/library/llama2/tags）
-  2. タグをクリックします（例：https://ollama.ai/library/llama2:13b）
+  1. 特定のモデルのタグページに移動します（例：https://ollama.com/library/llama2/tags）
+  2. タグをクリックします（例：https://ollama.com/library/llama2:13b）
  3. "Layers" までスクロールします
     - 注意：[`FROM` 指示](#from-必須)が存在しない場合、
       それはモデルがローカルファイルから作成されたことを意味します。
@ -86,7 +86,7 @@ To use this:
  # FROM llama2:13b

  FROM /root/.ollama/models/blobs/sha256:123abc
-  TEMPLATE """[INST] {{ if and .First .System }}<<SYS>>{{ .System }}<</SYS>>
+  TEMPLATE """[INST] {{ if .System }}<<SYS>>{{ .System }}<</SYS>>

  {{ end }}{{ .Prompt }} [/INST] """
  SYSTEM """"""
@ -154,32 +154,23 @@ PARAMETER <parameter> <parametervalue>

 ### テンプレート

-モデルに渡すフルプロンプトの`TEMPLATE`。システムメッセージとユーザーのプロンプトを（オプションで）含むことができます。これはフルカスタムプロンプトを作成するために使用され、構文はモデルに固有の場合があります。通常、特定のモデルのテンプレートは、そのモデルのreadmeで見つけることができます。
-
+`TEMPLATE` は、モデルに渡される完全なプロンプトテンプレートです。これには（オプションで）システムメッセージ、ユーザーのメッセージ、およびモデルからのレスポンスが含まれる場合があります。注：構文はモデルに固有のものです。テンプレートは Go の[テンプレート構文](https://pkg.go.dev/text/template)を使用します。

 #### テンプレート変数

 | 変数              | 説明                                                                                   |
-| ----------------- | ------------------------------------------------------------------------------------------------------------- |
+| ----------------- | -------------------------------------------------------------------------------------- |
 | `{{ .System }}`   | カスタム動作を指定するために使用されるシステムメッセージ。                              |
-| `{{ .Prompt }}`   | 着信プロンプト。これはモデルファイルには指定されず、入力に基づいて設定されます。                  |
-| `{{ .Response }}` | LLMからの応答。指定されていない場合、応答はテンプレートの末尾に追加されます。                 |
-| `{{ .First }}`    | セッションの最初の生成に特定のテンプレート情報をレンダリングするために使用されるブール値。          |
+| `{{ .Prompt }}`   | ユーザープロンプトメッセージ。                                                           |
+| `{{ .Response }}` | モデルからのレスポンス。レスポンスを生成する場合、この変数以降のテキストは省略されます。 |

-```modelfile
-TEMPLATE """
-{{- if .First }}
-### System:
-{{ .System }}
-{{- end }}
-
-### User:
-{{ .Prompt }}
-
-### Response:
+```
+TEMPLATE """{{ if .System }}<|im_start|>system
+{{ .System }}<|im_end|>
+{{ end }}{{ if .Prompt }}<|im_start|>user
+{{ .Prompt }}<|im_end|>
+{{ end }}<|im_start|>assistant
 """
-
-SYSTEM """<system message>"""
 ```

 ### システム
@ -223,7 +214,7 @@ MESSAGE assistant yes

 ## ノート

- the **`Modelfile` is not case sensitive**. In the examples, uppercase instructions are used to make it easier to distinguish it from arguments.
- Instructions can be in any order. In the examples, the `FROM` instruction is first to keep it easily readable.
+- **`Modelfile`は大文字と小文字を区別しません**。例では、大文字の命令を使用していますが、これは引数と区別しやすくするためです。
+- 命令は任意の順序で指定できます。例では、`FROM` 命令を最初に配置して読みやすさを保っています。

-[1]: https://ollama.ai/library
+[1]: https://ollama.com/library
--- a/docs/ja/openai.md
+++ b/docs/ja/openai.md
@ -0,0 +1,141 @@
+# OpenAI の互換性
+
+> **注意:** OpenAI の互換性は実験的であり、大規模な変更や互換性のない変更が加えられる可能性があります。Ollama API のすべての機能を使用するには、Ollama の[Python ライブラリ](https://github.com/ollama/ollama-python)、[JavaScript ライブラリ](https://github.com/ollama/ollama-js)、および [REST API](https://github.com/jmorganca/ollama/blob/main/docs/api.md) を参照してください。
+
+Ollama は、既存のアプリケーションを Ollama に接続するのに役立つよう、[OpenAI API](https://platform.openai.com/docs/api-reference) の一部との実験的な互換性を提供します。
+
+## 使用法
+
+### OpenAI Python ライブラリ
+
+```python
+from openai import OpenAI
+
+client = OpenAI(
+    base_url='http://localhost:11434/v1/',
+
+    # 必須ですが無視されます
+    api_key='ollama',
+)
+
+chat_completion = client.chat.completions.create(
+    messages=[
+        {
+            'role': 'user',
+            'content': 'これはテストですと言う',
+        }
+    ],
+    model='llama2',
+)
+```
+
+### OpenAI JavaScript ライブラリ
+
+```javascript
+import OpenAI from 'openai'
+
+const openai = new OpenAI({
+  baseURL: 'http://localhost:11434/v1/',
+
+  // 必須ですが無視されます
+  apiKey: 'ollama',
+})
+
+const chatCompletion = await openai.chat.completions.create({
+  messages: [{ role: 'user', content: 'これはテストですと言う' }],
+  model: 'llama2',
+})
+```
+
+### `curl`
+
+```
+curl http://localhost:11434/v1/chat/completions \
+    -H "Content-Type: application/json" \
+    -d '{
+        "model": "llama2",
+        "messages": [
+            {
+                "role": "system",
+                "content": "あなたは役に立つアシスタントです。"
+            },
+            {
+                "role": "user",
+                "content": "こんにちは！"
+            }
+        ]
+    }'
+```
+
+## エンドポイント
+
+### `/v1/chat/completions`
+
+#### サポートされている機能
+
+- [x] チャット補完
+- [x] ストリーミング
+- [x] JSON モード
+- [x] 再現可能な出力
+- [ ] ビジョン
+- [ ] 関数の呼び出し
+- [ ] ログプロブ
+
+#### サポートされているリクエストフィールド
+
+- [x] `model`
+- [x] `messages`
+  - [x] テキスト `content`
+  - [ ] `content` の部分の配列
+- [x] `frequency_penalty`
+- [x] `presence_penalty`
+- [x] `response_format`
+- [x] `seed`
+- [x] `stop`
+- [x] `stream`
+- [x] `temperature`
+- [x] `top_p`
+- [x] `max_tokens`
+- [ ] `logit_bias`
+- [ ] `tools`
+- [ ] `tool_choice`
+- [ ] `user`
+- [ ] `n`
+
+#### 注意事項
+
+- `seed` を設定すると、常に `temperature` が `0` に設定されます。
+- `finish_reason` は常に `stop` になります。
+- プロンプト評価がキャッシュされている補完では、`usage.prompt_tokens` は `0` になります。
+
+## モデル
+
+モデルを使用する前に、ローカルにプルしてください `ollama pull`：
+
+```shell
+ollama pull llama2
+```
+
+### デフォルトのモデル名
+
+`gpt-3.5-turbo` などのデフォルトの OpenAI モデル名を使用するツールについては、既存のモデル名を一時的な名前にコピーするには `ollama cp` を使用してください：
+
+```
+ollama cp llama2 gpt-3.5-turbo
+```
+
+その後、この新しいモデル名を `model` フィールドで指定できます：
+
+```shell
+curl http://localhost:11434/v1/chat/completions \
+    -H "Content-Type: application/json" \
+    -d '{
+        "model": "gpt-3.5-turbo",
+        "messages": [
+            {
+                "role": "user",
+                "content": "こんにちは！"
+            }
+        ]
+    }'
+```
--- a/docs/ja/troubleshooting.md
+++ b/docs/ja/troubleshooting.md
@ -1,19 +1,18 @@
 # 問題のトラブルシューティング方法

-時々、Ollamaが期待通りに機能しないことがあります。何が起こったかを理解する最良の方法の一つは、ログを確認することです。Mac上でログを見るには、次のコマンドを実行してください:
+時々、Ollama が期待通りに機能しないことがあります。何が起こったのかを把握する最良の方法の 1つは、ログを確認することです。**Mac** でログを見つけるには、次のコマンドを実行します：

 ```shell
 cat ~/.ollama/logs/server.log
 ```

-`systemd`を使用しているLinuxシステムでは、次のコマンドでログを見つけることができます:
-
+`systemd` を使用している **Linux** システムでは、次のコマンドでログを見つけることができます:

 ```shell
 journalctl -u ollama
 ```

-Ollamaをコンテナで実行する場合、ログはコンテナ内のstdout/stderrに送られます:
+Ollama を **コンテナ** で実行する場合、ログはコンテナ内の stdout/stderr に送られます:

 ```shell
 docker logs <container-name>
@ -23,6 +22,18 @@ docker logs <container-name>

 ターミナルで `ollama serve` を手動で実行する場合、ログはそのターミナル上に表示されます。

+**Windows** 上で Ollama を実行する場合、いくつかの異なる場所があります。エクスプローラウィンドウでそれらを表示するには、`<cmd>+R` を押して次のコマンドを入力します：
+- `explorer %LOCALAPPDATA%\Ollama`：ログを表示します
+- `explorer %LOCALAPPDATA%\Programs\Ollama`：バイナリを参照します（インストーラーはこれをユーザーの PATH に追加します）
+- `explorer %HOMEPATH%\.ollama`：モデルと設定が保存されている場所を表示します
+- `explorer %TEMP%`：一時的な実行ファイルが 1つ以上の `ollama*` ディレクトリに保存されている場所を表示します
+
+問題のトラブルシューティングを支援するために追加のデバッグログを有効にするには、まず **トレイメニューからアプリを終了** し、次に PowerShell ターミナルで次のコマンドを実行します：
+```powershell
+$env:OLLAMA_DEBUG="1"
+& "ollama app.exe"
+```
+
 ログの解釈に関するヘルプは [Discord](https://discord.gg/ollama) に参加してください。

 ## LLM ライブラリ
@ -49,6 +60,34 @@ OLLAMA_LLM_LIBRARY="cpu_avx2" ollama serve
 cat /proc/cpuinfo| grep flags  | head -1
 ```

-## 既知の問題
+## AMD Radeon GPU サポート

-* N/A
+Ollama は AMD ROCm ライブラリを利用しており、すべての AMD GPU をサポートしているわけではありません。一部の場合、類似した LLVM ターゲットを試すようにシステムに強制することができます。たとえば、Radeon RX 5400 は `gfx1034`（別名 10.3.4）ですが、ROCm は現在、このターゲットをサポートしていません。最も近いサポートは `gfx1030` です。環境変数 `HSA_OVERRIDE_GFX_VERSION` を `x.y.z` の構文で使用できます。たとえば、システムを RX 5400 で実行するように強制するには、サーバー用の環境変数として `HSA_OVERRIDE_GFX_VERSION="10.3.0"` を設定します。サポートされていない AMD GPU がある場合は、以下のサポートされているタイプのリストを使用して実験できます。
+
+現時点では、以下の LLVM ターゲットが既知のサポートされている GPU タイプです。この表には、これらのLLVM ターゲットにマップされるいくつかの例の GPU が示されています：
+
+| **LLVMターゲット** | **例のGPU** |
+|-----------------|---------------------|
+| gfx900 | Radeon RX Vega 56 |
+| gfx906 | Radeon Instinct MI50 |
+| gfx908 | Radeon Instinct MI100 |
+| gfx90a | Radeon Instinct MI210 |
+| gfx940 | Radeon Instinct MI300 |
+| gfx941 | |
+| gfx942 | |
+| gfx1030 | Radeon PRO V620 |
+| gfx1100 | Radeon PRO W7900 |
+| gfx1101 | Radeon PRO W7700 |
+| gfx1102 | Radeon RX 7600 |
+
+AMD は、将来のリリースで ROCm v6 を拡張し、さらに多くの GPU をサポートする予定です。
+
+追加のサポートが必要な場合は、[Discord](https://discord.gg/ollama) に連絡するか、[問題](https://github.com/ollama/ollama/issues)を報告してください。
+
+## Linux での古いバージョンのインストール
+
+Linux で問題が発生し、古いバージョンをインストールしたい場合は、インストールスクリプトにインストールするバージョンを指定できます。
+
+```sh
+curl -fsSL https://ollama.com/install.sh | OLLAMA_VERSION="0.1.27" sh
+```
--- a/docs/ja/tutorials.md
+++ b/docs/ja/tutorials.md
@ -6,4 +6,4 @@
 - [PythonでLangChainをOllamaと使用する方法](./tutorials/langchainpy.md)
 - [NVIDIA JetsonデバイスでOllamaを実行する方法](./tutorials/nvidia-jetson.md)

-また、Ollamaのさらなる利用方法については、[examples](../examples) ディレクトリも確認してください。
+また、Ollamaのさらなる利用方法については、[examples](../../examples) ディレクトリも確認してください。
--- a/docs/ja/tutorials/langchainpy.md
+++ b/docs/ja/tutorials/langchainpy.md
@ -42,12 +42,12 @@ text_splitter=RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=0)
 all_splits = text_splitter.split_documents(data)
 ```

-分割はされていますが、関連する断片を見つけてからそれらをモデルに提出する必要があります。これを行うために、埋め込みを作成し、それらをベクトルデータベースに保存します。この例では、ベクトルデータベースとしてChromaDBを使用します。`pip install GPT4All chromadb` を実行してください。
+分割されていますが、関連する分割を見つけて、それらをモデルに送信する必要があります。これを行うには、埋め込みを作成してそれらをベクトルデータベースに保存します。この例では、ベクトルデータベースとして ChromaDB を使用します。埋め込みモデルをインスタンス化するために、Ollama を直接使用できます。`pip install chromadb`

 ```python
 from langchain.embeddings import OllamaEmbeddings
 from langchain.vectorstores import Chroma
-oembed = OllamaEmbeddings(base_url="http://localhost:11434", model="llama2")
+oembed = OllamaEmbeddings(base_url="http://localhost:11434", model="nomic-embed-text")
 vectorstore = Chroma.from_documents(documents=all_splits, embedding=oembed)
 ```

@ -66,7 +66,7 @@ len(docs)
 ```python
 from langchain.chains import RetrievalQA
 qachain=RetrievalQA.from_chain_type(ollama, retriever=vectorstore.as_retriever())
-qachain({"query": question})
+qachain.invoke({"query": question})
 ```

 このチェーンから受け取った回答は以下の通りです：
--- a/docs/ja/tutorials/nvidia-jetson.md
+++ b/docs/ja/tutorials/nvidia-jetson.md
@ -15,7 +15,7 @@ Jetsonにはメモリコントローラに直接接続された統合GPUがあ

 以下は手順です：

- 標準のLinuxコマンドを使用してOllamaをインストールします（404エラーは無視してください）：`curl https://ollama.ai/install.sh | sh`
+- 標準の Linux コマンドを使用して Ollama をインストールします（404 エラーは無視してください）：`curl https://ollama.com/install.sh | sh`
 - Ollama サービスを停止します：`sudo systemctl stop ollama`
 - `tmux`セッションで Ollama serve を起動します。これを`ollama_jetson`という tmux セッションとして開始し、CUDA ライブラリのパスを参照します：`tmux has-session -t ollama_jetson 2>/dev/null || tmux new-session -d -s ollama_jetson 'LD_LIBRARY_PATH=/usr/local/cuda/lib64 ollama serve'`
 - 使用したいモデル（例：mistral ）を取得します：`ollama pull mistral`
--- a/docs/ja/windows.md
+++ b/docs/ja/windows.md
@ -0,0 +1,38 @@
+# Ollama Windows プレビュー
+
+Ollama Windows プレビューへようこそ。
+
+WSL はもう必要ありません！
+
+Ollama は今やネイティブの Windows アプリケーションとして動作し、NVIDIA および AMD Radeon GPU をサポートしています。
+Ollama Windows Preview をインストールした後、Ollama はバックグラウンドで実行され、
+`cmd`、`powershell`、またはお気に入りのターミナルアプリケーションで `ollama` コマンドラインが利用可能になります。通常どおり、Ollamaの [API](./api.md) は `http://localhost:11434` で提供されます。
+
+これはプレビューリリースなので、そこかしこにいくつかのバグがあることを予想してください。問題が発生した場合は、[Discord](https://discord.gg/ollama) で連絡するか、[issue](https://github.com/ollama/ollama/issues) を報告してください。
+問題を診断するのにログはしばしば役立ちます（以下の [トラブルシューティング](#トラブルシューティング) を参照）。
+
+## システム要件
+
+* Windows 10 以降、Home または Pro
+* NVIDIA カードをお持ちの場合は、NVIDIA 452.39 またはそれ以降のドライバ
+* Radeon カードをお持ちの場合は、AMD Radeon ドライバ [こちら](https://www.amd.com/en/support) からダウンロード
+
+## API アクセス
+
+こちらは `powershell` からの API アクセスのクイックな例です。
+```powershell
+(Invoke-WebRequest -method POST -Body '{"model":"llama2", "prompt":"Why is the sky blue?", "stream": false}' -uri http://localhost:11434/api/generate ).Content | ConvertFrom-json
+```
+
+## トラブルシューティング
+
+プレビュー中は、常に `OLLAMA_DEBUG` が有効になっています。これにより、アプリケーションのメニューに "view logs" メニューアイテムが追加され、GUI アプリケーションおよびサーバーのログが増えます。
+
+Windows上 の Ollama はいくつかの異なる場所にファイルを保存します。エクスプローラーウィンドウでこれらを表示するには、`<cmd>+R` を押して次のように入力します：
+- `%LOCALAPPDATA%\Ollama` には、ログとダウンロードされたアップデートが含まれます
+    - *app.log* には、GUI アプリケーションのログが含まれます
+    - *server.log* には、サーバーのログが含まれます
+    - *upgrade.log* には、アップグレードのログ出力が含まれます
+- `%LOCALAPPDATA%\Programs\Ollama` には、バイナリが含まれます（インストーラーはこれをユーザーの PATH に追加します）
+- `%HOMEPATH%\.ollama` には、モデルと構成が含まれます
+- `%TEMP%` には、1つ以上の `ollama*` ディレクトリに一時的な実行ファイルが含まれます