[AI] Ollama 커스텀 LLM 가이드: Modelfile 사용법과 실전 구축

목차

• 1. Ollama 커스텀 LLM이 실무에서 먹히는 이유는 재현성 때문입니다
• 2. Ollama 커스텀 LLM에서 먼저 선을 그어야 합니다: Modelfile이 바꾸는 것과 못 바꾸는 것
• 3. Modelfile 핵심 지시어는 많아 보여도 실무 우선순위는 분명합니다
• 4. 실전 구현 1단계: 베이스 모델의 원본 템플릿부터 확인하세요
• 5. PARAMETER는 품질보다도 행동 습관을 바꾸는 손잡이입니다
• 6. TEMPLATE는 마지막에 건드리세요. 건드릴 땐 stop까지 세트로 보셔야 합니다
• 7. ADAPTER는 지식 보강보다 정렬된 편향 추가에 가깝게 보는 편이 맞습니다
• 8. API 자동화는 실험이 많아질수록 가치가 커집니다
• 9. 트러블슈팅은 증상보다 근본 원인을 붙잡아야 빨리 끝납니다
• 1) 시스템 프롬프트가 먹지 않는 것처럼 보일 때
• 2) 답변에 특수 토큰이 섞일 때
• 3) 어댑터 적용 후 품질이 갑자기 무너질 때
• 4) 속도가 너무 느리거나 메모리가 버거울 때
• 10. 검증은 더 똑똑해졌는가보다 의도대로 수렴하는가를 보셔야 합니다
• 11. FAQ와 최종 추천: Ollama 커스텀 LLM은 이럴 땐 A, 저럴 땐 B로 나누면 편합니다
• 자주 헷갈리는 질문

Ollama 커스텀 LLM 가이드: Modelfile 사용법과 실전 구축

Ollama 커스텀 LLM을 오래 만지다 보면, 결국 성능 숫자보다 출력 습관을 통제하고 싶다는 요구가 더 자주 생기더라고요. 답변은 꼭 한국어로 나오게 하고 싶다든지, 명령어를 먼저 보여주고 설명은 뒤로 보내고 싶다든지, 모르면 지어내지 말고 확인이 필요하다고 말하게 만들고 싶을 때가 그렇습니다. 이럴 때 가장 먼저 손대기 좋은 게 Modelfile입니다.

다만 기대치는 정확히 잡아야 합니다. Modelfile은 보통 사람들이 떠올리는 "모델 재학습" 자체와는 다릅니다. 실무 감각으로 말하면, 베이스 모델의 가중치를 새로 만드는 도구라기보다 실행 규약을 모델 단위로 고정하는 계층에 가깝습니다. 이 차이를 이해해 두면 왜 어떤 문제는 SYSTEM 한 줄로 풀리고, 어떤 문제는 ADAPTER나 RAG까지 가야 하는지 훨씬 빨리 감이 옵니다.

이번 글은 로컬 AI 모델 개발 관점에서, Ollama의 Modelfile로 어디까지 바꿀 수 있는지, 어디서 멈추는 게 맞는지, 그리고 실제로 자주 깨지는 지점이 무엇인지까지 한 번에 정리한 글입니다. 문법과 API 필드는 Ollama 공식 Modelfile 문서, Create API 문서, Generate API 문서 기준으로 다시 확인했습니다.

로컬 환경에서 베이스 모델 위에 Modelfile을 얹어 커스텀 모델을 만드는 전체 흐름입니다.

1. Ollama 커스텀 LLM이 실무에서 먹히는 이유는 재현성 때문입니다

제가 Modelfile을 계속 쓰는 이유는 단순합니다. 사람은 매번 같은 프롬프트를 정교하게 붙이기 어렵지만, 파일은 늘 같은 방식으로 동작하거든요. 특히 팀 단위로 로컬 모델을 쓰기 시작하면 모델 품질보다 먼저 문제 되는 게 사람마다 다른 사용 습관입니다. 어떤 분은 시스템 프롬프트를 길게 넣고, 어떤 분은 짧게 넣고, 어떤 분은 아예 안 넣습니다.

이때 Modelfile은 계약서를 하나 만들어 줍니다. SYSTEM, TEMPLATE, PARAMETER, MESSAGE, ADAPTER를 모델 이름 뒤에 고정해 두니, 같은 이름을 호출하는 한 최소한의 행동 일관성은 확보됩니다. 이거 진짜 편하더라고요. 문서 초안 작성, 운영 가이드 보조, 코드 리뷰 보조처럼 반복성이 높은 작업일수록 차이가 분명합니다.

• 반복 프롬프트 제거: 매번 붙이던 역할 설명과 금지 규칙을 모델 단위로 고정합니다.
• 출력 형식 표준화: "명령어 먼저, 설명 나중" 같은 우선순위를 팀 공통 규약으로 만들기 좋습니다.
• 실험 버전 분리: 같은 베이스 모델에서 보수형, 설명형, 요약형 모델을 나눠 비교하기 쉽습니다.
• 장애 원인 분리: 모델 자체 문제인지, 템플릿 문제인지, 파라미터 문제인지 추적이 빨라집니다.

2. Ollama 커스텀 LLM에서 먼저 선을 그어야 합니다: Modelfile이 바꾸는 것과 못 바꾸는 것

여기서 선을 분명히 그어야 삽질이 줄어듭니다. Modelfile은 행동 규칙, 입력 형식, 실행 파라미터, 예시 대화, 어댑터 연결은 잘 다룹니다. 반면 모델 내부 지식 자체를 새로 학습시키는 일은 기본적으로 하지 못합니다. 문서 몇 줄 넣었다고 도메인 지식을 완전히 새로 습득하는 구조는 아니라는 뜻입니다.

실제로는 이렇게 나누면 편합니다. "답변의 순서나 톤이 문제냐"면 Modelfile 쪽입니다. "모델이 특정 도메인 지식을 계속 모르거나 아는 척 틀리느냐"면 ADAPTER, RAG, 또는 더 맞는 베이스 모델을 검토하는 편이 맞습니다.

문제 유형	우선 선택	이유	피해야 할 접근
답변 톤이 들쭉날쭉함	SYSTEM + MESSAGE	행동 규칙과 말투는 프롬프트 계층에서 통제가 잘 됩니다	바로 ADAPTER부터 붙이기
출력 형식이 자꾸 깨짐	TEMPLATE + stop 재검토	채팅 포맷 불일치일 가능성이 큽니다	모델 성능 탓으로 돌리기
응답이 너무 산만하거나 창의성이 과함	PARAMETER 조정	temperature, top_p, num_ctx 영향이 큽니다	SYSTEM 문구만 계속 길게 늘리기
특정 도메인 지식을 안정적으로 못 씀	ADAPTER 또는 RAG 검토	행동 지시만으로는 한계가 분명합니다	MESSAGE 예시를 과도하게 누적하기
팀원마다 결과가 다름	Modelfile로 모델 이름 표준화	입력 규약 자체를 버전 관리할 수 있습니다	사람마다 프롬프트 템플릿 수동 복붙

3. Modelfile 핵심 지시어는 많아 보여도 실무 우선순위는 분명합니다

공식 문서에 나오는 지시어는 여러 개지만, 처음 모델을 잡을 때 자주 쓰는 순서는 거의 고정입니다. 보통 FROM → SYSTEM → PARAMETER → MESSAGE가 1차 세트입니다. TEMPLATE와 ADAPTER는 필요성이 분명할 때만 올리는 편이 안전합니다.

지시어	실무 우선순위	주로 쓰는 상황	주의점
FROM	최상	출발 베이스 모델 지정	이 선택이 나머지 품질과 호환성의 기준점이 됩니다
SYSTEM	최상	역할, 금지사항, 출력 순서 고정	길이보다 우선순위가 중요합니다
PARAMETER	높음	일관성, 컨텍스트, 중단 토큰 제어	값 하나로 안정성이 흔들릴 수 있습니다
MESSAGE	높음	few-shot 예시 내장	예시를 많이 넣을수록 답변이 경직되기 쉽습니다
TEMPLATE	중간	채팅 포맷을 명시적으로 제어할 때	베이스 템플릿과 stop이 어긋나면 토큰 누수가 납니다
ADAPTER	상황 의존	LoRA 또는 QLoRA 결과물 적용	베이스 모델 불일치가 나면 품질이 급격히 무너집니다
LICENSE	공유 시 중요	배포 또는 팀 공유	내부 사용과 외부 배포 조건을 분리해서 봐야 합니다
REQUIRES	환경 의존	특정 Ollama 최소 버전 고정	버전 미충족이면 원인 모를 생성 실패처럼 보일 수 있습니다

효율이 좋은 규칙은 하나입니다. 첫 번째 성공 모델은 단순하게 만들고, 두 번째 버전부터 정교화하는 쪽이 낫습니다. 처음부터 요소를 다 얹으면 실패했을 때 어느 레이어가 원인인지 식별하기가 어렵습니다.

4. 실전 구현 1단계: 베이스 모델의 원본 템플릿부터 확인하세요

많이 놓치는 단계인데, 사실상 필수에 가깝습니다. 커스텀 모델을 만들기 전에 ollama show --modelfile로 베이스 모델의 기본 구조를 먼저 봐야 합니다. 이유는 간단합니다. 모델마다 기대하는 채팅 템플릿과 stop 토큰이 다를 수 있기 때문입니다.

ollama pull llama3.2
ollama show --modelfile llama3.2
ollama show --modelfile llama3.2 > base-llama3.2.Modelfile

저는 보통 세 번째 줄까지 같이 해둡니다. 원본을 파일로 떠놓으면 수정 중에 기준점을 잃지 않거든요. 특히 stop 토큰과 TEMPLATE 블록은 기억으로 다시 쓰기보다 원본에서 필요한 만큼만 복사하는 쪽이 훨씬 안전합니다.

그다음 1차 버전은 작게 갑니다. 출력 우선순위, 언어 정책, 추측 금지 같은 운영 규약만 넣어도 충분한 경우가 많습니다.

mkdir -p ~/ollama-custom/workshop
cd ~/ollama-custom/workshop
cat > Modelfile <<'EOF'
FROM llama3.2
PARAMETER temperature 0.2
PARAMETER num_ctx 4096
SYSTEM """당신은 한국어로 답변하는 인프라 엔지니어 보조 AI입니다.
답변은 항상 다음 순서를 지킵니다.
1. 바로 실행할 명령어나 설정 예시
2. 명령어가 실패할 때 확인할 지점
3. 마지막에 짧은 설명
모르는 내용은 추측하지 말고 확인이 필요하다고 말합니다."""
MESSAGE user 리눅스 디스크 사용량 확인 방법 알려줘
MESSAGE assistant 먼저 아래 명령어부터 확인하겠습니다.
df -h
sudo du -sh /var/* 2>/dev/null | sort -h
lsblk
EOF

ollama create infra-assistant -f Modelfile
ollama run infra-assistant

포인트는 SYSTEM을 길게 쓰는 게 아니라 답변 순서와 금지 규칙을 관찰 가능한 형태로 명시하는 것입니다. "친절하게 답변해라" 같은 추상 문구보다 "명령어 먼저, 설명은 나중" 같은 규칙이 훨씬 잘 먹는 편입니다.

실제 작업 흐름은 터미널에서 Modelfile을 편집하고 곧바로 create, run으로 검증하는 식으로 진행됩니다.

5. PARAMETER는 품질보다도 행동 습관을 바꾸는 손잡이입니다

파라미터를 만질 때 흔히 정답률만 보게 되는데, 실무에선 그보다 출력의 흔들림이 줄어드는가를 먼저 보는 게 맞습니다. 로컬 모델을 업무 보조로 쓸 때는 늘 비슷한 형식으로 나오는 답이 훨씬 값질 때가 많습니다. 이 부분은 실제 운영해 보면 체감이 꽤 큽니다.

자주 보는 건 temperature, num_ctx, stop, 그리고 필요할 때 샘플링 계열 파라미터입니다. 여기서 특히 실수하기 쉬운 건 num_ctx입니다. 컨텍스트를 크게 잡으면 좋아 보이지만 메모리 사용량과 프롬프트 평가 시간도 같이 늘어납니다.

파라미터	낮게 둘 때	높게 둘 때	판단 기준
temperature	일관성 높음, 답변이 보수적	표현 다양성 증가, 흔들림도 증가	운영 문서/명령어 보조면 낮게, 아이디어 발산이면 높게
num_ctx	메모리 부담 감소, 빠름	긴 문맥 유지에 유리, 느려질 수 있음	평소 넣는 입력 길이를 기준으로 최소 충분치만 확보
stop	잘 맞으면 출력 경계가 깔끔함	불필요하거나 틀리면 출력이 잘리거나 토큰 누수	베이스 모델 원본 값에서 출발
MESSAGE 예시 수	유연성 유지	답변 스타일 고정력 상승, 과하면 경직	대개 1~3개로도 충분

실무적으로는 이렇게 나누면 편합니다.

• 문서 초안, 운영 절차, 명령어 추천: temperature를 낮게 두고 형식 일관성을 우선합니다.
• 브레인스토밍, 문안 변주: temperature를 조금 올리되, SYSTEM에서 출력 구조는 유지합니다.
• 긴 로그/설정 해석: num_ctx를 무작정 키우기보다 먼저 입력을 잘라 넣을 수 있는지 확인합니다.

6. TEMPLATE는 마지막에 건드리세요. 건드릴 땐 stop까지 세트로 보셔야 합니다

TEMPLATE는 멋있어 보이지만 실제로는 가장 쉽게 사고 나는 영역입니다. 추천하는 원칙은 단순합니다. 기본 템플릿으로 원하는 형식이 나오면 TEMPLATE는 건드리지 않는 것입니다. SYSTEM과 MESSAGE만으로 해결되는 경우가 훨씬 많습니다.

반대로 TEMPLATE를 건드려야 하는 경우도 있습니다. 베이스 모델의 채팅 포맷을 명시적으로 유지하면서 시스템, 사용자, 응답 경계를 통제하고 싶을 때입니다. 이때 핵심은 예쁘게 다시 쓰는 게 아니라 원본 구조를 최대한 보존하면서 필요한 부분만 조정하는 겁니다.

FROM llama3.2
TEMPLATE """{{ if .System }}<|start_header_id|>system<|end_header_id|>

{{ .System }}<|eot_id|>{{ end }}{{ if .Prompt }}<|start_header_id|>user<|end_header_id|>

{{ .Prompt }}<|eot_id|>{{ end }}<|start_header_id|>assistant<|end_header_id|>

{{ .Response }}<|eot_id|>"""
PARAMETER stop "<|start_header_id|>"
PARAMETER stop "<|end_header_id|>"
PARAMETER stop "<|eot_id|>"
SYSTEM """당신은 한국어 운영 문서를 절차형으로 정리하는 도우미입니다."""

이 블록에서 꼭 봐야 할 건 둘입니다.

• {{ .System }}, {{ .Prompt }}, {{ .Response }}가 실제 템플릿에 반영되는지
• TEMPLATE에 등장하는 특수 토큰과 PARAMETER stop이 서로 맞물리는지

실패 사례도 꽤 단순합니다. 템플릿은 바꿨는데 stop은 예전 값을 그대로 두는 경우입니다. 그러면 응답 본문에 <|eot_id|> 같은 문자열이 그대로 보이거나, 반대로 답변이 중간에서 잘립니다. 이건 모델이 멍청해서가 아니라 출력 종료 경계가 틀어진 것입니다.

7. ADAPTER는 지식 보강보다 정렬된 편향 추가에 가깝게 보는 편이 맞습니다

ADAPTER를 붙이면 개인화 폭이 넓어지긴 합니다. 다만 기대를 너무 크게 잡으면 실망도 큽니다. 먼저 물어볼 건 하나입니다. "이 문제를 SYSTEM과 MESSAGE로 해결할 수 없는가?" 여기서 해결되면 굳이 어댑터를 안 붙이는 편이 운영은 더 쉽습니다.

어댑터가 필요한 상황은 보통 두 가지입니다. 첫째, 특정 도메인 문체나 응답 습관을 훨씬 강하게 고정해야 할 때입니다. 둘째, 베이스 모델만으로는 일관되게 안 나오는 패턴을 추가 학습 결과로 밀어 넣고 싶을 때입니다.

FROM llama3.2
ADAPTER ./adapters/my-lora-adapter.gguf
SYSTEM """당신은 Kubernetes 운영 가이드를 작성하는 보조 모델입니다.
항상 점검 순서, 명령어, 장애 추정 원인을 순서대로 제시합니다."""

여기서 제일 중요한 건 어댑터가 학습된 베이스 모델과 FROM의 베이스 모델이 맞아야 한다는 점입니다. 공식 문서도 이 경우 결과가 erratic해질 수 있다고 안내합니다. 현장에서는 이걸 모델 성능 탓으로 오해하는 경우가 적지 않습니다.

그래서 저는 순서를 이렇게 잡습니다.

1. ADAPTER 없이 동작하는 1차 모델을 만듭니다.
2. 동일 질문 세트로 결과를 저장합니다.
3. 그다음 ADAPTER를 붙인 버전을 따로 만듭니다.
4. 스타일 개선인지, 지식 개선인지, 아니면 품질 붕괴인지 비교합니다.

베이스 모델 위에 LoRA 어댑터를 추가해 도메인 특화 성격을 강화하는 흐름입니다.

8. API 자동화는 실험이 많아질수록 가치가 커집니다

한두 개 만들 땐 Modelfile이 읽기 편합니다. 그런데 역할별 모델이 늘어나면 CLI 수작업은 금방 귀찮아집니다. 이때는 POST /api/create를 써서 생성 과정을 코드로 고정하는 편이 낫습니다. 모델 이름 규칙, 파라미터 조합, 예시 대화 구성을 반복해서 재현해야 할 때 특히 강합니다.

curl http://localhost:11434/api/create -d '{
  "model": "infra-helper-api",
  "from": "llama3.2",
  "system": "You are a Korean infrastructure engineering assistant. Provide commands first, then failure checks, then short explanations.",
  "parameters": {
    "temperature": 0.2,
    "num_ctx": 4096
  },
  "messages": [
    {
      "role": "user",
      "content": "nginx 로그 확인 순서 알려줘"
    },
    {
      "role": "assistant",
      "content": "먼저 access.log와 error.log를 분리해서 보고, 그다음 4xx/5xx 비율과 upstream 오류를 확인하겠습니다."
    }
  ]
}'

이 방식을 선호하는 이유는 단순히 편해서만은 아닙니다. 실험 조건을 텍스트로 남길 수 있기 때문입니다. 어떤 모델 이름이 어떤 규칙과 파라미터로 만들어졌는지가 남아야 나중에 비교가 됩니다.

생성 후에는 성능 체감만 보지 말고 API 응답 지표도 같이 보는 편이 좋습니다. Ollama의 생성 응답에는 load_duration, prompt_eval_count, prompt_eval_duration, eval_count, eval_duration 같은 필드가 포함됩니다. 이걸 보면 느린 이유가 로딩인지, 입력 길이인지, 출력 토큰 수인지 분리해서 보기 훨씬 편합니다.

curl http://localhost:11434/api/generate -d '{
  "model": "infra-assistant",
  "prompt": "systemd 서비스 상태 확인 절차를 알려줘",
  "stream": false
}'

여기서 판단 포인트는 이렇습니다.

• load_duration이 크면 모델 로딩 비용이 큰 겁니다.
• prompt_eval_duration이 크면 입력 문맥이 길거나 num_ctx 운용이 과한 경우를 의심할 수 있습니다.
• eval_duration이 크면 출력 토큰 수가 많거나 실행 자원이 부족한 쪽일 가능성이 큽니다.

9. 트러블슈팅은 증상보다 근본 원인을 붙잡아야 빨리 끝납니다

실제로 많이 부딪히는 문제는 대부분 네 부류였습니다. 중요한 건 증상을 외우는 게 아니라 어느 레이어가 깨졌는지를 먼저 가르는 겁니다. SYSTEM 문제인지, TEMPLATE 문제인지, ADAPTER 문제인지, 자원 문제인지 구분만 잘해도 시간이 꽤 절약됩니다.

1) 시스템 프롬프트가 먹지 않는 것처럼 보일 때

• 먼저 볼 것: ollama show --modelfile 모델명
• 근본 원인: TEMPLATE 안에 {{ .System }} 반영이 없거나 베이스 템플릿을 수정하면서 시스템 경계를 깨뜨린 경우가 많습니다.
• 판단 기준: 말투보다도 "추측 금지", "명령어 우선" 같은 규칙이 반복적으로 무시되는지 봅니다.
• 해결 방향: 원본 TEMPLATE로 되돌린 뒤 SYSTEM만 남기고 다시 비교합니다.

2) 답변에 특수 토큰이 섞일 때

• 먼저 볼 것: TEMPLATE와 PARAMETER stop 조합
• 근본 원인: 출력 종료 토큰과 템플릿 토큰 경계가 맞지 않는 상황입니다.
• 판단 기준: <|eot_id|>, <|start_header_id|> 같은 문자열이 본문에 보이면 거의 이쪽입니다.
• 해결 방향: 베이스 모델 기본 Modelfile의 stop 설정을 그대로 기준 삼아 다시 맞춥니다.

3) 어댑터 적용 후 품질이 갑자기 무너질 때

• 먼저 볼 것: ADAPTER 학습 기준 모델
• 근본 원인: FROM에 적은 베이스 모델과 어댑터가 기대하는 기반 모델 불일치
• 판단 기준: 문장 붕괴, 주제 일탈, 불필요한 반복이 적용 직후 심해집니다.
• 해결 방향: 어댑터 제작 시 사용한 기반 계열과 동일한 모델로 FROM을 맞춥니다.

4) 속도가 너무 느리거나 메모리가 버거울 때

• 먼저 볼 것: ollama ps, OS 메모리/스왑 사용량, 입력 길이, num_ctx
• 근본 원인: 모델 크기보다도 과도한 컨텍스트, 동시 실행 모델 수, 자원 부족이 겹치는 경우가 많습니다.
• 판단 기준: 스왑이 발생하면 체감 성능은 급격히 떨어집니다.
• 해결 방향: 작은 베이스 모델로 내리거나 num_ctx를 낮추고 실험 모델 동시 구동 수를 줄입니다.

저는 장애를 볼 때 항상 이렇게 나눕니다. 형식 이상은 TEMPLATE, 성격 이상은 SYSTEM/MESSAGE, 지식 이상은 ADAPTER 또는 베이스 모델, 속도 이상은 자원과 컨텍스트. 이 프레임으로 보면 원인 추적 속도가 빨라집니다.

응답 토큰 이상 출력, 시스템 프롬프트 무시, 어댑터 불일치 같은 대표 장애 포인트를 점검하는 장면입니다.

10. 검증은 더 똑똑해졌는가보다 의도대로 수렴하는가를 보셔야 합니다

커스텀 모델을 만들고 나면 자꾸 성능 향상만 보게 됩니다. 그런데 Modelfile의 1차 목적은 대개 정답률 폭증이 아니라 출력 습관 고정입니다. 그래서 검증 질문 세트를 별도로 두고 베이스 모델과 커스텀 모델을 같은 질문으로 비교하는 편이 좋습니다.

ollama run llama3.2 "systemd 서비스 상태 확인 절차를 알려줘"
ollama run infra-assistant "systemd 서비스 상태 확인 절차를 알려줘"
ollama run infra-assistant "모르면 추측하지 말고, nginx 502 점검 순서를 알려줘"

여기서 보는 건 단순히 답변 길이나 그럴듯함이 아닙니다.

1. 명령어가 먼저 나오는지
2. 설명이 뒤로 밀리는지
3. 모를 때 지어내지 않는지
4. 한국어 톤과 형식이 유지되는지
5. MESSAGE 예시가 답변을 과하게 복제하게 만들지는 않는지

검증 항목	베이스 모델	커스텀 모델	합격 기준
답변 언어	영문/국문 혼합 가능	국문 고정 가능	언어 정책이 흔들리지 않을 것
명령어 우선 제시	질문마다 다름	일관되게 맞출 수 있음	초반 2~3줄 안에 바로 실행 항목이 나올 것
톤 일관성	변동 가능	SYSTEM으로 안정화	질문이 바뀌어도 문체가 크게 흔들리지 않을 것
도메인 집중도	일반 지식 중심	MESSAGE/ADAPTER로 강화	쓸데없는 일반론보다 절차형 답변이 앞설 것
추측 억제	상황 따라 흔들림	금지 규칙 반영 가능	불확실할 때 확인 필요성을 분명히 말할 것

현업 자동화에서는 "베이스 모델보다 더 똑똑하다"보다 "늘 같은 포맷으로 나온다"가 더 중요할 때가 많습니다. 운영 문서 초안, 반복 질의 응답, 내부 가이드 작성은 특히 그렇습니다. 이 지점이 바로 Ollama 커스텀 LLM의 실무 가치라고 봐도 무리가 없습니다.

11. FAQ와 최종 추천: Ollama 커스텀 LLM은 이럴 땐 A, 저럴 땐 B로 나누면 편합니다

자주 헷갈리는 질문

• Q. Modelfile만 쓰면 미세 조정이 된 건가요?
  A. 아닙니다. 기본적으로는 설정, 프롬프트 구조, 예시 대화, 실행 파라미터를 묶는 작업에 가깝습니다. 추가 학습 결과를 붙이려면 ADAPTER 같은 별도 레이어가 필요합니다.
• Q. TEMPLATE는 꼭 수정해야 하나요?
  A. 아닙니다. 기본 템플릿으로 문제가 없으면 안 건드리는 쪽이 맞습니다. 깨지는 빈도가 높은 영역이라 이유가 분명할 때만 손대는 게 좋습니다.
• Q. 개인화된 AI를 가장 빨리 만드는 방법은?
  A. 베이스 모델 하나를 고르고, SYSTEM에 역할과 출력 순서를 명시한 뒤, MESSAGE 1~2개만 넣어 1차 버전을 만드는 방식이 가장 빠릅니다.
• Q. 언제 ADAPTER까지 가야 하나요?
  A. SYSTEM과 MESSAGE로도 해결되지 않는 도메인 특화 패턴이 반복해서 필요할 때입니다. 단순한 말투 고정 정도라면 대개 과한 선택입니다.

선택 기준은 이렇게 정리하면 편합니다.

• 빠르게 목적형 모델이 필요하다: FROM + SYSTEM + PARAMETER + MESSAGE로 시작하세요. 가장 안전하고 재현성이 좋습니다.
• 응답 형식을 강하게 통제해야 한다: 먼저 ollama show --modelfile로 원본을 확인한 뒤 TEMPLATE를 최소 수정하세요.
• 특정 학습 결과물을 이미 갖고 있다: ADAPTER를 붙이되, 베이스 모델 호환성을 제일 먼저 확인하세요.
• 역할별 모델을 반복 생성해야 한다: 사람이 수동으로 만들기보다 /api/create로 자동화하는 편이 관리가 낫습니다.
• 속도와 메모리가 아슬아슬하다: 큰 모델 집착보다 작은 모델 + 낮은 num_ctx + 명확한 SYSTEM이 더 실용적일 때가 많습니다.

한 줄로 압축하면 이렇습니다. Ollama 커스텀 LLM의 핵심은 모델을 새로 발명하는 게 아니라, 내 작업 방식을 반복 가능하게 고정하는 것입니다. 처음부터 무거운 학습 파이프라인으로 들어가기보다, Modelfile로 행동 규약을 먼저 굳히는 쪽이 훨씬 현실적입니다. 관련해서 로컬 LLM 성능 최적화나 RAG 비교 글도 함께 읽어보시면 다음 단계 판단이 더 쉬워집니다.

FROM, SYSTEM, PARAMETER, TEMPLATE, ADAPTER를 언제 선택하면 되는지 한눈에 정리한 요약 이미지입니다.

📚 함께 읽으면 좋은 글

• LLM 추론 성능 벤치마크: TensorRT vs ONNX Runtime
• 클라우드 AI 비용 비교: AWS SageMaker vs Google Cloud Vertex AI
• RAG 시스템 구축, ChromaDB 선택 가이드 및 실제 적용 사례
• ArgoCD로 Kubernetes에 Ollama 배포: 6개월 운영 후기 및 최적화 전략
• OpenStack에서 Ollama로 프라이빗 LLM 추론 환경 구축하기