Ollama-WebUI 中 DuckDuckGo 搜索服务问题分析与解决方案
在开源项目 Ollama-WebUI 中,用户报告了一个关于 DuckDuckGo 搜索服务的问题。当使用 web 搜索服务时,系统会返回"error searching"和"No search results found"的错误信息。经过深入分析,我们发现这是由于 DuckDuckGo API 版本和配置问题导致的。
问题根源分析
问题的核心在于 DuckDuckGo 搜索服务的实现方式。当前版本使用的是 API 后端模式,这种模式在某些情况下会出现连接超时或返回空结果的情况。特别是在 Docker 环境中运行时,网络延迟可能会加剧这一问题。
技术解决方案
我们提出了一个多层次的解决方案来改善搜索服务的可靠性:
-
版本升级:将 DuckDuckGo 搜索组件升级到 8.0.0 版本,这个版本提供了更稳定的 API 接口和更好的错误处理机制。
-
超时设置优化:在检索模块中增加了超时时间设置,从默认值提高到 15 秒。这个调整可以应对网络延迟问题,特别是在容器化环境中。
-
后端模式切换:将搜索后端从"api"模式改为"html"模式。HTML 模式直接解析 DuckDuckGo 的网页搜索结果,虽然可能不如 API 模式规范,但在实际测试中表现更加稳定可靠。
-
时间限制参数:新增了 timelimit 参数设置为"y",这个参数可以确保获取最新的搜索结果,避免返回过时的缓存内容。
实现细节
在代码实现层面,主要修改了位于 /backend/open_webui/retrieval/web/duckduckgo.py 文件中的搜索逻辑。新的实现采用了更健壮的错误处理机制,同时优化了参数配置。
验证结果
经过上述修改后,测试表明 DuckDuckGo 搜索服务能够稳定返回结果。用户反馈显示,在使用 Llama3.2-3B 模型进行搜索时,系统能够正确获取并显示搜索结果,解决了之前的问题。
最佳实践建议
对于在类似环境中部署 Ollama-WebUI 的用户,我们建议:
- 定期更新 DuckDuckGo 搜索组件
- 根据实际网络环境调整超时参数
- 在 API 模式不稳定时考虑切换到 HTML 模式
- 监控搜索服务的性能指标,及时调整配置参数
这个解决方案不仅解决了当前的问题,还为未来可能出现的类似搜索服务问题提供了参考框架。开发团队已经将这个修复合并到开发分支中,将在下一个稳定版本中发布。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00