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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00