为什么在 Meetingly 中接入 Ollama 本地大模型? 🎯
为什么在 Meetingly 中接入 Ollama 本地大模型? 🎯
大多数 AI 面试助手的答案都要经过云端服务器。Meetingly 提供了另一条路:通过使用自己的 API 密钥功能,把 AI 回答直接指向本地或自建的兼容 OpenAI 接口的端点,请求不再经过 Meetingly 的中继服务器(app/electron/services/llm.ts 中的 route 方法)。而 Ollama 正是最省心的本地方案:
- 🆓 完全免费、无次数限制:接入自己的端点后,Meetingly 的每日额度、账号体系统统不再参与,
plan状态切换为own-key,连「自动回答」这类原本需要订阅的功能也会解锁; - 🔒 隐私安全:面试对话、屏幕截图等内容只在你电脑内部流转,配合本地语音识别,任何数据都不离开这台电脑;
- ⚡ 开箱即用:Ollama 内置了 OpenAI 兼容的
/v1接口,Meetingly 已内置一键预设,无需 API 密钥。
Ollama 本地部署:安装并拉取模型
1. 安装 Ollama。 从 Ollama 官方渠道下载对应系统(Windows / macOS / Linux)的安装包,一路默认即可。安装完成后,服务默认监听 http://localhost:11434。
2. 拉取一个本地大模型。 打开终端执行:
ollama pull qwen3:8b
按硬件情况选择模型:
| 模型 | 适用场景 |
|---|---|
qwen3:8b |
均衡之选,中等配置电脑(8GB+ 内存) |
llama3.2 |
轻量快速,低配置电脑也能流畅回答 |
gpt-oss:20b |
能力更强,适合高配置电脑 |
llava / qwen2.5-vl |
视觉模型,额外支持 Meetingly 的屏幕分析功能 |
3. 验证服务可用。 执行 ollama list 能看到刚拉下的模型,或访问 http://localhost:11434/v1/models 返回模型列表,即表示一切就绪。
💡 面试场景建议选响应快的模型(如
llama3.2),实时问答的等待感会明显更低;需要「屏幕分析」读题时,请改用支持图像的视觉模型。
Meetingly 接入 Ollama:三步完成配置
步骤 1:打开「使用你自己的 API 密钥」
点击系统托盘区(任务栏时钟旁)的 Meetingly 图标,在菜单中选择 使用你自己的 API 密钥…(入口定义在 app/electron/tray.ts)。面板会在 Answers 页底部展开配置表单。
步骤 2:选择 Ollama 预设并挑选本地模型
表单顶部有 OpenAI / OpenRouter / Ollama 三个一键预设,点击 Ollama:
- API 地址 自动填为
http://localhost:11434/v1(预设定义见 OWN_KEY_PRESETS); - API 密钥 留空即可,Ollama 是本地服务,无需密钥(表单占位符会提示「Ollama 不需要」);
- 模型 输入框会自动从 Ollama 的
/v1/models接口拉取你本机已有的模型列表,直接下拉选择或手动输入模型名(完整表单代码见 OwnKeyForm)。
步骤 3:保存配置,自动完成连接验证
点击 保存。Meetingly 会立刻向 Ollama 发送一条「Reply with the word OK」的微型请求做连通性验证(ownKey.ts 的 save 方法)。
- ✅ 成功后,面板底部显示 「你自己的密钥:localhost:11434 上的 qwen3:8b」,旁边有「Change」和「停止使用」按钮,随时可以改回云服务;
- ❌ 失败时表单会给出具体原因(如地址 404、连接不上),见文末排查表。
接入效果:一个完全离线的 AI 面试助手
接入 Ollama 后,Meetingly 的数据流变成这样:
| 环节 | 默认(免费账号) | 接入 Ollama 后 |
|---|---|---|
| 语音转文字 | 本地 Nemotron 模型 | 本地 Nemotron 模型(不变) |
| AI 回答 | Meetingly 中继服务器 | 本地 Ollama |
| 账号 / 每日额度 | 需要,每天 50 次 | 不需要,无限制 |
| 自动回答(免手动) | 需订阅 | 自动解锁 |
| 会议数据同步 | 可同步到账户 | 配合「Keep meetings on this computer」可完全不出本地 |
也就是说:说话内容在你电脑上转成文字,文字交给本地大模型,答案显示在叠加层里——面试全程,没有任何东西离开这台电脑,这也是中文文档中「它能完全离线运行吗?」一节的完整答案(README.zh-CN.md)。
Ollama 连接失败排查:4 个常见报错 🔧
保存配置或提问时遇到报错,Meetingly 会用可操作的语言描述原因(describeOwnKeyError),对照下表处理:
| 报错关键词 | 原因 | 解决方法 |
|---|---|---|
Cannot reach localhost:11434 |
Ollama 服务未启动 | 启动 Ollama 应用后重试 |
返回 404 |
地址或模型名不对 | 确认 Ollama 在运行,模型名与 ollama list 输出完全一致(未拉取的模型会 404) |
| 回答速度很慢 | 模型太大 | 换 llama3.2 等轻量模型,或降低并发任务 |
| 屏幕分析无效果 | 模型不支持图像 | 换 llava、qwen2.5-vl 等视觉模型 |
小结
用 Ollama 给 Meetingly 接入本地大模型,只需要三步:拉取模型 → 点 Ollama 预设 → 保存验证。从此你得到的是一款免费开源、无账号限制、数据完全不出本地的离线 AI 面试助手,面试、编程笔试、客户通话都能用。想进一步了解本地转写与云端转写的区别,可以阅读仓库内的 README.zh-CN.md。


