解决Ollama Python SDK中AsyncClient的异步调用问题
2025-05-30 19:33:57作者:钟日瑜
在使用Ollama Python SDK的AsyncClient进行异步编程时,开发者可能会遇到一个常见的运行时错误:"asyncio.run() cannot be called from a running event loop"。这个问题通常发生在Jupyter Notebook等已经运行事件循环的环境中,直接调用asyncio.run()会导致冲突。
问题分析
当我们在以下环境中执行异步代码时会出现这个问题:
- Jupyter Notebook/IPython环境(它们内部已经运行了事件循环)
- 其他已经启动事件循环的异步上下文中
- 嵌套调用asyncio.run()的情况
错误的核心在于asyncio.run()设计为程序的主入口点,它会创建一个新的事件循环。如果环境中已经存在运行中的事件循环,就会抛出这个运行时错误。
解决方案
对于不同的使用场景,我们有几种解决方法:
方案一:在普通Python脚本中使用
如果是独立的Python脚本,可以保持原有写法:
from ollama import AsyncClient
import asyncio
async def chat():
message = {"role":"user","content":"why people smile?"}
response = await AsyncClient().chat(model="llama2",messages=[message])
print(response)
asyncio.run(chat())
方案二:在Jupyter Notebook中使用
在Jupyter环境中,应该使用以下方式:
from ollama import AsyncClient
async def chat():
message = {"role":"user","content":"why people smile?"}
response = await AsyncClient().chat(model="llama2",messages=[message])
print(response)
# 在Notebook中直接await协程
await chat()
方案三:通用兼容写法
如果需要代码在多种环境中都能运行,可以这样处理:
from ollama import AsyncClient
import asyncio
async def chat():
message = {"role":"user","content":"why people smile?"}
response = await AsyncClient().chat(model="llama2",messages=[message])
print(response)
try:
# 尝试在现有事件循环中运行
import nest_asyncio
nest_asyncio.apply()
await chat()
except:
# 如果没有事件循环,则创建新的
asyncio.run(chat())
最佳实践建议
- 明确区分脚本环境和交互环境的使用方式
- 在库开发中避免直接调用asyncio.run(),应该由调用方决定如何运行协程
- 对于复杂的异步应用,考虑使用更高级的框架如FastAPI等
- 在Jupyter环境中可以安装nest_asyncio包来处理事件循环嵌套问题
原理深入
Python的asyncio设计遵循以下原则:
- 一个线程同一时间只能有一个运行中的事件循环
- asyncio.run()会创建新的事件循环并设置为当前线程的默认循环
- 在已有事件循环的上下文中再次调用asyncio.run()违反了这一设计原则
理解这些底层机制有助于开发者更好地处理异步编程中的各种边界情况。Ollama的AsyncClient作为异步客户端,需要遵循这些原则才能在各种环境中正确工作。
通过采用上述解决方案,开发者可以灵活地在不同环境中使用Ollama的异步功能,充分发挥大语言模型的潜力。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Jetson TX2开发板官方资源完全指南:从入门到精通 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.7 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
140
170
暂无简介
Dart
598
132
React Native鸿蒙化仓库
JavaScript
235
309
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
634
232
仓颉编译器源码及 cjdb 调试工具。
C++
123
746
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
616
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
199
74
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
460