解决Ollama Python SDK中AsyncClient的异步调用问题
2025-05-30 00:27:29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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
650
149
Ascend Extension for PyTorch
Python
211
221
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++
655
291
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
250
319
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
486
🎉 (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
1.17 K
640
仓颉编程语言运行时与标准库。
Cangjie
136
874
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
216