首页
/ Prompt-Optimizer项目本地部署连接Ollama API的解决方案

Prompt-Optimizer项目本地部署连接Ollama API的解决方案

2025-06-13 08:07:27作者:吴年前Myrtle

在使用Prompt-Optimizer项目进行本地Docker部署时,许多开发者遇到了无法连接Ollama API的问题,系统频繁提示"没有可用模型"。这个问题通常与跨域访问限制有关,需要特定的配置才能解决。

问题根源分析

当Prompt-Optimizer在Docker容器中运行时尝试访问本地主机的Ollama服务时,浏览器出于安全考虑会阻止这种跨域请求。这是现代浏览器的标准安全机制,旨在防止潜在的恶意脚本攻击。

解决方案

要解决这个问题,需要对Ollama服务进行正确的配置,主要涉及两个关键环境变量的设置:

  1. OLLAMA_ORIGINS:这个变量需要设置为星号(*),表示允许来自任何源的跨域请求。这是解决跨域问题的关键设置。

  2. OLLAMA_HOST:作为辅助设置,可以将这个变量配置为"0.0.0.0:11434",确保Ollama服务在所有网络接口上监听,而不仅仅是本地回环地址。

实施步骤

  1. 在启动Ollama服务前,通过环境变量设置允许跨域访问:

    export OLLAMA_ORIGINS=*
    export OLLAMA_HOST=0.0.0.0:11434
    
  2. 然后正常启动Ollama服务。

  3. 确保Prompt-Optimizer的Docker容器配置正确,能够访问主机的网络服务。

注意事项

  • 在生产环境中,建议不要使用通配符(*)来设置OLLAMA_ORIGINS,而应该明确指定允许访问的域名,以提高安全性。
  • 如果部署在云服务器上,还需要考虑防火墙和安全组的配置,确保11434端口可访问。
  • 对于Docker Compose部署,可以在docker-compose.yml文件中直接设置这些环境变量。

通过以上配置,Prompt-Optimizer项目应该能够成功连接到本地部署的Ollama API服务,解决"没有可用模型"的错误提示。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
831
5.5 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
495
520
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
978
2.31 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
806
1.16 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
792
1.59 K
kernelkernel
deepin linux kernel
C
32
16
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
484
314
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.03 K
777
ops-mathops-math
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++
1.21 K
1.26 K
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
659
298