在Prompt-Optimizer项目中调用本地Ollama部署模型的方法
在Prompt-Optimizer项目中,开发者可能会遇到调用本地部署的Ollama模型时出现连接失败的问题。本文将深入分析这一问题的原因,并提供完整的解决方案。
问题现象分析
当尝试通过类似http://192.168.0.10:11434的地址调用本地Ollama部署的模型时,系统会返回"连接测试失败: API错误: 连接测试失败: Connection error"的错误提示。然而,使用LangChain框架却可以成功调用同一模型,这表明问题并非出在模型服务本身,而是与调用方式或配置有关。
根本原因
经过技术分析,这一问题主要由Ollama服务的默认跨域限制(CORS)引起。Ollama服务默认设置了严格的安全策略,限制了来自不同源的请求,这是现代Web应用常见的安全措施。
解决方案
要解决这一问题,需要通过设置环境变量来调整Ollama的默认行为。具体需要配置以下两个关键环境变量:
-
OLLAMA_ORIGINS:将其值设置为"*",表示允许所有来源的跨域请求。这一设置会放宽Ollama的跨域限制,使任何来源的请求都能访问API。
-
OLLAMA_HOST:将其值设置为"0.0.0.0:11434",这一配置确保Ollama服务监听所有网络接口,而不仅仅是本地回环地址。这对于需要从局域网内其他设备访问服务的情况尤为重要。
实施步骤
-
在启动Ollama服务前,设置环境变量:
export OLLAMA_ORIGINS="*" export OLLAMA_HOST="0.0.0.0:11434" -
启动Ollama服务:
ollama serve -
在Prompt-Optimizer项目中重新测试连接,此时应该能够成功调用本地部署的模型。
安全注意事项
虽然将OLLAMA_ORIGINS设置为"*"可以解决问题,但在生产环境中这可能带来安全风险。建议开发者根据实际需求,设置更精确的允许来源列表,而不是完全开放跨域访问。例如,可以设置为特定的域名或IP地址范围。
总结
通过合理配置Ollama的环境变量,可以轻松解决Prompt-Optimizer项目调用本地模型时的连接问题。这一解决方案不仅适用于Prompt-Optimizer项目,对于其他需要集成Ollama服务的应用同样有效。开发者在实施时应当权衡便利性与安全性,根据实际场景选择最合适的配置方案。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00