Devon项目中集成Ollama模型支持的技术实践

在Devon智能代理项目中，团队最近成功实现了对Ollama本地大语言模型的支持。这一技术改进为开发者提供了更多模型选择，特别是在需要本地部署和隐私保护的场景下。

技术背景

Ollama是一个支持在本地运行大型语言模型的框架，它提供了与第三方兼容的API接口。Devon项目原本使用litellm作为模型抽象层，但在集成Ollama支持时遇到了依赖冲突问题。

技术挑战

最初尝试通过litellm的proxy功能集成Ollama时，发现与项目现有的uvicorn依赖存在版本冲突。具体表现为：

• litellm[proxy]要求uvicorn版本在0.22.0到0.23.0之间
• 而项目本身依赖uvicorn 0.29.0版本

这种依赖冲突导致无法通过poetry正常安装所需的软件包。

解决方案

经过技术讨论，团队确定了以下解决方案：

1. 放弃litellm proxy：发现litellm proxy已被标记为废弃状态
2. 直接使用Ollama API：利用Ollama原生提供的兼容接口
3. 简化集成方式：通过设置api_base参数直接连接到本地Ollama服务

最终实现的OllamaModel类核心代码如下：

class OllamaModel:
    def query(self, messages, system_message=""):
        model_completion = completion(
            messages=[{"role": "system", "content": system_message}] + messages,
            max_tokens=self.model_metadata["max_tokens"],
            model="ollama/phi3",  # 指定Ollama模型
            temperature=self.args.temperature,
            stop=["</COMMAND>"],
            api_base="http://localhost:11434"  # Ollama默认API地址
        )
        response = model_completion.choices[0].message.content.rstrip("</COMMAND>")
        return response + "</COMMAND>"

技术优势

这种实现方式具有以下优点：

1. 依赖简化：避免了不必要的proxy层，减少依赖冲突
2. 性能优化：直接连接本地服务，减少网络开销
3. 灵活性：支持任何Ollama托管的模型，只需修改model参数
4. 兼容性：保持与现有代码的接口一致，无需大规模重构

未来展望

团队计划进一步优化模型集成方式：

1. 动态模型选择：通过CLI配置支持任意Ollama或litellm兼容的模型
2. 依赖管理：考虑将litellm相关依赖作为可选组件
3. 扩展支持：为更多本地模型和云服务提供商提供支持

实践建议

对于希望在Devon项目中使用Ollama的开发者：

1. 确保本地已安装并运行Ollama服务
2. 通过ollama pull命令下载所需模型
3. 在配置中指定模型名称格式为"ollama/模型名"
4. 注意模型的最大token限制和停止标记设置

这一技术改进为Devon项目带来了更灵活的模型选择能力，同时也为未来支持更多模型和服务奠定了基础。