Higress项目中AI缓存插件对接Ollama的技术实践
在Higress网关项目中,AI缓存插件(ai-cache)是一个重要的功能组件,它能够缓存AI模型的响应结果,提高系统性能并降低计算资源消耗。本文将详细介绍如何将AI缓存插件与Ollama开源大语言模型平台进行对接的技术实现过程。
环境准备与部署
首先需要搭建Ollama本地服务环境,部署LLaMA3.2模型,并通过ngrok进行内网穿透,使外部能够访问到本地的Ollama服务。测试阶段直接调用Ollama的API接口/api/embed
可以正常获取嵌入向量结果,这为后续的插件对接奠定了基础。
插件开发与构建
在Higress项目中,AI缓存插件位于plugins/wasm-go/extensions/ai-cache
目录下。使用tinygo工具进行WASM模块的构建:
tinygo build -o main.wasm -scheduler=none -target=wasi -gc=custom -tags="custommalloc nottinygc_finalizer proxy_wasm_version_0_2_100" ./
同时还需要构建AI代理插件(ai-proxy),它负责与Ollama服务进行实际的通信交互。
对接实现要点
实现Ollama对接的核心在于ollama.go
文件的开发,主要包含以下几个关键部分:
-
配置参数定义:设置了Ollama服务的默认域名、端口号、模型名称和API端点路径等常量。
-
初始化结构体:定义了
ollamaProviderInitializer
结构体,实现了配置初始化和验证方法。 -
请求构造与响应解析:
constructParameters
方法负责构建请求参数,包括输入文本和模型名称parseTextEmbedding
方法用于解析Ollama返回的嵌入向量结果
-
核心接口实现:通过
GetEmbedding
方法完成整个嵌入向量获取流程,包括参数构造、HTTP请求发送和结果回调处理。
配置与调试
在Envoy配置文件中,需要正确设置Ollama服务的相关参数:
- 指定Ollama服务的域名和端口号
- 配置TLS传输安全层,设置正确的SNI(Server Name Indication)
- 调整超时时间等参数以适应实际网络环境
调试过程中遇到的主要问题是服务端口配置不正确,导致请求失败。通过明确指定Ollama服务的端口号解决了这一问题。
性能优化建议
在实际部署时,可以考虑以下优化措施:
- 连接池管理:合理配置HTTP连接池参数,提高连接复用率
- 超时控制:根据网络状况和模型响应时间调整超时设置
- 错误重试:实现适当的错误重试机制,提高服务可靠性
- 日志监控:完善日志记录,便于问题排查和性能分析
总结
通过本文介绍的技术方案,成功实现了Higress网关中AI缓存插件与Ollama服务的对接。这一集成方案不仅扩展了Higress的AI能力,也为其他类似AI服务的集成提供了参考范例。在实际生产环境中,还需要根据具体需求进行参数调优和性能测试,以确保系统稳定高效运行。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0298- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









