Bolt.diy 连接外部 Ollama 服务器的配置指南
2025-05-15 06:13:47作者:丁柯新Fawn
问题背景
在使用 Bolt.diy 项目时,许多开发者会遇到无法正确连接外部 Ollama 服务器的问题。具体表现为:在 Bolt.diy 界面中选择 Ollama 作为提供程序后,无法显示可用的模型列表,并出现 API 错误提示。
核心问题分析
经过技术排查,发现这主要是由于 Ollama 服务器的跨域访问限制导致的。Ollama 默认配置下不允许来自其他域或 IP 的请求,即使网络连接本身是通畅的。
详细解决方案
1. 确认基础网络连通性
首先需要确保 Bolt.diy 服务器能够访问 Ollama 服务器。可以通过以下命令测试:
curl http://<ollama-server-ip>:11434/api/tags
如果能够返回模型列表,说明基础网络连接正常。
2. 配置 Ollama 服务器
关键步骤是正确配置 Ollama 服务器以允许外部访问:
对于 Ubuntu 系统(systemd 服务)
- 编辑 Ollama 服务配置:
sudo systemctl edit ollama
- 添加以下环境变量配置:
[Service]
Environment="OLLAMA_HOST=0.0.0.0"
Environment="OLLAMA_ORIGINS=*"
- 重启 Ollama 服务:
sudo systemctl restart ollama
配置参数说明
OLLAMA_HOST=0.0.0.0:使 Ollama 监听所有网络接口OLLAMA_ORIGINS=*:允许来自任何源的跨域请求(生产环境应考虑更严格的设置)
3. 其他可选优化参数
根据实际需求,还可以配置以下参数:
Environment="OLLAMA_NUM_PARALLEL=8" # 并行处理数
Environment="OLLAMA_MAX_LOADED_MODELS=2" # 最大加载模型数
Environment="OLLAMA_KEEP_ALIVE=3600" # 模型保持时间(秒)
4. Bolt.diy 客户端配置
在 Bolt.diy 的 Settings 页面中:
- 选择 Ollama 作为提供程序
- 输入 Ollama 服务器的完整 URL(如
http://192.168.1.100:11434) - API Key 字段可以留空或随意填写(Ollama 不需要 API 密钥)
验证配置
完成上述步骤后,返回 Bolt.diy 主界面:
- 选择 Ollama 作为模型提供方
- 应该能够看到 Ollama 服务器上的所有可用模型列表
- 可以正常开始对话
安全建议
对于生产环境,建议:
- 使用更精确的
OLLAMA_ORIGINS设置,只允许特定域或 IP - 考虑在 Ollama 前设置反向代理(如 Nginx)并配置 HTTPS
- 使用防火墙规则限制可以访问 Ollama 端口的 IP
总结
通过正确配置 Ollama 服务器的网络访问权限,特别是跨域设置,可以解决 Bolt.diy 无法显示外部 Ollama 模型的问题。这一解决方案不仅适用于 Bolt.diy,对于其他需要远程访问 Ollama 的场景也同样适用。
对于开发者而言,理解这类问题的本质(跨域访问限制)有助于解决类似的其他服务集成问题。在实际部署中,应根据具体环境平衡功能需求与安全考量。
登录后查看全文
热门项目推荐
相关项目推荐
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
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust016
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
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
最新内容推荐
如何用自然语言掌控电脑?UI-TARS-desktop智能助手入门指南离线语音资源全攻略:高效管理与优化指南4步攻克抖音直播回放留存难题:面向内容创作者的全流程技术指南Home Assistant功能扩展实战指南:从问题诊断到价值实现的完整路径开源工具 AzurLaneLive2DExtract:3大核心优势助力碧蓝航线Live2D模型资源提取与二次创作Godot卡牌游戏框架深度探索:从理论架构到实战开发直播内容管理新维度:多场景直播归档方案全攻略OBS Advanced Timer:5个直播控时秘诀让你的直播节奏尽在掌握零基础掌握Home Assistant扩展:Docker加载项实战指南虚拟显示技术重塑数字工作空间:突破物理屏幕限制的多屏效率革命
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
518
630
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
🎉 (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
1.57 K
910
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++
947
888
暂无简介
Dart
922
228
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
399
303
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
634
217
openGauss kernel ~ openGauss is an open source relational database management system
C++
183
260