首页
/ Bolt.diy 连接外部 Ollama 服务器的配置指南

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)

  1. 编辑 Ollama 服务配置:
sudo systemctl edit ollama
  1. 添加以下环境变量配置:
[Service]
Environment="OLLAMA_HOST=0.0.0.0"
Environment="OLLAMA_ORIGINS=*"
  1. 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:

  1. 选择 Ollama 作为提供程序
  2. 输入 Ollama 服务器的完整 URL(如 http://192.168.1.100:11434
  3. 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:

  1. 选择 Ollama 作为模型提供方
  2. 应该能够看到 Ollama 服务器上的所有可用模型列表
  3. 可以正常开始对话

安全建议

对于生产环境,建议:

  1. 使用更精确的 OLLAMA_ORIGINS 设置,只允许特定域或 IP
  2. 考虑在 Ollama 前设置反向代理(如 Nginx)并配置 HTTPS
  3. 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

项目优选

收起
docsdocs
暂无描述
Markdown
827
5.48 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
494
515
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++
783
1.57 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
800
1.14 K
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++
970
2.28 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++
480
312
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
3.01 K
766
cannbot-skillscannbot-skills
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
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
647
284