Bolt.diy 连接外部 Ollama 服务器的配置指南
2025-05-15 04:20:02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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218