在LLM Graph Builder项目中集成Ollama本地模型的配置指南

LLM Graph Builder是一个基于Neo4j的知识图谱构建工具，能够从文本中提取实体和关系并构建可视化图谱。本文将详细介绍如何在该项目中正确配置和使用Ollama本地模型，解决常见的集成问题。

环境配置基础

要在LLM Graph Builder中使用Ollama本地模型，需要正确配置环境变量。核心配置位于项目的.env文件中，主要涉及以下几个关键参数：

• LLM_MODEL_CONFIG_ollama_llama3: 指定Ollama模型名称和API端点
• VITE_LLM_MODELS: 控制前端下拉菜单中显示的模型选项

正确配置Ollama模型

对于本地运行的Ollama实例，推荐使用以下配置格式：

LLM_MODEL_CONFIG_ollama_llama3="llama3,http://localhost:11434"

如果项目运行在Docker容器中，则需要使用特殊的host地址：

LLM_MODEL_CONFIG_ollama_llama3="llama3,http://host.docker.internal:11434"

常见配置错误与解决方案

1. 模型名称不匹配错误
   确保.env文件中指定的模型名称与Ollama中安装的模型完全一致。可以通过ollama list命令查看本地已安装的模型。

2. 端口配置错误
   Ollama默认使用11434端口，如果修改了默认端口，需要在配置中相应调整。

3. Docker网络问题
   容器内访问宿主机服务时，必须使用host.docker.internal而非localhost。

4. 前端模型显示问题
   如需在前端显示Ollama选项，需在frontend/.env中配置：

   VITE_LLM_MODELS="diffbot,openai-gpt-3.5,openai-gpt-4o,llama3"
   

高级配置建议

1. 多模型支持
   项目支持同时配置多个Ollama模型，只需为每个模型添加独立的配置项：

   LLM_MODEL_CONFIG_ollama_llama3="llama3,http://localhost:11434"
   LLM_MODEL_CONFIG_ollama_deepseek="deepseek-r1:7b,http://localhost:11434"
   

2. 性能调优
   对于大型知识图谱构建，可以调整以下参数优化处理性能：

   UPDATE_GRAPH_CHUNKS_PROCESSED=20
   NUMBER_OF_CHUNKS_TO_COMBINE=6
   

3. 日志与调试
   启用详细日志有助于排查问题：

   LANGCHAIN_TRACING_V2=true
   LANGCHAIN_PROJECT="llm-graph-builder"
   

典型问题排查

当遇到"Failed To Process File"或"'NoneType' object has no attribute 'split'"错误时，通常是由于：

1. 环境变量名称拼写错误
2. 模型名称与Ollama中的实际名称不匹配
3. API端点URL格式不正确（注意不要包含尾部斜杠）
4. 前端与后端配置不一致

通过系统性地检查这些配置项，大多数集成问题都可以得到解决。正确配置后，Ollama本地模型能够像云服务模型一样稳定地提取知识图谱中的实体和关系。