Ollama 云端模型 Asheblog/dsh-ollama-cloud

dsh-ollama-cloud

DeepSeek Harness 的 Ollama Cloud 供应商插件：装完即用，并且每个模型的思维链强度都是可调的。

聊天走 Ollama 的 OpenAI 兼容接口（https://ollama.com/v1），模型发现走它自己的原生接口（/api/tags、/api/show），Web 搜索/抓取则注册成 Harness 的 ctx.web 能力。每个模型对外公布的思考档位（off / low / high / max 等）直接来自 Ollama 对该模型的 thinking 元数据，所以 composer 里的 Effort 选择器调的是真实能力，不是猜的。

模型目录同样不随插件版本冻结：每次装载时插件都会问配置的端点当前提供哪些模型，并把答案用在本次会话里，同时缓存给下次启动；长时间运行的会话还会按间隔再刷。于是 Ollama 新增、下架或改了档位的模型，都不需要等插件更新。

安装

预构建 tarball（推荐，无需构建授权）
dsh plugin --profile web add --force \
https://github.com/Asheblog/dsh-ollama-cloud/releases/latest/download/dsh-ollama-cloud.tgz

或者直接从 GitHub 源码安装（仓库内跟踪了构建产物）
dsh plugin --profile web add github:Asheblog/dsh-ollama-cloud

安装后重启 Harness，然后在 Settings → Models 里给 Ollama Cloud 填 API Key（写入只写凭据存储），或者直接提供环境变量：

export OLLAMA_API_KEY=... # Linux / macOS
$env:OLLAMA_API_KEY = "..." # Windows PowerShell

Key 在 <https://ollama.com/settings/keys> 申请。模型目录与元数据接口是匿名的，所以没填 Key 也能看到模型列表，只是发请求会报 MISSING_CREDENTIAL。

与 dsh-llm-ollama 二选一。 两者都注册 ollama-cloud 这条 route，同时安装会在装载时冲突（DUPLICATE_ADAPTER）。装本插件前请先从 profile 的 bundles 里移除 dsh-llm-ollama。

用法

1. 在 composer 的模型选择器（或 /model）里选一个 ollama-cloud 模型。
2. 同一个菜单里选推理强度：可选项随模型变化，默认值取自 Ollama 的模型默认值。
3. 思考内容会像其他供应商一样出现在会话里；强度是按会话保存的，运行中的回合保留它开始时的档位。

模型目录：端点说了算

Ollama 自己决定什么时候上架、下架云端模型，所以本插件不把自己的发布当作模型清单。每次装载它都会问配置的端点当前提供什么——GET /api/tags 决定有哪些模型，POST /api/show 给出每个模型的上下文窗口、输入类型，以及该模型自己声明的思考档位阶梯与默认档位——然后就用这个答案。优先级从高到低：

| 层 | 决定什么 |
| 你的 models 配置 | 按 id 的覆写、追加，以及 enabled: false 的下架 |
| 刚抓到的端点答案 | 有哪些模型，以及每个模型声明了什么能力 |
| 上次抓取的缓存 | 同一份答案，先于网络响应从磁盘读出 |
| 内置快照 | 显示名，以及首次成功抓取之前的兜底 |

两个值得知道的后果：

- 下架的模型会自己消失。 端点不再列出的模型会消失；仍然列在清单里、但 /api/show 返回 404/410 的也会被剔除——那正是端点自己说"我的清单过期了"。而仅仅是请求失败（超时、5xx、429）的模型会保留，并沿用清单给出的信息：一次慢响应不该让真实模型在整个刷新间隔里都看不见。
- 新模型带着自己的档位出现。 快照没见过的模型先用 id 作显示名，直到某个版本给它一个更好看的名字；它的思考档位仍然来自 /api/show。

仓库内置的是"首次成功抓取之前"的兜底快照，取自 2026-09-29 的实际元数据（/api/tags + /api/show）：

| 模型 | 上下文 | 视觉 | 可选档位 | 默认 |
| deepseek-v4.1-flash | 1,048,576 | ✔ | Off / Low / High / Max | High |
| deepseek-v4-pro:0813 | 1,048,576 | — | Off / Low / High / Max | Low |
| kimi-k3 | 1,048,576 | ✔ | Off / Low / High / Max | Max |
| kimi-k2.6 | 262,144 | ✔ | Off / High | High |
| kimi-k2.7-code | 262,144 | ✔ | Off / High | High |
| glm-5.3 | 1,048,576 | — | Low / High / Max | Max |
| glm-5.3-flash | 1,048,576 | ✔ | Low / High / Max | Max |
| glm-5.2 | 1,048,576 | — | Off / High / Max | High |
| gpt-oss:120b | 131,072 | — | Low / Medium / High | Medium |
| gpt-oss:20b | 131,072 | — | Low / Medium / High | Medium |
| minimax-m3 | 512,000 | ✔ | Off / Low / Medium / High / Max | — |
| minimax-m2.7 | 196,608 | — | High | High |
| nemotron-3-ultra | 262,144 | — | Off / High | High |
| nemotron-3-super | 262,144 | — | Off / High | High |
| nemotron-3-nano:30b | 262,144 | — | Off / High | High |
| gemma4:31b | 262,144 | ✔ | Off / High | Off |
| mistral-large-3:675b | 262,144 | ✔ | （不支持思考） | — |

Ollama 只支持布尔思考开关的模型（如 kimi-k2.6、gemma4:31b）只暴露 Off 与 High 两档——High 在 wire 上就是「打开思考」；minimax-m2.7 的元数据是 [true]，关不掉思考，所以只有 High。minimax-m3 只报告了思考能力、没有档位阶梯，因此走标准档位且不声明默认值；任何「端点与你的配置都没描述过」的模型同理。

刷新模型目录

默认开启，且不会拖慢启动：

- 装载时：route 起来后立刻刷一次。在它落地之前模型列表就已经是对的，因为下面这层缓存先回答。
- 按间隔：refreshMinutes 分钟后（默认 1440，即每天一次），每刷完一次再排下一次。每次到点都会重新读取实时配置，所以关掉刷新、或改间隔，会在下一轮生效，不用重载插件；而在关闭（或只保留装载时刷新）期间，调度器仍会按几分钟的空转节奏重读配置——不碰网络——因此重新打开同样无需重载。
- 缓存：<harness home>/cache/dsh-ollama-cloud/catalog.json（用 harness 自己的 home 辅助函数解析），原子写入、读取时校验，格式不对或属于另一个端点就忽略。它在安装包之外，所以更新插件不会丢；离线重启，以及任何一次重启的头一秒，都由它来回答。

autoRefresh: false 可以整个关掉：此时 route 用上次抓取的缓存（首次抓取前用内置快照），并且绝不主动联网——气隙环境或额度受限的部署就该这么设。refreshMinutes: 0 则保留装载时那一次，去掉周期性刷新。

手工入口仍然保留：

- 从端点发现：调用 llm/discoverModels 的界面会列出端点当前提供的模型及其上下文窗口与输入类型；只有能被 /api/show 完整描述的模型才会作为候选返回。
- 手工增删：在插件配置里覆盖 models（见下）。enabled: false 可以把某个模型藏起来。

界面里的云端用量

插件带一个浏览器半侧，直接渲染在宿主自己的界面里——不另开页面，也不需要任何供应商 UI 壳插件：

- Models 页卡片：设置 → Models 的 Ollama Cloud 行内，套餐实际拥有的每个计费窗口一条 meter（剩余百分比 + 重置时间），只写的 API Key 输入框，以及刷新按钮。
- 侧栏行：会话列表下方一条紧凑的剩余额度进度条——上行是名称与百分比，下行是进度条；条内填充的是剩余份额，颜色随剩余档位变化（充足 / 偏低 / 告急），因此条越短数字越小，两者读起来一致。点击展开分窗口详情；悬停标题里带重置时间。侧栏挂载时拉一次，之后每 15 分钟刷新一次；收起成 56px 轨道时只保留迷你进度条与百分比。

卡片通过本插件自己的宿主通道（/ollama-cloud）从 GET /balance 读取账号额度，因此 API Key 始终留在宿主侧、不会进入浏览器。该端点报告的是每个窗口还剩多少，面板画的是它的补集；三个窗口里套餐拥有哪几个由端点回答，所以会报告 monthly 窗口的套餐不需要改插件就会多出第三条 meter。本地/自建端点对 /balance 返回 404 时显示"此端点不上报云端用量"而不是报错，并且已有快照会继续显示而不是消失。瞬时失败的读取（连接被重置、被限流、端点或其前方任何一跳回 5xx）会自动重试一次；失败的那一行改为每分钟轮询直到恢复——一次瞬时抖动不该让一个错数字在屏幕上挂满整个周期。把鼠标停在失败文案上可以看到它背后的机器诊断。

用量通道需要组合里的 connection 行注入 webServer；本 bundle 的 patch 会补上（没有 connection 行的 profile 会跳过）。安装或更新后请完整重启一次 Harness——在重启前卡片会自己说明这一点。

配置

所有字段都可以在插件配置页修改，也会在 profile 的 cordis.patch.yml 里按行覆盖：

- id: llm-ollama-cloud
name: 'dsh-ollama-cloud'
config:
apiKeyEnv: OLLAMA_API_KEY # 凭据引用；置空字符串 = 不用认证（本地服务） baseURL: https://ollama.com/api # 原生 API 根；本地 Ollama 写 http://localhost:11434/api maxTokens: 32768 # 未单独声明的模型的输出上限 defaultContextWindow: 262144 # 未单独声明的模型的上下文回退 streamIdleTimeoutMs: 300000 # 流式读取的空闲上限 requestTimeoutMs: 15000 # 非聊天请求的每次尝试预算（模型发现、Web 搜索/抓取） autoRefresh: true # 装载时与按间隔刷新模型目录 refreshMinutes: 1440 # 刷新间隔（分钟）；0 = 只在装载时刷 retryPolicy: # 由 dsh-llm-retry 执行 mode: normal maxRetries: 5 models: # 按 id 覆盖当前生效的目录；未知 id 追加到末尾
- id: gpt-oss:20b
contextWindow: 131072
reasoningEfforts: { off: none, low: low, medium: medium, high: high }
defaultEffort: medium
- id: brand-new-model # 内置目录还没有的新模型 name: Brand New contextWindow: 131072
reasoningEfforts: { off: none, high: high }
defaultEffort: high
- id: retired-model # 内置模型退役了？藏起来即可 enabled: false

字段语义：

- autoRefresh 与 refreshMinutes 控制上面那套目录刷新。两者都按实时值读取，改动会在下一轮到点生效——"关闭时为什么还有空转 tick"见上一节。
- models 覆盖的是当前生效的目录（端点的实时答案；首次抓取成功前是内置快照），并且始终按 id 优先，所以 enabled: false 能下架端点仍在提供的模型。
- reasoningEfforts 的键是选择器提供的档位（off / minimal / low / medium / high / xhigh / max），值是发到 Ollama 的拼写（例如 off: none）。false 表示该模型不可调思考；省略则沿用实时条目的档位；若 id 端点与条目都没描述，则走标准档（off/low/medium/high/max）且不声明默认档位。
- defaultEffort 必须在 reasoningEfforts 里；会话没选档位时用它，否则跟随模型自己的默认。
- 覆写条目只在没有改 reasoningEfforts 时才继承当前生效的默认档位——改了档位集合就以你的声明为准。
- 显式写了 defaultEffort 但不在可选档位里会在装载时报错，而不是静默降级。

本地 Ollama / 自建端点

- id: llm-ollama-cloud
config:
baseURL: http://localhost:11434/api
apiKeyEnv: '' # 本地服务不需要 Bearer

baseURL 会被归一化：裸主机（https://ollama.example）补 /api，/v1 写法映射回 /api，显式自定义路径（https://gateway.example/ollama）原样保留。

Web 搜索与抓取

插件把 Ollama 的 /api/web_search、/api/web_fetch 注册为 ctx.web provider（注册本身不改变任何部署策略）。要在 profile 里启用：

- id: web
config:
searchProvider: ollama-cloud
fetchProvider: ollama-cloud

两者复用同一条凭据引用与 baseURL；请求带凭据，所以重定向一律失败，且每次尝试有 15 秒预算、传输层瞬时失败重试一次。

兼容性

- 验证目标：DSH 0.2.1-rc.1、0.2.1-rc.2 与 0.2.1-rc.3。engines.dsh 是 >=0.2.1-rc.1——第一个让 connection 行注入 webStartup 的版本——因此 0.2.0 代已不在本版本支持范围内（见下一条）。逐版本结论见 dsh.compatibility.dshReleases；官方新版本若出现回归会记入 dsh.compatibility.blocklist。
- bundle patch 跟随 composition 的 connection 行。 connection.rpc.handle() 是通过该行自己的 webServer 挂载通道的——调用方在自己的行里注入 webServer 仍会抛 cannot get property "webServer" without inject——所以本 bundle 重述该行的 inject 并补上 webServer。同一份列表里还带着该行的启动依赖，而那个名字由 composition 决定：0.2.0 代注入 webRuntime，0.2.1-rc.1 注入 webStartup。这里的名字过期不会让某个请求失败，而是让一条 required 行永远等待、整个启动失败；因此 pnpm test 会把本 patch 与已装 @deepseek-ai/dsh-web-app 的 composition 对照（tests/composition.test.ts），且 engines.dsh 只接受让该行注入 webStartup 的版本。设计依据与被否掉的方案见 ADR 0008。
- 运行依赖：@earendil-works/pi-ai，声明为已装 Harness 所属的代际（Harness 0.2.1-rc.3 对应 ^1.1.0；lockfile 解析到 1.4.0，即该范围允许的后续 minor）。pi-ai 不是宿主共享包，本包这份与 Harness 那份只有代际一致时才彼此吻合。路由在自己的边界上归一化请求上下文——这正是 Harness 两代之间真正变化的那份契约——因此 0.2.1 代宿主原生匹配，而 shim 仍能吸收旧宿主传来的 pre-0.87 上下文；pnpm check 与定时的 pi-ai-drift 工作流会在两侧声明区间无公共版本时失败；挂载时若插件能读到已装 Harness 的声明、且本构建落在其外，会打一条告警（尽力而为：宿主藏起 manifest 时表现为静默，可靠信号以 CI 为准）。设计依据见 ADR 0004。
- 协议解析、流式转换、回放与工具调用全部委托官方 @deepseek-ai/dsh-llm-pi-ai 的 PiAiAdapter，本插件只提供 Ollama 特有的连接事实、模型目录与档位元数据。设计依据见 ADR 0001。
- 浏览器半侧只占用宿主槽位（settings.models.provider-card、sidebar.footer.action）、使用宿主主题 token，并在 inject 里声明 connection；不依赖任何其它客户端包——用量通道（/ollama-cloud + usage/read）是本插件自己的，因此不需要任何供应商 UI 壳插件存在。
- 已知限制：Ollama 的 OpenAI 兼容面不支持 tool_choice、logprobs，也不提供 prompt cache 统计；用量字段以它实际返回的为准。目录缓存一次只保存一个端点——把 baseURL 换成另一个端点后，在新端点回答之前走内置快照。
- 模型清单、每个模型的上下文窗口与输入类型、每个模型的思考档位阶梯全部来自配置的端点（/api/tags + /api/show），在装载时与按间隔刷新；内置快照只负责两件事：给已知 id 提供显示名，以及首次成功抓取之前的兜底。设计依据见 ADR 0005。

开发

pnpm install
pnpm check # typecheck + 单测 + 构建
pnpm run check:live # 打真实额度端点、端到端（需要密钥）
pnpm pack # 产出 tarball
node scripts/check-tarball.mjs # 校验产物可独立安装

仓库跟踪 lib/ 构建产物，因此 GitHub 源码安装不需要构建授权。插件行名固定为 llm-ollama-cloud（设置命名空间同此）。

许可

MIT