Ollama 云模型接入 pei-lin-001/dsh-ollama-cloud

dsh-ollama-cloud

为 DeepSeek Harness（dsh）接入 Ollama Cloud。
一个 API key，不用装本地 Ollama。

侧栏额度条

安装

桌面版 profile 和/或 web profile
dsh plugin --profile desktop add git:github.com/pei-lin-001/dsh-ollama-cloud
dsh plugin --profile web add git:github.com/pei-lin-001/dsh-ollama-cloud

打开 设置 → Ollama Cloud，粘贴 ollama.com/settings/keys 的 key，点 保存并同步。key 存进凭据服务（$DSH_HOME/.credentials.yaml），浏览器拿不到明文；目录写进 llm-pi-ai 设置项的 ollama-cloud 路由，模型随即出现在选择器里。

也可以用环境变量 OLLAMA_API_KEY。进程环境变量会遮蔽已保存的 key，此时凭据服务拒绝写入。

开发用 link:：

git clone git@github.com:pei-lin-001/dsh-ollama-cloud.git ~/Dev/dsh-ollama-cloud
cd ~/Dev/dsh-ollama-cloud && dsh plugin --profile web add link:$PWD
./scripts/link-peers.sh # schemastery、dsh-credentials、dsh-settings、dsh-tools

被链接的包从自己的 node_modules 解析 peer，所以最后一步不能省。

它做什么

启动时、凭据变更时、手动触发时，插件拉取账号的模型目录并写成 llm-pi-ai 的一条路由： GET /v1/models 取 id，每个模型一次 POST /api/show 取细节。对话、工具、视觉、思考由 dsh-llm-pi-ai 承载（api: openai-completions，baseURL: https://ollama.com/v1）；插件提供目录和凭据，传输由适配器负责。

模型条目来自 /api/show：

- capabilities 决定是否给 tools、vision 和思考档位。没有 tools 的模型默认跳过， includeNonToolModels 可放开。
- <arch>.context_length 变成 contextWindow。
- thinking.values 变成 reasoningEfforts。false 对应 off: 'none'，因为不发参数会退回模型默认（通常是开）；true 对应一个 medium 档；其余分级值一一对应，同时声明 xhigh 和 max 的模型两档都给。

结果整体替换该路由的模型列表；内容没变就不重写。

另外注册两个工具：ollama_web_search、ollama_web_fetch，用同一把 key 调 /api/web_search 和 /api/web_fetch。

额度与用量来自 GET /api/balance（5h 会话、7d 每周）和 GET /api/usage。当前套餐会在 usage 里返回 token 与费用，旧版套餐只给请求数。旧版套餐下，插件挂 llm/stream 读自己每次请求发出的 usage chunk，按「小时|模型」累计 input/cached/output，30 天保留在 $DSH_HOME/ollama-cloud-usage.json，再按 balance 的重置时刻把总量对齐到相同窗口。其他客户端的流量不进这个计量，所以有服务端数字时以服务端为准。

历史里的图片每一步都会重新发送，请求体过大时 ollama.com 的网关会在模型之前直接 413（实测约 12 MB）。
插件把图片 base64 压在 6 MiB 以内：0.2.x 上会把 maxRequestImageBytes 写进路由，适配器到界即停，由 harness 去掉最旧的图、换成占位并重试；0.1.0-rc.x 的适配器没有这个界限，插件就在出站请求里自己丢掉最旧的图。文本不计入这个预算。

界面

设置页：连接与套餐额度

设置页：用量图表与模型分布

设置页四块：连接、额度条、图表、模型分布。24 小时图固定为每小时请求数。7 天图在请求和 token 之间切换，因为请求数是每种套餐都会返回的序列。侧栏底部也显示这两个额度窗口。

配置

入口配置就是 ollama-cloud 设置项，在 profile patch 里覆盖：

- id: ollama-cloud
config:
provider: ollama-cloud # llm-pi-ai 路由名 displayName: Ollama Cloud apiKeyRef: OLLAMA_API_KEY # 凭据引用，绝不是密钥本身 baseURL: https://ollama.com syncOnStart: true # 启动时拉取目录 includeNonToolModels: false # 不把无工具能力的模型放进选择器 webTools: true # 注册 ollama_web_search / ollama_web_fetch maxOutputChars: 20000 # 单次 ollama_web_fetch 输出上限 usageCacheSeconds: 120 # /api/balance + /api/usage 缓存 maxRequestImageBytes: 6291456 # 单次请求的图片 base64 预算；0 表示交给适配器默认

模型的 contextWindow 来自 /api/show。点输入框旁、模型按钮旁的「上下文」按钮，只改当前选中模型的上下文长度；选择存在 $DSH_HOME/ollama-cloud-context.json，每次目录同步都会叠加上去；恢复目录值即删除覆盖。

对外接口

/ollama-cloud [status|sync|usage]，默认 usage：

Ollama Cloud 用量：会话（5h） ▕█░░░░░░░░░▏ 已用 7.2% · 3 小时后重置每周（7d） ▕█░░░░░░░░░▏ 已用 6.4% · 18 小时后重置 5h 统计：267 次请求 · 输入 8.9k · 输出 127 7d 统计：1.2k 次请求 · 输入 8.9k · 输出 127

下面这些路由同源，设置页和侧栏在用，脚本也可以调。

| 方法 | 路径 | 用途 |
| GET | /_dsh/ollama-cloud/status | 是否已配置 key、路由名、模型数、上次同步 |
| GET | /_dsh/ollama-cloud/usage[?force=1] | 额度窗口、用量、token 合计 |
| POST | /_dsh/ollama-cloud/key | { "key": "…" } 保存并同步，{ "remove": true } 删除 |
| POST | /_dsh/ollama-cloud/sync | 重新拉取目录 |

/key 和 /sync 是写操作：只接受应用自身页面（同源，或 Electron 的 file:// 不透明源），且 Host 必须是回环主机名或 IP 字面量；其他一律 403。

运行时兼容

| 运行时 | 设置接缝 | 行为 |
| 0.1.0-rc.x | ctx.settings.register / get | 插件自己持有 ollama-cloud 设置项；适配器设置项用 get('llm-pi-ai') 读 |
| 0.2.x（桌面版） | describe / mutate | 条目配置本身就是设置项；适配器的条目用 describe() 读、mutate() 写 |

engines.dsh 接受 >=0.1.0-rc.6 <1.0.0，两个运行时都会加载。已在 0.1.0-rc.6（CLI）和 0.2.1-rc.2（桌面版自带运行时）上验证过。CSS token 都带字面回退值，老运行时结构一致、配色略朴素。

已知限制

没法从这里限制输出长度。pi-ai 的兼容性探测发 max_completion_tokens，Ollama 只认 max_tokens，而 dsh-llm-pi-ai 没有暴露这个字段的开关。

本机计量只看得到当前 harness home 的流量。换台机器、换个客户端，token 统计里都不会出现；按小时分桶也意味着窗口边缘最多差一小时。

目录有变化时，同步会整体替换 llm-pi-ai.providers.ollama-cloud，对该路由的手改会丢；把 syncOnStart 设为 false 可以让同步变成手动步骤。

webTools 和 includeNonToolModels 在注册工具时读取，改动要重启；前端侧的改动同理。

用量端点限速 10 次/分钟/用户，一次刷新打三个请求，所以结果有缓存，侧栏五分钟轮询一次。

开发

node test/smoke.mjs # 目录映射、思考等级、用量计算、计量、路由守卫

没有构建步骤。宿主侧是纯 ESM，前端侧按 loader 的工厂形式写
（window.__ModuleLoader__.load({ id, factory })）。

用桌面版自带运行时跑 web profile：

APP="/Applications/DeepSeek Harness.app/Contents/MacOS/DeepSeek Harness"
CLI="$APP/../Resources/app.asar/dsh/node_modules/@deepseek-ai/dsh-desktop-host/lib/cli.js"
ELECTRON_RUN_AS_NODE=1 DSH_HOME=/tmp/probe "$APP" --expose-internals "$CLI" --profile web --port 8130 --no-open

许可证：MIT。