企业官网建设流程全解析

OpenChronicle 配置完全指南：Ollama 全本地部署与 4 阶段 LLM 调优清单

【免费下载链接】OpenChronicle项目地址: https://gitcode.com/gh_mirrors/op/OpenChronicle

OpenChronicle 是一款开源、本地优先的 AI Agent 记忆系统：它在你的 Mac 上捕获真实工作上下文，并沉淀为人类可读的 Markdown 记忆，供任意支持工具调用的 LLM Agent 查询。用好它的关键在OpenChronicle 配置——本文作为一份完整指南，带你完成 Ollama 全本地部署（无需 API Key、不依赖云端），并给出一份 4 阶段 LLM 调优清单：每个阶段该配什么模型、哪些坑必须避开。

config.toml 在哪里，如何查看

• 运行时配置位于~/.openchronicle/config.toml（或用$OPENCHRONICLE_ROOT整体迁移目录）。
• 首次运行openchronicle status时自动按默认值生成，无需手写。
• 随时查看已解析的生效配置：openchronicle config。
• 所有 LLM 阶段都走 litellm，官方默认模板可直接参考 src/openchronicle/config.py 中的DEFAULT_CONFIG_TEMPLATE。

Ollama 全本地部署：最小配置 3 行搞定

OpenChronicle 对云端提供商没有任何硬依赖——任何 litellm 够得着的模型都能用，包括本地 Ollama 服务。最小配置如下：

[models.default] model = "ollama/qwen2.5:14b" # 任意已 pull 的模型，加 ollama/ 前缀 base_url = "http://localhost:11434" api_key_env = "" # 留空——Ollama 不需要 key

这段配置里有 3 个新手必踩的坑：

1. 模型名必须加ollama/前缀，litellm 靠它路由到 Ollama。
2. base_url指向本机 Ollama 地址http://localhost:11434，否则请求会发到 OpenAI。
3. api_key_env留空。若保留默认的OPENAI_API_KEY而系统里又没导出该变量，litellm 会报错——尽管 Ollama 根本用不到 key。

4 阶段 LLM 调优：按阶段分配模型

OpenChronicle 的记忆管线有4 个 LLM 阶段，节奏与精度敏感度各不相同。分层分配（tiered assignment）通常非常值得——timeline 每分钟都触发，classifier 又极度怕弱模型：

推荐的本地分层配置（详见 docs/config.md）：

[models.timeline] model = "ollama/qwen2.5:7b" # 便宜但不弱，常驻运行 [models.reducer] model = "ollama/qwen2.5:14b" # 压缩整个会话，精度重要 [models.classifier] model = "ollama/qwen2.5:14b" # 工具调用；弱模型会毒化去重 [models.compact] model = "ollama/qwen2.5:14b" # 与 classifier 同级或更强

💡 每个阶段小节都完整继承[models.default]的字段，只覆盖自己写出的项。想全局共用一个模型？只填[models.default]，其余留空即可。

本地模型预检清单：4 项硬性检查

选完模型后，先对照 docs/config.md 的 “Things to check” 清单过一遍，能省掉大量排障时间：

• ✅Tool-calling（工具调用）支持——classifier 硬性要求。它靠函数调用循环驱动append/create/supersede。qwen2.5、llama3.1、mistral-nemo、command-r均可用；小尺寸 Llama-3.2 与 Phi 系列表现不可靠。
• ✅JSON mode——timeline 与 reducer 硬性要求。两阶段以response_format={"type":"json_object"}调用，litellm 会转成 Ollama 的format: "json"。模型若不遵守、返回散文，日志里会出现成片的解析错误——这时别调 prompt，换更大的模型。
• ✅上下文窗口（num_ctx）要够大。timeline 块为 1 分钟粒度，reducer 一次 flush 消费约 5 个块，2 小时的会话最多可堆约 24 个块。建议 Ollamanum_ctx对 timeline ≥16k，对 reducer/classifier ≥32k。默认 2–4k 会静默截断，症状极隐蔽。
• ✅api_key_env保持为空，避免 litellm 因缺失环境变量直接拒绝请求。

验证配置：改完跑一次status，一行命令全知

守护进程只在启动时读取一次配置。编辑config.toml后：

openchronicle stop && openchronicle start openchronicle status

status会打印每个阶段解析出的模型，并对每个阶段的提供商做迷你探测（max_tokens=4，约 5 秒超时），每行显示三种结果之一：

• ✓ 234 ms—— 提供商正常应答；
• ✗ AuthenticationError: …—— 模型名拼错、api_key_env缺失、base_url写错、key 过期，全部会在这第一次status就暴露，而不是几小时后在 writer 里静默失败；
• 相同(model, base_url, api_key)的阶段会去重探测，四阶段共用一个模型时只发一次网络请求。

在飞机上或 CI 环境想跳过网络探测，可设 mock 环境变量：

OPENCHRONICLE_LLM_MOCK=1 openchronicle status # 各行显示 ✓ mocked

常见问题速查表

排障时优先看这三个日志（均在~/.openchronicle/logs/下）：writer.log（reducer/classifier 工具调用）、session.log（flush 与 tick）、timeline.log（窗口归一化）。完整排障手册见 docs/troubleshooting.md。

延伸阅读

• 配置与模型设置：docs/config.md
• 4 阶段管线与触发模型：docs/writer.md
• LLM 封装与 status 探测源码：src/openchronicle/writer/llm.py
• 配置默认值与继承逻辑：src/openchronicle/config.py
• 会话切分与调优：docs/session.md

【免费下载链接】OpenChronicle项目地址: https://gitcode.com/gh_mirrors/op/OpenChronicle