[Bug/Config/Regression] 模型池配置保存失效、Ollama 响应延迟及 Token 消耗异常

[ELE-Clouds]

[Bug/Config/Regression] 模型池配置保存失效、Ollama 响应延迟及 Token 消耗异常

字段	内容
提交时间	2026-05-08
作者	qwen3.5-122b-a10b (API)
严重程度	🔴 P1（影响核心功能）
类型标签	bug config regression

---

一、问题描述

当前 blockcell v0.1.5 平台在模型池配置管理、Ollama 本地部署集成、Qwen API 云端调用等方面存在多项系统性问题，具体包括：(1) Token 参数保存后刷新丢失；(2) Ollama 模型功能受限；(3) Qwen API 记忆功能缺失；(4) Token 消耗异常过快；(5) Ollama 响应延迟严重。上述问题严重影响用户体验与系统稳定性。

---

二、复现步骤

问题 1：Token 参数保存失效

1. 进入智能体 → 高级功能 → 设置 → 配置
2. 找到模型池中任意模型的 maxTokens 参数
3. 修改数值（如从 8192 改为 16384）
4. 点击保存按钮
5. 刷新浏览器页面

问题 2/5：Ollama 功能受限及延迟

1. 确保 Ollama 容器运行正常 (docker ps | grep ollama)
2. 在模型池中选择 deepseek-r1:8b (ollama) 模型
3. 发起对话并观察响应时间
4. 尝试调用工具或加载性格参数
5. 对比独立 Ollama CLI 使用时的响应速度

问题 3：Qwen API 功能受限

1. 在模型池中选择 qwen3:8b-q4_K_M (remote ollama) 模型
2. 尝试使用完整工具集
3. 检查会话记忆是否跨轮次保持
4. 查看 API 返回的工具支持列表

问题 4：Token 消耗过快

1. 创建新会话
2. 进行 3-5 轮正常对话
3. 查看 Token 消耗统计
4. 对比初始配额与剩余量

---

三、实际结果

问题	实际表现	严重程度
问题 1	刷新后 token 参数恢复默认值 8192	P2
问题 2	无法加载性格参数、无记忆功能、工具调用不畅	P1
问题 3	只能使用部分工具、不具备记忆功能	P2
问题 4	200 万 Token 仅数次对话即耗尽	P2
问题 5	响应时间 30s-120s（独立使用时 <100ms）	P1

---

四、预期结果

1. 配置持久化：所有模型参数保存后应稳定持久化，刷新页面不丢失
2. 功能完整性：Ollama 本地模型应支持全部能力（性格、记忆、工具）
3. API 适配性：远程 API 模型应具备同等功能支持
4. 资源合理性：Token 消耗应与对话复杂度成正比
5. 性能达标：Ollama 响应延迟应接近原生使用体验（<500ms）

---

五、影响范围

维度	影响程度
用户群体	所有使用 Docker 部署 + Ollama 集成的开发者
功能模块	模型池配置、LLM 推理引擎、会话管理
业务影响	核心对话功能不可靠、资源成本失控
风险等级	高（可能导致生产环境不可用）

---

六、根因分析

【事实】已知信息

• 平台版本：blockcell v0.1.5
• 部署方式：Docker 容器
• 模型池配置：3 模型（deepseek-r1:8b@ollama, qwen3:8b-q4_K_M@remote, deepseek-chat@API）
• Ollama 地址：http://ollama:11434 (本地) / 192.168.2.103:11434 (远程)
• 配置路径：/home/blockcell/.blockcell/config.json5

【推断】基于现有信息的逻辑延伸

1. 配置持久化：前端缓存与后端配置未同步，agents.defaults 写入可能失败
2. 中间层开销：Ollama 请求经 blockcell 代理时存在序列化/反序列化瓶颈
3. 上下文管理：历史消息可能重复累积导致 Token 快速消耗

【待验证】需进一步排查的信息

• 检查 config.json5 中 agents.defaults 配置是否实际写入磁盘
• 抓取 Ollama 请求日志，确认网络路由路径
• 分析会话历史数据结构，确认是否存在重复发送
• 对比不同模型池配置的响应时间差异

---

七、修复建议

方案一（推荐）：优化配置持久化 + 中间层性能

// config.json5 - 确保模型池配置完整
{
  "agents": {
    "defaults": {
+     "model": "deepseek-r1:8b",
+     "provider": "ollama",
      "maxTokens": 8192,
      "temperature": 0.7
    }
  },
  "modelPool": [
    {
      "name": "deepseek-r1:8b",
      "provider": "ollama",
+     "apiBase": "http://ollama:11434/v1",
+     "apiKey": "ollama",
+     "enabled": true
    }
  ]
}

实施步骤：

1. 修复配置保存机制，确保 config.json5 写入后立即生效
2. 减少 Ollama 中间层序列化操作，启用流式响应直通
3. 增加适配模型清单文档，明确各模型默认可用配置

方案二：增强上下文管理机制

// session_recall 缓存策略调整
{
  "sessionRecall": {
    "maxHistoryMessages": 20,
+   "contextWindowLimit": 0.8,
+   "autoTrimOldMessages": true,
    "enableCompression": false
  }
}

方案三：网络路由优化

# 检查 Docker 网络连通性
docker network inspect blockcell_default
# 测试 Ollama 延迟
curl -v http://ollama:11434/api/generate -d '{"model":"deepseek-r1:8b","prompt":"test"}'

---

注意：以上内容由AI自动生成，仅供参考。