核心内容摘要
【Python全栈开发】第1讲 | 别再被环境配置劝退了！从零搭建生产级开发环境
Clawdbot整合Qwen
B快速上手8080端口转发至18789网关详解
为什么需要这个配置解决本地大模型与聊天平台的连接问题你是不是也遇到过这样的情况在本地用Ollama跑起了Qwen
B这个性能强劲的大模型但想把它直接接入一个好用的Web聊天界面时却卡在了网络连通这一步Clawdbot就是为这类需求而生的轻量级Chat平台——它不自带大模型而是专注做好一件事提供干净、稳定、可定制的对话界面并把用户输入精准转发给后端模型服务。
但问题来了Ollama默认监听在http://localhost:11434而Clawdbot默认尝试连接http://localhost:8080。
两者端口不一致、协议不匹配、甚至可能跨容器或跨主机部署——这时候硬改代码或重写适配层就太重了。
我们真正需要的是一个简单、可靠、无需修改源码的“管道”把Clawdbot发来的请求原样、低延迟、无损地送到Qwen
B面前。
这就是8080→18789网关配置的
核心价值它不是技术炫技而是一条专为AI工作流铺设的“数字引水渠”。
18789不是随意选的端口它是经过实测验证的、避开常见冲突如Docker默认端口、开发工具占用、且便于内部服务发现的稳定中转端点。
整套方案不依赖Kubernetes、不引入Nginx复杂配置、不改动Ollama或Clawdbot任一源码三步即可完成小白也能照着操作成功。
环境准备与基础服务确认在动手配置前请先确认你的本地环境已具备以下四个基本要素。
少一个环节后续都可能卡在“连接被拒绝”或“超时无响应”上。
1 确认Qwen
B已在Ollama中可用打开终端执行以下命令ollama list你应该看到类似这样的输出NAME ID SIZE MODIFIED qwen3:32b abc
..
2
4 GB 2 hours ago如果没有请先拉取模型ollama pull qwen3:32b注意Qwen
B是内存大户建议确保机器至少有32GB可用RAMSwap空间不低于16GB。
首次运行会自动加载至GPU如有或CPU内存耗时约2–5分钟请耐心等待。
2 验证Ollama API是否正常响应Ollama默认启动后会在http://localhost:11434提供标准OpenAI兼容API。
我们用一条最简curl测试其健康状态curl -X POST http://localhost:11434/api/chat \ -H Content-Type: application/json \ -d { model: qwen3:32b, messages: [{role: user, content: 你好}], stream: false }如果返回包含message: {role:assistant,content:...}的JSON说明模型服务就绪。
若返回Connection refused请检查Ollama是否正在运行systemctl --user status ollamaLinux或查看Ollama桌面应用是否已启动macOS/Windows。
3 获取Clawdbot运行包并解压Clawdbot是纯前端静态应用无需Node.js运行时。
访问其GitHub Release页面或你内部镜像源下载最新版clawdbot-v*.zip。
解压后进入目录你会看到clawdbot/ ├── index.html ├── assets/ ├── config.json ← 我们将重点修改这个文件 └── ...小贴士Clawdbot不内置服务器需用任意HTTP服务托管。
推荐使用Python一行命令起服务cd clawdbot python3 -m http.server 8080此时访问http://localhost:8080即可打开聊天界面。
4 准备端口转发工具socat轻量替代Nginx我们不使用重量级反向代理而选择socat——一个类Unix系统下极简、零配置、单二进制的双向数据流转发工具。
它比Nginx更轻、比iptables更直观、比自写Python脚本更稳定。
安装方式根据系统选择其一Ubuntu/Debiansudo apt update sudo apt install socatmacOSHomebrewbrew install socatCentOS/RHELsudo yum install socat验证安装socat -V # 应输出类似socat by Gerhard Rieger and contributors - see www.dest-unreach.org
核心配置三步打通8080→18789→11434链路整个通信链路是线性的Clawdbot前端 → 8080代理入口 → 18789网关中转 → 11434Ollama真实API其中8080是Clawdbot前端默认请求的目标端口11434是Ollama固定端口而18789是我们人为设立的“网关端口”用于解耦和调试。
下面分三步完成配置。
1 修改Clawdbot的config.json指向本地网关打开clawdbot/config.json找到apiEndpoint字段。
将其值从默认的/api或http://localhost:11434改为{ apiEndpoint: http://localhost:18789/api/chat }为什么不是直接填11434因为浏览器同源策略CORS会拦截跨端口请求。
Clawdbot运行在http://localhost:8080若直接请求11434会触发CORS错误。
而我们将18789设为同源代理端口与8080同属localhost再由socat在服务端完成跨端口转发完美绕过前端限制。
保存文件。
此时Clawdbot所有请求都会发往http://localhost:18789/api/chat。
2 启动socat网关建立18789↔11434隧道在终端中执行以下命令保持运行建议用tmux/screen或nohup守护socat TCP4-LISTEN:18789,reuseaddr,fork TCP4:localhost:11434参数解释TCP4-LISTEN:18789在IPv4上监听18789端口reuseaddr允许端口快速重用避免重启时报“Address already in use”fork为每个新连接创建独立进程支持并发请求TCP4:localhost:11434将所有流入18789的数据原样转发至本地11434成功后终端不会输出任何日志静默模式但你会获得一个持续运行的网关进程。
可以用lsof -i :18789或netstat -tuln | grep 18789确认端口已被socat占用。
3 启动Clawdbot并验证首条消息现在按之前方法启动Clawdbot服务cd clawdbot python3 -m http.server 8080打开浏览器访问http://localhost:8080。
在聊天框中输入你好你是谁点击发送。
如果几秒内收到结构清晰、语义连贯的中文回复例如“我是通义千问Qwen3一个超大规模语言模型…”恭喜链路已全线贯通 快速验证技巧打开浏览器开发者工具F12→ Network标签页 → 发送消息 → 查看名为chat的XHR请求。
它的Request URL应为http://localhost:18789/api/chatStatus为200Response Preview中能看到完整的JSON响应体。
这是端到端成功的铁证。
进阶技巧让配置更健壮、更易维护上述三步已能跑通但生产或长期使用还需加几道“安全阀”和“便利锁”。
1 使用systemd守护socatLinux推荐避免每次重启都要手动敲命令。
创建systemd服务文件sudo tee /etc/systemd/system/clawdbot-gateway.service EOF [Unit] DescriptionClawdbot Qwen3 Gateway (18789 →
Afternetwork.target [Service] Typesimple User$USER WorkingDirectory/home/$USER ExecStart/usr/bin/socat TCP4-LISTEN:18789,reuseaddr,fork TCP4:localhost:11434 Restartalways RestartSec10 StandardOutputjournal StandardErrorjournal [Install] WantedBymulti-user.target EOF启用并启动sudo systemctl daemon-reload sudo systemctl enable clawdbot-gateway sudo systemctl start clawdbot-gateway查看状态sudo systemctl status clawdbot-gateway。
绿色active (running)即表示网关已后台常驻。
2 为Clawdbot添加模型切换开关可选Clawdbot默认只认一个模型。
若你后续还想接入Qwen
2.
Qwen-VL等其他Ollama模型只需微调config.json{ apiEndpoint: http://localhost:18789/api/chat, defaultModel: qwen3:32b, availableModels: [ qwen3:32b, qwen
5:14b, qwen-vl:7b ] }然后在Clawdbot界面右上角会出现下拉菜单可实时切换后端模型无需重启服务。
3 日志与故障排查速查表当出现“请求失败”、“空白响应”、“超时”时按此顺序排查现象检查项命令/操作浏览器报ERR_CONNECTION_REFUSED18789端口是否监听lsof -i :18789或ss -tuln | grep 18789请求返回502 Bad Gatewaysocat是否崩溃systemctl status clawdbot-gatewayLinux或重跑socat命令请求返回404 Not FoundClawdbot请求路径是否正确检查Network面板中Request URL是否含/api/chat确认config.json中apiEndpoint末尾无多余斜杠模型响应极慢或卡死Ollama资源是否充足htop观察CPU/MEMollama ps确认qwen3:32b容器状态尝试ollama run qwen3:32b hello命令行直连测试
5.
总结一条清晰、可控、可扩展的AI集成路径回看整个配置过程我们没有编译任何代码没有安装复杂中间件也没有修改Ollama或Clawdbot的源码。
仅靠三个确定性动作——改一个JSON字段、起一个socat进程、开一个Python HTTP服务——就完成了私有大模型与现代化聊天界面的无缝对接。
这条路径的价值远不止于“能用”清晰每一层职责分明——Clawdbot管交互socat管网关Ollama管推理。
出问题时能准确定位到哪一层。
可控18789端口是你完全掌控的“阀门”。
需要临时关闭killall socat需要换模型改config.json再刷新页面需要监控流量socat支持-lf参数记录日志。
可扩展未来若要接入多个模型只需增加socat实例如18790→11434/qwen
5或改用caddy等支持路由规则的代理平滑升级无压力。
更重要的是这套模式可复用于任何OpenAI兼容API的服务Llama
Phi-
DeepSeek-Coder……只要它跑在Ollama、vLLM或Text Generation Inference上Clawdbotsocat组合就是你最趁手的“AI连接器”。
现在你已经拥有了属于自己的、不依赖云服务、不上传数据、完全自主可控的大模型对话平台。
下一步不妨试试让它帮你写周报、润色邮件、分析本地文档——真正的AI生产力就从这8080和18789之间的那条数据流开始。
6.
常见问题解答FAQ
1 为什么不用Nginx做反向代理Nginx当然可以但它需要编写conf文件、管理服务进程、处理CORS头、配置超时等。
而socat一条命令搞定全部资源占用低于5MB启动时间100ms更适合个人开发与快速验证场景。
若团队规模扩大、需负载均衡或HTTPS则自然过渡到Nginx或Caddy。
2 能否在Windows上运行这套方案完全可以。
Ollama官方支持WindowsClawdbot是纯HTML/CSS/JS任何浏览器均可socat有Windows编译版从https://github.com/davidlazar/socat-win 下载或使用WSL2子系统运行Linux版socat。
唯一注意点Windows防火墙需放行18789端口。
3 如果Ollama运行在另一台机器如NAS如何配置只需将socat命令中的localhost:11434改为目标IP例如socat TCP4-LISTEN:18789,reuseaddr,fork TCP4:
192.
168.
100:11434并确保目标机器的Ollama已设置OLLAMA_ORIGINS*或明确添加你的Clawdbot所在IP以允许跨域请求。
4 Clawdbot能否支持图片上传与多模态当前Clawdbot主版本v
x为纯文本对话前端。
若需图文理解能力需搭配Qwen-VL等多模态模型并使用支持multipart/form-data的前端如Ollama WebUI或自研界面。
Clawdbot本身暂未内置图像解析逻辑。