你手上有个 .NET 项目，想接本地 Ollama 跑对话，结果要么连不上、要么等半天不肯吐字。问题通常不在模型，而在客户端写法：端点拼错、没开流式、超时太短、并发一股脑涌上去。这篇按顺序把每个环节该确认什么讲清楚，顺手给出先测速再定参数的思路，数字一律去站内对应页面核对当时的实际值。
你手上有个 .NET 项目，想接本地 Ollama 跑对话，结果要么连不上、要么等半天不肯吐字。问题通常不在模型，而在客户端写法：端点拼错、没开流式、超时太短、并发一股脑涌上去。这篇按顺序把每个环节该确认什么讲清楚，顺手给出先测速再定参数的思路。
需要提醒的是，很多数字（延迟、生成速度、并发上限）跟你的机器强相关，别人给的参考值意义有限。所以本文只讲判断标准和动作，具体数值一律到站内页面核对当时的实际值。
先确认能不能连上，再谈写代码
写代码之前先证明服务是活的。用浏览器或 curl 直接打一次本地接口，看到有响应再打开 IDE。这一步能省掉大量「是不是我代码写错了」的自我怀疑。
- 确认服务在跑本地跑一次拉取/对话命令，或直接打一次接口，能返回内容说明服务正常。不返回就先解决服务问题。
- 确认监听范围Ollama 默认只对本机开放。跨机器访问、容器访问、WSL 访问宿主，都要先改监听地址并重启服务，改完再从目标机器 ping 一次。
- 核对端点与端口本地 API 的端口、路径、OpenAI 兼容入口具体是什么，去 /ollama-local-api-address 这类站内页面核对，别凭记忆拼。
- 写个最小非流式请求C# 里先发一个最简单的非流式请求，能拿到完整 JSON 再往下做流式，一次只引入一个变量。
HttpClient 怎么配：超时、长连接、流式读取
对话请求耗时远高于普通接口，默认超时容易半路断。给对话单独设长超时，或者干脆设成无限、靠取消令牌来控制生命周期。同时复用单个 HttpClient 实例，不要每次请求 new 一个。
| 配置项 | 容易踩的坑 | 建议做法 |
|---|---|---|
| 超时 | 用默认值，长回复被截断 | 对话单独设长超时，或设无限 + 取消令牌 |
| 实例 | 每次请求 new HttpClient | 全局复用单例，避免端口耗尽 |
| 流式读取 | 等全部返回再处理 | 用 ResponseHeadersRead，逐行读 NDJSON |
| 返回形态 | 把 SSE 当 NDJSON 解析 | 按端点实际形态处理，见 /ollama-api-endpoints-2 |
流式输出要开 HttpCompletionOption.ResponseHeadersRead，逐行读 NDJSON，读到一行就解析一行往上抛。SSE 和 NDJSON 两种返回形态的处理方式不一样，接错会导致永远读不到内容，具体端点形态去 /ollama-api-endpoints-2 核对。
流式解析与 UI 刷新：别把界面卡死
读流要放在异步循环里，每解析出一条增量就触发一次回调。控制台直接写，桌面端用调度器切回 UI 线程。闭包捕获和跨线程更新控件是常见坑，先把数据拼在内存，再统一刷新，避免高频重绘。
- 每解析一条增量就回调一次，不要攒到最后一起处理
- 跨线程更新控件要用调度器切回 UI 线程
- 最后一条消息可能带结束标记和统计字段，不处理会漏掉收尾信号
- 把「首字延迟」和「每秒生成速度」分开记录，前者多半是模型加载，后者才跟硬件相关
想要一个可比较的性能基线，可以到 /tools/speed-test 走一遍，那里能测出你这台机器上的实际表现，再拿这个数字去决定并发和超时怎么设。
超时、取消与并发：上线前要过的一关
给用户可中断的取消按钮，把 CancellationToken 一路传到流读取，别留僵尸请求占着模型。本地单卡并发能力有限，同一时间只放一两个请求，具体上限由显存和模型大小共同决定。
- 取消令牌
- 从入口一路传到流读取，确保用户中断后请求真正停止
- 并发上限
- 由显存和模型大小决定，可用 /models/deploy 做测算
- 重试降级
- 流中断了是重发整段还是续接，取决于会话设计，先定规则再写代码
- 日志
- 记录请求耗时、返回 token 数和错误码，方便区分客户端与服务端问题
请求失败要有重试与降级策略。流中断了是重发整段还是续接，取决于你的会话设计，先定规则再写代码。日志里记录关键字段，出问题才分得清是客户端写法还是服务端负载。
上线前对照清单
下面这份清单按顺序过一遍，每一条都要能给出明确答案，含糊的地方就是后续出故障的地方。
- 端点、端口、模型名三项与站内文档一致，且模型确实已经拉取到本地
- 非流式打通后再切流式，两条路径都能走通
- 超时、取消、重试三项都有明确策略，不是默认值
- 在目标机器上实测一次首字延迟与生成速度，把结果记录成基线
- 并发上限有依据，不是拍脑袋定的数字
需要强调一个适用范围：如果目标是多用户线上服务，本地单机部署的并发模型跟云端完全不同，上面这套清单更偏向单机或小团队内部工具。对外服务要先做容量评估，别直接把本地测试的并发数搬上线。
下一步把基线数字记下来，后续换模型或换硬件时才有对比依据。站内工具页能帮你测出这台机器上的实际表现。→常见问题
C# 调 Ollama 需要额外的 SDK 吗，还是直接发 HTTP 就行？
直接发 HTTP 就够，Ollama 提供的是本地 HTTP 接口，用 HttpClient 按它的端点发请求、按返回格式解析即可。官方和社区也有封装库，好处是省掉流式解析的样板代码，坏处是多一层依赖、升级节奏不由你控。小项目建议先手写一遍，搞清数据流再决定要不要换库。
为什么流式模式下一直收不到内容，非流式却正常？
多半是读取方式不对：流式要先把响应头读出来再逐块读正文，如果按普通方式等整个响应结束，就会一直卡住。另外返回可能是 NDJSON 而不是标准 SSE，按 SSE 的关键字去解析自然拿不到东西。先确认端点返回形态，再用逐行读取的方式处理，一般就通了。
本地接口要不要配鉴权？直接暴露有风险吗？
Ollama 默认不带鉴权，谁连上端口谁就能调用。只在本机跑问题不大，一旦跨机器、进容器或映射到公网就必须自己加一层反向代理做鉴权与限流。需要密钥相关做法可参考站内关于本地密钥与反向代理的整理，别把裸端口直接暴露出去。
