使用Flask + Ollama + NVD API构建本地CVE分析器
在本教程中，我们将利用已在GPU上运行的Ollama容器来构建一个Web应用程序。
这不仅仅是一个“向LLM提问的聊天机器人”，而是配置为从外部API获取实际数据，并让本地LLM分析这些数据。我们将构建的示例应用程序是一个本地CVE分析器。
当用户输入CVE ID或关键词时，Flask应用程序会从NVD API查询漏洞信息，然后Ollama上运行的本地LLM会用韩语总结和分析该漏洞。
Ollama的/api/chat端点可以接收model和messages作为输入，生成对话式响应，并且默认使用流式响应。在本教程中，为了方便Flask处理，我们使用stream: false。
1. 完成的应用程序结构
我们将构建的结构如下：
사용자 브라우저
↓
Flask Web UI
↓
Flask Backend
├── NVD CVE API 호출
└── Ollama API 호출
↓
로컬 GPU LLM 응답 생성
↓
사용자 화면에 CVE 원본 정보 + AI 분석 결과 출력关键在于Flask服务器在中间扮演了两个角色。
首先，它使用用户输入的CVE ID或关键词调用NVD API。
其次，它将从NVD获取的漏洞信息传递给Ollama以获取分析结果。
在本教程中，我们不会让LLM直接调用API；相反，Flask会明确调用API，然后将结果传递给LLM。这样可以使初学者更容易理解流程，并减少实践中的错误。
2. 前提条件
本教程假设以下状态：
1. Ollama 컨테이너가 이미 실행 중이다.
2. Ollama 컨테이너가 GPU를 사용하도록 구성되어 있다.
3. Ollama API 포트 11434에 접근할 수 있다.
4. 사용할 모델이 이미 pull 되어 있거나, pull 할 수 있다.例如，以下命令应在主机上正常运行：
curl http://localhost:11434/api/tags响应示例如下：
{
"models": [
{
"name": "llama3.1:latest"
}
]
}我们还会检查一个简单的聊天调用。
curl http://localhost:11434/api/chat
-H "Content-Type: application/json"
-d '{
"model": "llama3.1",
"messages": [
{
"role": "user",
"content": "Ollama가 무엇인지 한 문장으로 설명해줘."
}
],
"stream": false
}'使用stream: false会将响应作为单个JSON对象返回，而不是分成多个片段，这使得在Flask应用程序中处理起来更容易。
3. 创建项目目录
首先，创建项目目录。
mkdir ollama-flask-cve-app
cd ollama-flask-cve-app整体结构如下：
ollama-flask-cve-app/
├── app.py
├── requirements.txt
├── Dockerfile
├── docker-compose.app.yml
├── templates/
│ └── index.html
└── static/
└── style.cssFlask默认在templates目录中查找HTML模板，并使用render_template()函数渲染HTML页面。
4. 定义Python包
创建requirements.txt文件。
Flask==3.1.1
requests==2.32.4Flask负责Web UI和路由，而requests用于调用Ollama API和NVD API。
5. 编写Flask后端
现在，我们来编写app.py。
import os
import re
from typing import Any, Dict, List, Optional
import requests
from flask import Flask, render_template, request
app = Flask(__name__)
# 如果Ollama容器在主机上通过11434端口暴露，则使用localhost
# 如果Flask应用也作为容器运行并连接到与Ollama容器相同的网络
# 例如：http://lab-ollama:11434/api/chat 或 http://ollama:11434/api/chat
OLLAMA_URL = os.getenv("OLLAMA_URL", "http://localhost:11434/api/chat")
OLLAMA_MODEL = os.getenv("OLLAMA_MODEL", "llama3.1")
# NVD CVE API 2.0
NVD_API_URL = "https://services.nvd.nist.gov/rest/json/cves/2.0"
# 可选：NVD API Key
# 如果有API Key，请将其指定为环境变量。
# export NVD_API_KEY="your-api-key"
NVD_API_KEY = os.getenv("NVD_API_KEY", "")
# 关键词搜索时获取的最大CVE数量
NVD_RESULTS_PER_PAGE = int(os.getenv("NVD_RESULTS_PER_PAGE", "5"))
def is_cve_id(keyword: str) -> bool:
"""
입력값이 CVE ID 형식인지 확인합니다.
예: CVE-2024-3094
"""
return bool(re.fullmatch(r"CVE-d{4}-d{4,}", keyword.strip(), re.IGNORECASE))
def call_nvd_api(keyword: str) -> Dict[str, Any]:
"""
NVD API에서 CVE 정보를 가져옵니다.
CVE ID가 입력되면 cveIds 파라미터를 사용하고,
일반 키워드가 입력되면 keywordSearch 파라미터를 사용합니다.
"""
keyword = keyword.strip()
if is_cve_id(keyword):
params = {
"cveIds": keyword.upper()
}
else:
params = {
"keywordSearch": keyword,
"resultsPerPage": NVD_RESULTS_PER_PAGE
}
headers = {}
if NVD_API_KEY:
headers["apiKey"] = NVD_API_KEY
response = requests.get(
NVD_API_URL,
params=params,
headers=headers,
timeout=30
)
response.raise_for_status()
return response.json()
def get_english_description(cve: Dict[str, Any]) -> str:
"""
CVE 설명 중 영어 설명을 우선 추출합니다.
"""
descriptions = cve.get("descriptions", [])
for item in descriptions:
if item.get("lang") == "en":
return item.get("value", "")
if descriptions:
return descriptions[0].get("value", "")
return ""
def get_cvss_info(cve: Dict[str, Any]) -> Dict[str, str]:
"""
CVSS 정보를 추출합니다.
CVSS v4.0, v3.1, v3.0, v2 순서로 확인합니다.
"""
metrics = cve.get("metrics", {})
metric_order = [
"cvssMetricV40",
"cvssMetricV31",
"cvssMetricV30",
"cvssMetricV2",
]
for metric_key in metric_order:
metric_items = metrics.get(metric_key)
if not metric_items:
continue
metric = metric_items[0]
cvss_data = metric.get("cvssData", {})
return {
"version": str(cvss_data.get("version", metric_key)),
"score": str(cvss_data.get("baseScore", "UNKNOWN")),
"severity": str(
metric.get("baseSeverity")
or cvss_data.get("baseSeverity")
or "UNKNOWN"
),
"vector": str(cvss_data.get("vectorString", "UNKNOWN")),
}
return {
"version": "UNKNOWN",
"score": "UNKNOWN",
"severity": "UNKNOWN",
"vector": "UNKNOWN",
}
def get_cwe_list(cve: Dict[str, Any]) -> List[str]:
"""
CWE 목록을 추출합니다.
"""
weaknesses = cve.get("weaknesses", [])
cwe_list = []
for weakness in weaknesses:
for desc in weakness.get("description", []):
value = desc.get("value")
if value:
cwe_list.append(value)
return sorted(set(cwe_list))
def get_reference_urls(cve: Dict[str, Any], limit: int = 5) -> List[str]:
"""
참고 URL을 일부만 추출합니다.
"""
references = cve.get("references", {}).get("referenceData", [])
urls = []
for ref in references[:limit]:
url = ref.get("url")
if url:
urls.append(url)
return urls
def extract_cve_items(nvd_data: Dict[str, Any]) -> List[Dict[str, Any]]:
"""
NVD API 응답에서 화면과 프롬프트에 사용할 정보만 추출합니다.
"""
vulnerabilities = nvd_data.get("vulnerabilities", [])
result = []
for item in vulnerabilities:
cve = item.get("cve", {})
cvss = get_cvss_info(cve)
result.append(
{
"id": cve.get("id", "UNKNOWN"),
"published": cve.get("published", "UNKNOWN"),
"last_modified": cve.get("lastModified", "UNKNOWN"),
"status": cve.get("vulnStatus", "UNKNOWN"),
"description": get_english_description(cve),
"cvss_version": cvss["version"],
"cvss_score": cvss["score"],
"severity": cvss["severity"],
"vector": cvss["vector"],
"cwe": get_cwe_list(cve),
"references": get_reference_urls(cve),
}
)
return result
def format_cve_items_for_prompt(cve_items: List[Dict[str, Any]]) -> str:
"""
Ollama에게 전달할 텍스트를 만듭니다.
원본 JSON 전체를 넘기지 않고 필요한 필드만 전달합니다.
"""
if not cve_items:
return "검색 결과가 없습니다."
lines = []
for item in cve_items:
cwe_text = ", ".join(item["cwe"]) if item["cwe"] else "UNKNOWN"
ref_text = "
".join(item["references"]) if item["references"] else "NONE"
lines.append(
f"""
CVE ID: {item["id"]}
Published: {item["published"]}
Last Modified: {item["last_modified"]}
Status: {item["status"]}
Severity: {item["severity"]}
CVSS Version: {item["cvss_version"]}
CVSS Score: {item["cvss_score"]}
CVSS Vector: {item["vector"]}
CWE: {cwe_text}
Description:
{item["description"]}
References:
{ref_text}
"""
)
return "
---
".join(lines)
def ask_ollama(cve_text: str) -> str:
"""
Ollama API를 호출해 CVE 분석 결과를 생성합니다.
"""
prompt = f"""
너는 보안 분석가다.
아래 CVE 정보를 바탕으로 한국어로 분석해라.
반드시 지켜야 할 규칙:
1. 제공된 CVE 정보에 근거해서만 설명한다.
2. 원문에 없는 공격 절차를 과장해서 만들지 않는다.
3. 초보자도 이해할 수 있게 설명한다.
4. 운영자 관점의 대응 방안을 제시한다.
5. 출력은 다음 형식을 따른다.
출력 형식:
## 요약
## 취약점 설명
## 악용 가능성
## 위험도 판단
## 운영자 대응 방안
## 참고할 점
CVE 정보:
{cve_text}
"""
payload = {
"model": OLLAMA_MODEL,
"messages": [
{
"role": "user",
"content": prompt
}
],
"stream": False,
"options": {
"temperature": 0.2
}
}
response = requests.post(
OLLAMA_URL,
json=payload,
timeout=180
)
response.raise_for_status()
data = response.json()
return data.get("message", {}).get("content", "")
@app.route("/", methods=["GET", "POST"])
def index():
"""
메인 페이지입니다.
GET 요청이면 검색 폼만 보여주고,
POST 요청이면 NVD API 조회 후 Ollama 분석 결과를 보여줍니다.
"""
query = ""
cve_items = []
cve_prompt_text = ""
analysis_result = ""
error = ""
if request.method == "POST":
query = request.form.get("query", "").strip()
if not query:
error = "CVE ID 또는 검색 키워드를 입력하세요."
else:
try:
nvd_data = call_nvd_api(query)
cve_items = extract_cve_items(nvd_data)
cve_prompt_text = format_cve_items_for_prompt(cve_items)
if cve_items:
analysis_result = ask_ollama(cve_prompt_text)
else:
error = "NVD API에서 검색 결과를 찾지 못했습니다."
except requests.exceptions.HTTPError as e:
error = f"HTTP 오류가 발생했습니다: {e}"
except requests.exceptions.Timeout:
error = "요청 시간이 초과되었습니다. 모델이 너무 크거나 API 응답이 느릴 수 있습니다."
except requests.exceptions.RequestException as e:
error = f"API 호출 중 오류가 발생했습니다: {e}"
except Exception as e:
error = f"처리 중 예상하지 못한 오류가 발생했습니다: {e}"
return render_template(
"index.html",
query=query,
model=OLLAMA_MODEL,
ollama_url=OLLAMA_URL,
cve_items=cve_items,
cve_prompt_text=cve_prompt_text,
analysis_result=analysis_result,
error=error,
)
if __name__ == "__main__":
app.run(
host="0.0.0.0",
port=5000,
debug=True
)NVD CVE API 2.0的基本URL是
此外，NVD API Key以apiKey:{key value}的形式在请求头中传递。如果没有API Key，限制为每30秒5次请求；如果有API Key，限制为每30秒50次请求。
6. 编写HTML UI
现在，创建templates/index.html文件。
<!DOCTYPE html>
<html lang="ko">
<head>
<meta charset="UTF-8" />
<meta name="viewport" content="width=device-width, initial-scale=1.0" />
<title>Local CVE Analyst</title>
<link
rel="stylesheet"
href="{{ url_for('static', filename='style.css') }}"
/>
</head>
<body>
<main class="page">
<section class="hero">
<div class="badge">Ollama + Flask + NVD API</div>
<h1>Local CVE Analyst</h1>
<p>
GPU 기반 Ollama 컨테이너와 NVD API를 연동해
CVE 정보를 로컬 LLM으로 분석하는 보안 AI 웹앱입니다.
</p>
</section>
<section class="panel">
<form method="POST" class="search-form">
<label for="query">CVE ID 또는 검색 키워드</label>
<div class="input-row">
<input
id="query"
name="query"
type="text"
value="{{ query }}"
placeholder="예: CVE-2024-3094 또는 openssl"
autocomplete="off"
/>
<button type="submit">
분석하기
</button>
</div>
</form>
<div class="runtime-info">
<span>Model: {{ model }}</span>
<span>Ollama API: {{ ollama_url }}</span>
</div>
</section>
{% if error %}
<section class="alert">
{{ error }}
</section>
{% endif %}
{% if cve_items %}
<section class="grid">
<div class="panel">
<h2>NVD 검색 결과</h2>
{% for item in cve_items %}
<article class="cve-card">
<div class="cve-header">
<h3>{{ item.id }}</h3>
<span class="severity">{{ item.severity }}</span>
</div>
<dl>
<div>
<dt>CVSS</dt>
<dd>{{ item.cvss_score }} / {{ item.cvss_version }}</dd>
</div>
<div>
<dt>Status</dt>
<dd>{{ item.status }}</dd>
</div>
<div>
<dt>Published</dt>
<dd>{{ item.published }}</dd>
</div>
<div>
<dt>Last Modified</dt>
<dd>{{ item.last_modified }}</dd>
</div>
</dl>
<p class="description">
{{ item.description }}
</p>
{% if item.cwe %}
<div class="chips">
{% for cwe in item.cwe %}
<span>{{ cwe }}</span>
{% endfor %}
</div>
{% endif %}
</article>
{% endfor %}
</div>
<div class="panel">
<h2>Ollama 분석 결과</h2>
{% if analysis_result %}
<pre class="analysis">{{ analysis_result }}</pre>
{% else %}
<p class="muted">분석 결과가 없습니다.</p>
{% endif %}
</div>
</section>
<section class="panel">
<h2>LLM에 전달한 요약 데이터</h2>
<pre class="raw">{{ cve_prompt_text }}</pre>
</section>
{% endif %}
</main>
</body>
</html>这里重要的一点是analysis_result没有进行安全处理。将LLM响应或外部API响应作为HTML信任可能会导致XSS问题。因此，我们使用
标签和CSS的white-space处理来自然地显示换行符。7. 编写CSS
创建static/style.css文件。
:root { --bg: #f3f4f6; --panel: #ffffff; --text: #111827; --muted: #6b7280; --border: #e5e7eb; --primary: #111827; --primary-hover: #374151; --danger-bg: #fee2e2; --danger-text: #991b1b; --code-bg: #0f172a; --code-text: #e5e7eb; } * { box-sizing: border-box; } body { margin: 0; font-family: -apple-system, BlinkMacSystemFont, "Segoe UI", "Noto Sans KR", Arial, sans-serif; background: var(--bg); color: var(--text); } .page { width: 1120px; max-width: 94%; margin: 40px auto; } .hero { margin-bottom: 24px; } .badge { display: inline-block; padding: 6px 10px; margin-bottom: 12px; border-radius: 999px; background: #e5e7eb; color: #374151; font-size: 13px; font-weight: 700; } .hero h1 { margin: 0 0 12px; font-size: 42px; letter-spacing: -0.04em; } .hero p { margin: 0; color: var(--muted); font-size: 18px; line-height: 1.6; } .panel { background: var(--panel); border: 1px solid var(--border); border-radius: 18px; padding: 24px; margin-bottom: 20px; box-shadow: 0 10px 30px rgba(15, 23, 42, 0.06); } .search-form label { display: block; margin-bottom: 10px; font-weight: 800; } .input-row { display: flex; gap: 10px; } .input-row input { flex: 1; padding: 14px 16px; border: 1px solid var(--border); border-radius: 12px; font-size: 16px; } .input-row button { padding: 0 22px; border: none; border-radius: 12px; background: var(--primary); color: white; font-size: 16px; font-weight: 800; cursor: pointer; } .input-row button:hover { background: var(--primary-hover); } .runtime-info { display: flex; flex-wrap: wrap; gap: 10px; margin-top: 14px; color: var(--muted); font-size: 13px; } .runtime-info span { padding: 6px 10px; background: #f9fafb; border: 1px solid var(--border); border-radius: 999px; } .alert { padding: 16px; margin-bottom: 20px; border-radius: 14px; background: var(--danger-bg); color: var(--danger-text); font-weight: 700; } .grid { display: grid; grid-template-columns: 1fr 1fr; gap: 20px; align-items: start; } h2 { margin-top: 0; margin-bottom: 16px; font-size: 22px; } .cve-card { padding: 18px; border: 1px solid var(--border); border-radius: 14px; margin-bottom: 14px; background: #f9fafb; } .cve-header { display: flex; justify-content: space-between; gap: 10px; align-items: center; margin-bottom: 12px; } .cve-header h3 { margin: 0; } .severity { padding: 5px 9px; border-radius: 999px; background: #111827; color: #ffffff; font-size: 12px; font-weight: 800; } dl { display: grid; grid-template-columns: 1fr 1fr; gap: 10px; margin: 0 0 14px; } dt { color: var(--muted); font-size: 12px; } dd { margin: 2px 0 0; font-weight: 700; font-size: 14px; } .description { line-height: 1.6; color: #374151; } .chips { display: flex; flex-wrap: wrap; gap: 6px; } .chips span { padding: 5px 8px; border-radius: 999px; background: #e5e7eb; color: #374151; font-size: 12px; font-weight: 700; } pre { margin: 0; white-space: pre-wrap; word-break: break-word; line-height: 1.6; } .analysis { min-height: 300px; color: var(--text); font-family: inherit; } .raw { padding: 16px; border-radius: 12px; background: var(--code-bg); color: var(--code-text); font-size: 13px; } .muted { color: var(--muted); } @media (max-width: 900px) { .grid { grid-template-columns: 1fr; } .input-row { flex-direction: column; } .input-row button { padding: 14px 22px; } .hero h1 { font-size: 34px; } }
8. 本地运行
安装软件包。
pip install -r requirements.txt指定Ollama API URL和模型名称。
export OLLAMA_URL="http://localhost:11434/api/chat" export OLLAMA_MODEL="llama3.1"如果拥有NVD API Key，可以选择性地指定。
export NVD_API_KEY="your-nvd-api-key"运行Flask应用程序。
python app.py在浏览器中访问以下地址：
http://localhost:5000尝试在搜索栏中输入以下内容：
CVE-2024-3094或者您也可以按关键词搜索：
openssl屏幕上会显示三个主要信息：
1. NVD API에서 가져온 CVE 기본 정보 2. Ollama가 생성한 한국어 취약점 분석 3. Ollama에게 실제로 전달한 요약 데이터
9. 使用容器运行
如果您想将Flask应用程序也作为容器运行，请创建Dockerfile。
FROM python:3.12-slim WORKDIR /app COPY requirements.txt . RUN pip install --no-cache-dir -r requirements.txt COPY . . EXPOSE 5000 CMD ["python", "app.py"]构建应用程序镜像。
docker build -t ollama-flask-cve-app:latest .如果Ollama容器在主机上暴露了11434端口，Docker在某些情况下可以使用以下地址：
http://host.docker.internal:11434/api/chat然而，在Linux服务器或实践环境中，host.docker.internal可能无法始终保证。最简洁的方法是将Ollama容器和Flask应用程序容器放在同一个Docker网络中。
例如，假设Ollama容器的名称是lab-ollama。
docker network create ollama-net docker network connect ollama-net lab-ollama现在，将Flask应用程序容器连接到同一个网络。
docker run --rm -it --name local-cve-analyst --network ollama-net -p 5000:5000 -e OLLAMA_URL="http://lab-ollama:11434/api/chat" -e OLLAMA_MODEL="llama3.1" ollama-flask-cve-app:latest现在，在浏览器中访问：
http://localhost:5000
10. Docker Compose示例
如果Ollama容器已经单独运行，您也可以只用Compose管理应用程序。
创建docker-compose.app.yml文件。
services: cve-app: build: . container_name: local-cve-analyst ports: - "5000:5000" environment: OLLAMA_URL: "http://lab-ollama:11434/api/chat" OLLAMA_MODEL: "llama3.1" NVD_RESULTS_PER_PAGE: "5" # NVD_API_KEY: "your-nvd-api-key" networks: - ollama-net networks: ollama-net: external: true运行它。
docker compose -f docker-compose.app.yml up --build如果Ollama容器的名称是ollama，您可以按如下方式更改：
OLLAMA_URL: "http://ollama:11434/api/chat"重要的一点是，当Flask应用程序在容器内部运行时，localhost指的是Flask应用程序容器本身，而不是Ollama容器。因此，要从应用程序容器访问Ollama容器，最容易理解的方法是将其连接到同一个网络，并使用容器名称作为主机名。
11. 在Podman环境中运行
如果您的实践脚本基于Podman，也可以类似地进行配置。
假设Ollama容器以lab-ollama的名称运行。
podman network create ollama-net podman network connect ollama-net lab-ollama构建镜像。
podman build -t ollama-flask-cve-app:latest .运行应用程序容器。
podman run --rm -it --name local-cve-analyst --network ollama-net -p 5000:5000 -e OLLAMA_URL="http://lab-ollama:11434/api/chat" -e OLLAMA_MODEL="llama3.1" ollama-flask-cve-app:latest在浏览器中访问以下地址：
http://localhost:5000
12. 测试场景
第一个测试是单个CVE ID查询。
CVE-2024-3094在这种情况下，Flask应用程序会以cveIds=CVE-2024-3094的形式向NVD API发出请求。
第二个测试是关键词搜索。
openssl在这种情况下，Flask应用程序会以keywordSearch=openssl的形式向NVD API发出请求。
第三个测试是针对不存在的CVE ID。
CVE-2099-0000在这种情况下，应该显示一条消息，指示没有搜索结果。
13. 常见错误
13.1 Ollama API连接失败
错误示例如下：
Connection refused需要检查的内容如下：
curl http://localhost:11434/api/tags如果主机上可以，但在应用程序容器内部不行，则OLLAMA_URL很可能不正确。
如果在本地运行Flask应用程序，请使用以下内容：
export OLLAMA_URL="http://localhost:11434/api/chat"如果在容器中运行Flask应用程序，并且Ollama容器的名称是lab-ollama，请使用以下内容：
export OLLAMA_URL="http://lab-ollama:11434/api/chat"
13.2 模型不存在错误
如果Ollama响应显示模型不存在，您必须首先拉取该模型。
ollama pull llama3.1如果Ollama在容器内部运行，请按如下方式运行：
docker exec -it lab-ollama ollama pull llama3.1或者，在Podman环境中，如下所示：
podman exec -it lab-ollama ollama pull llama3.1
13.3 NVD API 403或限制错误
NVD API即使对于公共访问也有速率限制。如果没有API Key，限制为每30秒5次请求；如果有API Key，限制为每30秒50次请求。
在实践中，多次点击按钮可能会触发限制。在这种情况下，请稍等片刻再试。
为了使其达到生产级别，建议添加以下功能：
1. NVD API 응답 캐싱 2. 동일 검색어 반복 요청 제한 3. API Key 사용 4. 사용자별 요청 제한
13.4 响应时间过长
如果本地LLM模型较大或GPU内存不足，响应时间可能会很长。
在这种情况下，请调整以下内容：
1. 더 작은 모델 사용 2. NVD_RESULTS_PER_PAGE 값을 1~3으로 축소 3. 프롬프트 길이 축소 4. Ollama keep_alive 설정 조정例如，将结果数量减少到3个。
export NVD_RESULTS_PER_PAGE="3"
14. 此应用程序的学习要点
本次实践的核心是“LLM应用程序不仅仅是附加一个聊天窗口”。
此应用程序包含以下所有概念：
1. 웹 UI 2. Flask 백엔드 3. 외부 REST API 연동 4. 로컬 LLM API 호출 5. 프롬프트 구성 6. 컨테이너 네트워크 7. 보안 데이터 분석这种结构在安全教育中特别有用。它不仅仅是简单地显示CVE、CWE、CVSS等安全数据，而是让LLM从操作员的角度将其转换为解释。
15. 下一步：扩展到工具调用结构
在本教程中，Flask首先调用NVD API，然后将结果传递给Ollama。
사용자 입력 ↓ Flask가 NVD API 호출 ↓ Flask가 Ollama 호출 ↓ 최종 답변 출력在高级版本中，您可以使用Ollama的工具调用功能。Ollama支持模型调用工具并将其结果反映到响应中的工具调用功能。
高级结构如下：
사용자 입력 ↓ Ollama가 필요한 도구 판단 ↓ Flask가 해당 도구 함수 실행 ↓ 도구 실행 결과를 Ollama에 다시 전달 ↓ 최종 답변 출력然而，如果一开始就采用这种结构，解释会变得复杂。因此，对于入门教程来说，像现在这样“Flask调用外部API，Ollama只负责分析的结构”更合适。
16. 总结
在本教程中，我们假设基于GPU的Ollama容器已经准备就绪，并使用Flask创建了一个具有实际Web UI的本地LLM应用程序。
完成的应用程序按以下流程运行：
CVE ID 또는 키워드 입력 ↓ NVD API에서 취약점 정보 조회 ↓ 필요한 필드만 추출 ↓ Ollama 로컬 LLM에 분석 요청 ↓ 웹 화면에 원본 정보와 AI 분석 결과 출력这个示例比简单的聊天机器人具有更高的实践价值。因为它展示了连接外部API和本地LLM的基本模式。应用此模式，可以扩展到GitHub仓库分析器、日志分析助手、安全检查报告生成器、内部文档搜索型RAG应用程序等。
发表回复