用Python对接本地大模型快速排查物联网设备日志

直接上可抄的实操步骤，全程不用买云服务API额度，本地就能跑，搭完能自动帮你梳理IoT设备的异常日志排查思路。

前置依赖安装操作

• 先安装Ollama客户端，官网直接下载对应操作系统的安装包，安装完成后打开终端执行命令拉取轻量模型：

  ollama pull qwen2:7b-instruct

  ，7B参数版本普通办公本无独显也能跑，不用特意配高性能机器。
• 安装Python侧的依赖包，只需要两个，别乱装一堆冗余库：

  pip install ollama pandas

日志预处理代码片段

• 先把IoT网关导出的CSV格式日志做初步筛选，减少大模型的处理量，代码直接抄就行：

  import pandas as pd
  # 读取本地日志文件，按你导出的实际列名改字段就行
  log_df = pd.read_csv("iot_device_running_log.csv", encoding="utf-8")
  # 只保留状态为异常的条目，筛掉正常运行的无意义日志
  error_logs = log_df[log_df["device_status"] == "error"][["log_time","device_id","alarm_content"]].to_string(index=False)
  

• 绝对不要把全量日志直接丢给大模型，一来响应速度会慢很多，二来容易触发上下文长度限制导致结果错乱，提前按时间、设备ID、异常状态做一轮过滤效率高很多。

大模型调用与结果输出

• 封装简单的调用函数，提示词不用反复调试，直接用下面写好的版本：

  from ollama import Client
  # 连接本地Ollama服务，默认端口不需要修改
  local_client = Client(host="http://localhost:11434")
  
  def get_fix_advice(error_log_text):
      prompt = f"""
      你是物联网设备运维助手，下面是采集到的近期设备异常日志：
      {error_log_text}
      请按设备ID分类给出可能的故障原因、排查优先级、第一步可执行的处理动作，不要输出空泛的套话。
      """
      resp = local_client.chat(model="qwen2:7b-instruct", messages=[{"role":"user","content":prompt}])
      return resp["message"]["content"]
  
  # 测试运行
  if __name__ == "__main__":
      fix_advice = get_fix_advice(error_logs)
      print(fix_advice)
      # 结果自动保存到本地文件
      with open("设备故障排查参考.txt", "w", encoding="utf-8") as f:
          f.write(fix_advice)
  

• 如果要把这个脚本跑在树莓派这类ARM架构的边缘网关设备上，记得把模型换成qwen2:1.8b-instruct，速度大概能满足日常需求，别硬上7B版本，卡到没法用。

小提示：全流程都在本地运行，不需要把设备日志传到公网，厂区、园区这类有数据合规要求的内网场景直接能用，不用走外发审批流程。

说白了这就是个帮你省重复劳动的小工具，要是觉得模型给的建议不够贴合你的实际场景，往提示词里加几条你平时处理故障的固定规则就行，慢慢调几次就顺手了。