ValueError: invalid literal for int() with base 10: ‘5m’

快速结论：当 RAGFlow 源码运行环境中把 OLLAMA_KEEP_ALIVE 设成 Ollama 官方的时长字符串（如 5m、24h）时，构造 OllamaEmbed 或 OllamaCV 会因 int() 转换失败而崩溃；优先检查该环境变量是否为非整数字符串，或升级到包含修复的版本。

适用环境：RAGFlow 源码运行（main @ 313ca90f6）；macOS arm64；Python 3.13（uv sync --frozen）；Ollama 0.34.3；模型 bge-m3。

最快修复方案：升级到 0.27.x 中包含 #20224（commit d030cc9）的修复版本；若暂时无法升级，可将 OLLAMA_KEEP_ALIVE 设为纯数字秒数（如 300）作为临时规避。

注意事项：该修复由社区 PR 引入并通过真实 Ollama 实例验证，但 Issue 中未列出升级后所有依赖组合的回归测试结论；临时改为数字秒数会失去 Ollama 原生时长字符串语义，仅作为过渡手段。

问题场景

用户在 macOS arm64 上以源码方式运行 RAGFlow，使用 Ollama 0.34.3 提供 embedding/vision 模型（如 bge-m3）。当按照 Ollama 文档把 OLLAMA_KEEP_ALIVE 设为时长字符串（5m 或 24h）以控制模型驻留时间时，构造 OllamaEmbed 或 OllamaCV 直接抛出单元格转换错误，导致 embedding 和 vision 模型无法初始化。即便同时显式传入 ollama_keep_alive="5m" kwarg，只要环境变量仍是时长字符串，依然会失败。

报错原文

ValueError: invalid literal for int() with base 10: '5m'

原因分析

RAGFlow 在 rag/llm/embedding_model.py 的 OllamaEmbed.__init__ 和 rag/llm/cv_model.py 的 OllamaCV.__init__ 中按如下方式读取 keep-alive：

self.keep_alive = kwargs.get("ollama_keep_alive", int(os.environ.get("OLLAMA_KEEP_ALIVE", -1)))

问题有两层：一是 Ollama 官方把 OLLAMA_KEEP_ALIVE 定义为时长字符串（"5m"、"24h"），其 API 也接受同样格式，但这里直接做了 int() 转换；二是 int(os.environ.get(...)) 作为 kwargs.get 的默认值参数会被提前求值，因此即使显式传入 ollama_keep_alive="5m"，只要环境变量是时长字符串，仍会在求默认值时先崩溃。该变量由 #9039 引入，目的是避免 Ollama 模型被永久固定在内存中（keep_alive=-1，参见 #8122 的 CPU 相关报告），而用户自然会填入 Ollama 文档推荐的值，结果触发此错误。

环境排查

确认 OLLAMA_KEEP_ALIVE 当前取值：unset、-1、300 可正常工作；5m、24h 会触发 ValueError。
确认 RAGFlow 运行方式与提交版本（Issue 为源码运行 main @ 313ca90f6）。
确认 Python 版本（Issue 为 Python 3.13）及依赖安装方式（uv sync --frozen）。
确认 Ollama 版本（Issue 为 0.34.3）及目标模型（bge-m3）。
确认是否同时传入了 ollama_keep_alive kwarg：即使显式传入，只要环境变量为非数字字符串仍会失败。

解决步骤

优先升级到包含 #20224（commit d030cc9）的 0.27.x 修复版本；该 PR 新增 rag/llm/ollama_utils.py 辅助模块，由 OllamaEmbed 与 OllamaCV 共用：显式 kwarg 优先，否则环境变量为数字时按 int 解析、非数字时按字符串透传给 Ollama，默认值仍为 -1，并附带单元测试（在 main 上失败、打补丁后通过）。
如果暂时无法升级，可先临时规避：把 OLLAMA_KEEP_ALIVE 设为纯数字秒数（例如 Issue 验证过的 300，表示约 5 分钟），不要设成 5m 或 24h。
注意 main 分支自 #20289 起已移除该代码路径，因此 main 不受此问题影响；若你运行的是较旧的源码或 0.27.x 之前的版本，需按上述方式处理。
如果使用的是自定义部署方式而非官方镜像，确认代码中 rag/llm/embedding_model.py 与 rag/llm/cv_model.py 是否已包含 ollama_utils 的修复逻辑，避免只升级部分文件。

验证方法

修复后，在设置 OLLAMA_KEEP_ALIVE=5m 或 24h 的情况下，构造 OllamaEmbed 并执行 encode_queries('hello') 应能正常返回 embedding，不再抛出 ValueError。Issue 作者在真实 Ollama 上验证：设置 OLLAMA_KEEP_ALIVE=300 时，ollama ps 显示模型约 5 分钟后卸载，而不是一直驻留。你也可以用官方 Ollama 客户端对照确认同样参数可正常调用：Client(host=...).embed(model='bge-m3', input=['x'], keep_alive='5m')，应返回 1024 维向量。