detoxify_filter_pipeline.py
Erkennt toxische Nachrichten (lokales Detoxify-Modell) und blockt sie vor dem LLM.
Erkennt toxische Nachrichten (lokales Detoxify-Modell) und blockt sie vor dem LLM.
So nutzt du es
Anleitung lesen, Befehle ins Terminal kopieren. Ollama gibt es für macOS, Windows und Linux — Installation von ollama.com.
Im Detail
Diese Open-WebUI-Pipeline schaltet ein lokales Detoxify-Modell vor den eigentlichen Chat: Eingehende (und optional ausgehende) Nachrichten werden auf Beleidigungen, Hassrede oder toxische Sprache geprüft und bei Überschreiten eines Schwellenwerts blockiert, bevor sie an das Sprachmodell gehen. Das ist sinnvoll für öffentlich zugängliche Bots, Community-Tools oder Kundensupport-Chats, wo man nicht will, dass jede Eingabe ungefiltert durchgereicht wird. Da die Prüfung lokal läuft, bleibt sie schnell und ohne externe API-Kosten. Wer nur eine private Instanz betreibt, braucht das meist nicht.
Praxis-Tipp
Schwellenwert in der Pipeline-Konfiguration schrittweise anpassen — zu streng blockiert harmlose Nachrichten, zu locker lässt Toxisches durch.
Siehe auch
Lizenz & Quelle
- Lizenz: MIT
- Quelle: open-webui/pipelines
Inhalt ansehen (detoxify_filter_pipeline.py)
Lade …
Erfahrungen & Kommentare.
Funktioniert der Anleitung bei Ihnen? Tipps, Stolperfallen, Varianten — teilen Sie es mit der Community.
Lade Kommentare …
Passt dazu.
ollama_pipeline.py
Minimalbeispiel: Anfragen an einen Ollama-Server durchreichen — der beste Startpunkt, um das Pipeline-Prinzip zu verstehen.
ollama_manifold_pipeline.py
„Manifold": macht alle auf dem Ollama-Server installierten Modelle auf einmal verfügbar statt nur eines.
llama_cpp_pipeline.py
GGUF-Modelle direkt über die llama-cpp-python-Bibliothek fahren — ohne Ollama dazwischen.
