Max Nardit
Lokale LLMs

Webseiten mit Share2Agent an Ollama senden

Verarbeite jede Webseite mit einem lokalen Ollama-Modell. Fasse Artikel zusammen, übersetze Dokumentation, extrahiere Kernpunkte oder analysiere Inhalte. Share2Agent sendet die Seite an einen kleinen Webhook-Receiver, der Ollamas API aufruft und das Ergebnis speichert.

Voraussetzungen

  • Ollama installiert und läuft (ollama.com)
  • Ein Modell gepullt (z.B. ollama pull llama3.2)
  • Share2Agent Chrome-Erweiterung installiert
  • Python 3.10+

Schritt 1: Webhook-Receiver bauen

Dieses Skript empfängt Seiten von Share2Agent, sendet den Inhalt mit deinem Kommentar als Prompt an Ollama und speichert sowohl die Originalseite als auch die LLM-Antwort.

Speichere das als ollama_receiver.py:

python
#!/usr/bin/env python3
"""Share2Agent → Ollama webhook receiver."""
 
import json
import urllib.request
from datetime import datetime
from http.server import HTTPServer, BaseHTTPRequestHandler
from pathlib import Path
 
PORT = 9876
OUTPUT_DIR = Path.home() / "share2agent-ollama"
OLLAMA_URL = "http://localhost:11434/api/generate"
MODEL = "llama3.2"
DEFAULT_PROMPT = "Summarize this article in 3-5 bullet points."
 
OUTPUT_DIR.mkdir(parents=True, exist_ok=True)
 
 
def call_ollama(prompt: str, content: str) -> str:
    payload = json.dumps({
        "model": MODEL,
        "prompt": f"{prompt}\n\n---\n\n{content}",
        "stream": False,
    }).encode()
    req = urllib.request.Request(
        OLLAMA_URL,
        data=payload,
        headers={"Content-Type": "application/json"},
    )
    with urllib.request.urlopen(req, timeout=120) as resp:
        return json.loads(resp.read())["response"]
 
 
class Handler(BaseHTTPRequestHandler):
    def do_POST(self):
        length = int(self.headers.get("Content-Length", 0))
        data = json.loads(self.rfile.read(length))
 
        title = data.get("title", "untitled")
        content = data.get("content", "")
        comment = data.get("comment", "").strip()
        prompt = comment if comment else DEFAULT_PROMPT
 
        print(f"Processing: {title[:60]}...")
        result = call_ollama(prompt, content)
 
        # Save result
        ts = datetime.now().strftime("%Y-%m-%d-%H%M")
        slug = title[:40].lower().replace(" ", "-")
        out = OUTPUT_DIR / f"{ts}-{slug}.md"
        out.write_text(
            f"# {title}\n\n"
            f"**Prompt:** {prompt}\n"
            f"**Source:** {data.get('url', '')}\n\n"
            f"---\n\n{result}\n"
        )
        print(f"Saved: {out.name}")
 
        self.send_response(200)
        self.send_header("Content-Type", "application/json")
        self.send_header("Access-Control-Allow-Origin", "*")
        self.end_headers()
        self.wfile.write(json.dumps({"status": "ok"}).encode())
 
    def do_OPTIONS(self):
        self.send_response(204)
        self.send_header("Access-Control-Allow-Origin", "*")
        self.send_header("Access-Control-Allow-Methods", "POST, OPTIONS")
        self.send_header("Access-Control-Allow-Headers", "Content-Type")
        self.end_headers()
 
 
if __name__ == "__main__":
    print(f"Ollama receiver on :{PORT} (model: {MODEL})")
    HTTPServer(("0.0.0.0", PORT), Handler).serve_forever()

Schritt 2: Receiver starten

bash
python3 -u ollama_receiver.py

Stelle sicher, dass Ollama läuft (ollama serve oder die Ollama-App).

Schritt 3: Share2Agent konfigurieren

  1. Klicke auf das Share2Agent-Icon in Chrome.
  2. Öffne Settings.
  3. Setze die Webhook URL auf http://localhost:9876.
  4. Speichere.

Schritt 4: Eine Seite verarbeiten

  1. Öffne irgendeinen Artikel oder eine Doku-Seite.
  2. Klicke auf das Share2Agent-Icon.
  3. Schreibe deine Instruktion in das comment-Feld:
    • Summarize in 3 bullets
    • Translate to Spanish
    • Extract all code examples
    • List the pros and cons mentioned
  4. Klicke auf Share.

Wenn du den Kommentar leer lässt, nutzt der Receiver den Default-Prompt ("Summarize this article in 3-5 bullet points").

Das Ergebnis landet in ~/share2agent-ollama/:

~/share2agent-ollama/2026-03-28-1430-understanding-rust-lifetimes.md

Anpassen

Modell wechseln: Ändere die Variable MODEL. Mit ollama list siehst du alle verfügbaren Modelle.

Default-Prompt ändern: Passe DEFAULT_PROMPT an, um ein anderes Fallback-Verhalten festzulegen.

Timeout erhöhen: Bei langen Dokumenten oder langsamen Modellen erhöhe den Wert timeout=120 in urlopen.

Streaming-Antworten: Setze "stream": True im Ollama-Payload und lies Chunks inkrementell für Echtzeit-Output.

Was als Nächstes?

  • Web-UI hinzufügen - erweitere den Receiver um eine simple HTML-Seite, die verarbeitete Ergebnisse in Echtzeit anzeigt.
  • Nach Comment-Keyword routen - nutze unterschiedliche Modelle oder Prompts je nach Kommentar (z.B. "translate" nutzt ein mehrsprachiges Modell, "code" ein Coding-Modell).
  • Mit anderen Tools verketten - speichere Ollamas Output in einem Verzeichnis, das ein anderes AI-Tool (Aider, Cursor, Windsurf) beobachtet, und baue so eine zweistufige Pipeline.
Webseiten mit Share2Agent an Ollama senden