## 本地 Ollama + 开源编码模型部署方案（中国可用） **一、安装 Ollama** 官网下载：https://ollama.com/download（可能需要镜像） 或用国内镜像： ```bash # 方法1：GitHub Release 直接下载（找国内镜像） # https://github.com/ollama/ollama/releases 下载 Windows 版本 # 方法2：用 scoop 安装（需先装 scoop） scoop install ollama ``` **二、配置国内镜像拉取模型** Ollama 默认从 ollama.com 下载模型，国内可访问，无需翻墙。 ```bash # 直接拉取模型（国内可访问） ollama pull qwen2.5-coder:7b # 推荐，中文+代码 ollama pull deepseek-coder:6.7b # 代码专精 ollama pull codellama:13b # Meta 代码模型 # 模型参数说明： # 7b/6.7b/13b = 参数量，越大越强但越吃显存 # 建议至少 16GB 内存，8GB 显存可跑 7b ``` **三、启动并配合 OpenCode 使用** ```bash # 启动 Ollama 服务（自动运行本地 API） ollama serve # 测试模型是否正常 ollama run qwen2.5-coder:7b # 配置 OpenCode 使用本地模型 ``` **四、OpenCode 配置文件** 在项目根目录创建 `opencode.json`： ```json { "provider": { "ollama": { "npm": "@ai-sdk/openai-compatible", "name": "Ollama (local)", "options": { "baseURL": "http://localhost:11434/v1" }, "models": { "qwen2.5-coder:7b": { "name": "Qwen 2.5 Coder 7B" }, "deepseek-coder:6.7b": { "name": "DeepSeek Coder 6.7B" }, "codellama:13b": { "name": "Code Llama 13B" } } } }, "model": "ollama/qwen2.5-coder:7b" } ``` **五、模型选择建议** | 模型 | 显存需求 | 中文 | 代码能力 | 推荐场景 | |------|---------|------|---------|---------| | qwen2.5-coder:7b | ~5GB | 强 | 强 | 通用编程 | | deepseek-coder:6.7b | ~4GB | 一般 | 强 | 纯代码任务 | | codellama:13b | ~9GB | 弱 | 强 | 复杂代码 | **六、优化建议** ```bash # 安装中文分词优化（可选） ollama pull nomic-embed-text # 用于 RAG # 查看已安装模型 ollama list # 删除不用的模型 ollama rm model_name ``` **总结：** 全程国内网络可访问，无需翻墙，数据完全本地化。