CycleUser

在注重代码隐私与离线开发的场景中，OpenCode（终端AI编程助手）与Ollama（本地大模型引擎）的组合提供安全、高效、完全自主的智能编程解决方案。在线模型要考虑成本和隐私两方面问题，而且有时候其实完全用在线模型完成所有任务，会导致大家的古法编程技能衰退，说实话，我现在古法编程就很少了，很明显有时候会想不起来一些当初写过的东西是怎么写的来着。之前写了一篇关于OpenCode + Ollama的本地AI编程环境搭建指南，但是那会用的模型过于简单，没有说得太细致，现在试了一些新模型，正好更新一下。本文依据官方文档整理配置与使用流程。

一、环境准备与安装

第一步肯定还是安装 Ollama，现在 Ollama 官方给每个系统都提供了命令行安装的途径，不过这可能需要比较独特的网络访问，大家自行解决吧。

1. 安装Ollama

Windows（PowerShell）： powershell irm https://ollama.com/install.ps1 | iex
Linux/macOS（终端）： bash curl -fsSL https://ollama.com/install.sh | sh 验证安装：ollama --version

2. 安装OpenCode

OpenCode 现在也提供了一个桌面版本，不过我还是更推荐命令行版本，毕竟命令行版本更轻量，而且可以随时随地进行开发，远程访问就非常方便。

命令行版本的安装方式有很多，咱们还是经典的脚本来安装：

curl -fsSL https://opencode.ai/install | bash

然后再验证安装：opencode --version
OpenCode用的模型最好是支持较大上下文窗口的（建议≥32k tokens）。这时候先不要急着配置，因为OpenCode的模型选择和Ollama的模型选择是分开的，所以需要先配置Ollama。

二、模型选择与硬件适配

Ollama模型运行主要依赖GPU显存（无GPU时使用系统内存，性能显著降低）。根据设备能力选择模型：

模型	特点	推荐硬件	拉取命令
lfm2.5-thinking	轻量级（<1GB），思维链优化，CPU友好	笔记本什么的就可以	`ollama pull lfm2.5-thinking`
qwen3:4b-instruct-2507	也是比较轻量级	≥6GB显存	`ollama pull qwen3:4b-instruct-2507`
qwen3.5:4b	通用对话与编程，比较新的模型	≥6GB显存	`ollama pull qwen3.5:4b`
translategemma:4b	专业多语言翻译	≥6GB显存	`ollama pull translategemma:4b`
gpt-oss:20b	大型项目深度分析	≥16GB显存	`ollama pull gpt-oss:20b`

重要说明： - lfm2.5-thinking 体积不足1GB，低配置设备可流畅运行 - 模型下载需联网，运行阶段完全离线 - 显存不足时自动降级至CPU模式，响应速度下降

三、配置连接

方式一：一键配置（推荐）

# 通过 Ollama 启动 OpenCode 生成配置

ollama launch opencode --config

然后就可以按照提示进行模型选择等配置了。

方式二：手动配置

编辑 ~/.config/opencode/opencode.json，注意这里面写的模型名称需与ollama pull命令完全一致：

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "options": { "baseURL": "http://localhost:11434/v1" },
      "models": {
        "lfm2.5-thinking": { "name": "lfm2.5-thinking" },
        "qwen3:4b-instruct-2507": { "name": "qwen3:4b-instruct-2507" },
        "qwen3.5:4b": { "name": "qwen3.5:4b" }
      }
    }
  }
}

四、核心使用流程

1. 启动与项目初始化

mkdir my-project && cd my-project
opencode

在OpenCode交互界面中输入：

/init

该命令执行以下操作： - 在当前目录创建 .opencode 隐藏文件夹（存储项目代码索引与会话数据） - 生成 AGENTS.md 配置文件（定义项目中AI智能体的角色分工与协作规则） - 完成项目上下文初始化，使后续对话精准理解项目结构与需求然后还可以切换模型：

/models

就弹出了各种可选的模型了

2. 交互操作示例

创建功能：
创建带表单验证的登录页面 → 生成完整HTML/CSS/JS文件
代码解析：
解释 @src/auth.js 的认证逻辑（@引用项目内文件路径）
常用指令：
Tab键：切换 Plan（规划）/ Build（构建）模式
/undo：撤销上一步变更
/share：生成会话分享链接
脚本调用：opencode -p "修复空指针异常"

3. 安全机制

敏感操作（如执行shell命令）默认需人工确认
严格遵循项目 .gitignore 规则，避免索引无关文件
所有文件修改操作可追溯，支持即时撤销

五、能力补充说明

当本地硬件资源受限或需更强能力（如图片理解、超长上下文处理）时，可考虑专业云端服务作为补充方案：
阿里云百炼 Coding Plan 提供专为编程优化的模型服务，与OpenCode等工具兼容。
注意：云端方案涉及代码上传，需根据项目敏感度评估使用。

OpenCode + Ollama：完全本地的AI编程环境搭建指南 2.0 版本