---
title: OpenCode 搭配 Ollama 使用：本地模型配置指南
description: 将 OpenCode 连接到 Ollama，在本地运行编程智能体推理。包含配置示例、模型选择、性能说明，以及常见本地模型问题的解决方案。
date: 2026-04-27T00:00:00.000Z
location: 美国加州旧金山 – 2026年4月27日
image: /images/ollama-opencode-setup-hero.jpg
keywords: >-
  ollama opencode, opencode ollama, opencode 本地模型, opencode 本地大模型, opencode 使用
  ollama
faq:
  - question: OpenCode 能使用 Ollama 吗？
    answer: >-
      可以。OpenCode 可以通过 Ollama 提供的、兼容 OpenAI 的本地端点 http://localhost:11434/v1. 来使用
      Ollama。将 Ollama 添加为提供商，使用占位 API 密钥，并把模型名称设置成与 'ollama list' 输出中完全一致的名称即可。
  - question: OpenCode 搭配什么本地模型比较好？
    answer: >-
      如果你有 16GB 到 32GB 内存，建议从 Gemma 4 或 Qwen3.5
      开始。更大的模型效果可能更好，但在工具调用频繁的编码会话中会明显变慢。
  - question: OpenCode 搭配 Ollama 能胜任实际编码工作吗？
    answer: 它比较适合解释代码、小幅修改、生成样板代码和进行私密代码审查。但在长时间的多文件重构上会弱很多，这时最好还是用云端模型兜底。
locale: zh-cn
translationKey: ollama-opencode-setup
---
如果你已经厌倦了将每个编程提示词都发送到云端 API，那 OpenCode + Ollama 就是你想要的组合。它确实可行，但也比演示里看起来更慢、更不稳定。

合理的预期其实很简单：本地 OpenCode 非常适合小型、私密、重复性的工作。除非你乐意全程盯着它，否则别指望它搞定一次复杂的多文件迁移。

## 安装 Ollama

在 macOS 上：

```bash
brew install --cask ollama-app
open -a Ollama
```

在 Linux 上：

```bash
curl -fsSL https://ollama.com/install.sh | sh
```

然后拉取一个模型：

```bash
ollama pull gemma4
```

确认模型可用：

```bash
ollama list
```

请在 OpenCode 配置中使用该输出中显示的准确模型名称。

## 配置 OpenCode

OpenCode 可以与兼容 OpenAI 的提供商通信。Ollama 会在以下地址提供一个兼容端点：

```text
http://localhost:11434/v1
```

在 OpenCode 配置中添加 Ollama 提供商：

```jsonc
{
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "gemma4:latest": {}
      }
    }
  }
}
```

如果 OpenCode 要求鉴权，用占位密钥即可：

```json
{
  "ollama": {
    "type": "api",
    "key": "ollama"
  }
}
```

重启 OpenCode，然后从模型选择器切换到 Ollama 模型。

## 首选模型

#### Gemma 4

不错的入门选择。它擅长解释代码、做简单修改和小规模编码任务。相比更大的编程模型，对硬件要求更低。

#### Qwen3.5

如果你能运行更大的版本，它在代码方面的表现通常更好。27B 级别模型比小模型实用得多，但也需要足够的内存。

#### Llama 3.3

如果硬件条件允许，这是不错的通用模型。在配置较低的小笔记本上会有些吃力。

## 性能预期

最近关于本地模型的讨论终于把大家心照不宣的事挑明了：提示词能跑通，代码质量也可能不错，但一旦工具调用逐渐增多，整体体验还是可能变得很慢。

这是正常的。编程智能体不是一次性的聊天请求。它会读取文件、规划、编辑、检查输出，并不断循环。本地推理让每一轮循环的延迟都更明显。

想让体验不那么难熬：

- 保持上下文精简
- 简单编辑使用较小的模型
- 让模型保持常驻
- 关闭占用内存大的应用
- 长时间重构时用云端模型兜底

## 让 Ollama 保持常驻

```bash
export OLLAMA_KEEP_ALIVE="-1"
```

设置后重启 Ollama。这样可以避免编码会话中反复冷启动。

## 何时使用云端兜底

本地 OpenCode 适合：

- 阅读不熟悉的代码
- 草拟小幅修改
- 生成测试
- 解释报错
- 处理私密文件

云端模型适合：

- 多文件重构
- 复杂调试
- 架构变更
- 任何你不想逐行检查的工作

最佳方案不是只用本地，而是本地优先。

## 相关设置

如果你的目标就是 Gemma 4，请阅读 [Gemma 4 Ollama 配置](/blog/gemma-4-ollama-setup-guide/)。如果你使用的是 OpenClaw 而不是 OpenCode，请参考 [Gemma 4 搭配 OpenClaw](/blog/gemma-4-ollama-openclaw-setup/)。

<a href="https://app.haimaker.ai/sign-up?utm_source=openclaw_blog&utm_medium=cta&utm_campaign=ollama_opencode" class="cta-button">用 HAIMAKER 添加云端兜底</a>