---
title: 在 OpenCode 中使用 Ollama：本機模型設定指南
description: >-
  將 OpenCode 連接至 Ollama，讓 coding agent
  在本機跑推論。內容包含設定範例、模型推薦、效能說明，以及常見本機模型問題的修復方法。
date: 2026-04-27T00:00:00.000Z
location: 'San Francisco, CA – 2026 年 4 月 27 日'
image: /images/ollama-opencode-setup-hero.jpg
keywords: >-
  ollama opencode, opencode ollama, opencode 本機模型, opencode 本機 LLM, 在 opencode
  中使用 ollama
faq:
  - question: OpenCode 可以使用 Ollama 嗎？
    answer: >-
      可以。OpenCode 可以透過 Ollama 在 http://localhost:11434/v1.）使用 提供的 OpenAI
      相容本機端點來使用 Ollama。將 Ollama 新增為提供者、使用一組佔位用的 API 金鑰，再把模型名稱設成和 'ollama list'
      輸出完全一致的名稱即可。
  - question: OpenCode 搭配哪個本機模型比較好？
    answer: >-
      如果你有 16GB 到 32GB 的記憶體，建議從 Gemma 4 或 Qwen3.5 開始。較大的模型表現可能更好，但在工具呼叫密集的
      coding session 中會明顯變慢。
  - question: OpenCode 搭配 Ollama 足以應付實際開發嗎？
    answer: 用於程式碼解說、小幅修改、樣板程式碼產生和私有程式碼審查都沒問題。但如果是跨多個檔案的大型重構，本機模型仍然偏弱，搭配雲端備援會更實用。
locale: zh-tw
translationKey: ollama-opencode-setup
---
OpenCode 搭配 Ollama，是厭倦了把每個 coding prompt 都丟給雲端 API 的人最想要的方案。它確實能用，但也比示範影片看起來更慢、更容易出狀況。

先建立正確的預期：本機 OpenCode 很適合小型、私密、重複性的工作。除非你喜歡從頭到尾守在旁邊顧著，否則別把一團亂的多檔案遷移交給它。

## 安裝 Ollama

macOS：

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

Linux：

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

接著拉取模型：

```bash
ollama pull gemma4
```

確認模型已可用：

```bash
ollama list
```

在 OpenCode 設定中，請使用該輸出中的確切模型名稱。

## 設定 OpenCode

OpenCode 可以與 OpenAI 相容的提供者溝通。Ollama 在下列端點提供相容介面：

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

在你的 OpenCode 設定中新增 Ollama 提供者：

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

如果 OpenCode 要求驗證，使用佔位用的 API 金鑰：

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

重新啟動 OpenCode，然後從模型選擇器切換到 Ollama 模型。

## 建議優先嘗試的模型

#### Gemma 4

很好的首選。它在程式碼解說、簡單修改和小型程式碼任務上表現都不錯。相較於更大的程式碼模型，它在規格普通的機器上也能跑得起來。

#### Qwen3.5

在寫程式方面通常更好，尤其是能跑較大變體的時候。27B 等級的模型比小模型實用得多，但需要足夠的記憶體。

#### Llama 3.3

如果硬體夠力，這是一個不錯的通用模型。在較小台的筆電上就比較不實用。

## 效能預期

近期本機模型的討論串都把大家心照不宣的事講白了：prompt 可能有效、程式碼品質可能不錯，但一旦工具呼叫開始堆疊，整套操作還是會明顯變慢。

這是正常的。Coding agent 不是一次性的 chat 請求。它會讀取檔案、規劃、編輯、檢查輸出，然後來回循環。本機跑推論時，每個循環的延遲會更明顯、更有感。

要讓體驗好過一些：

- 保持 context 精簡
- 簡單編輯使用較小的模型
- 讓模型保持暖機
- 關閉佔用大量記憶體的應用程式
- 長時間重構使用雲端備援

## 讓 Ollama 保持暖機

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

設定完成後重新啟動 Ollama。這樣可以避免 coding session 中反覆出現冷啟動。

## 何時使用雲端備援

適合用本機 OpenCode 的場景：

- 閱讀不熟悉的程式碼
- 草擬小幅修改
- 產生測試
- 解釋錯誤訊息
- 處理私密檔案

適合用雲端模型的場景：

- 跨多檔案重構
- 困難的除錯
- 架構變更
- 任何你不想逐行審查的工作

最佳做法不是只用本機，而是本機優先。

## 相關設定

如果你的目標是專門使用 Gemma 4，請閱讀 [Gemma 4 Ollama 設定](/blog/gemma-4-ollama-setup-guide/)。如果你使用的是 OpenClaw 而非 OpenCode，請參考 [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">使用 HAIMAKER 新增雲端備援</a>