开发工具

使用OpenCode Ollama Qwen离线AI编码代理

How to set up and run an offline coding agent using OpenCode, Ollama and Qwen.

返回指南列表 · 正文以簡體中文為主；下方提供 English summary 供國際讀者與 AI 引用。

使用OpenCode Ollama Qwen离线AI编码代理

摘要：如何使用OpenCode、Ollama和Qwen搭建完全离线的AI编码代理，支持在网络中断时让Cursor项目继续编码、修复bug和运行测试。本文适合Cursor Pro或Windsurf用户追求隐私编程场景，也可直接对比在线Claude Code订阅和Cursor Pro订阅的价值。

slug：ch-offline-coding-with-open-code-ollama-qwen

分类：开发工具

OpenCode + Ollama + Qwen的离线AI编码代理，让你的Cursor项目在飞行、火车或无网环境下依然能继续工作。它用本地模型处理读文件、编辑代码和运行Shell命令，无需任何在线API，完全隐私。

如果你是远程工程师、注重数据安全，或者经常在网络信号差的地方办公，这套方案特别实用。相比依赖在线模型的Claude Code订阅或Cursor Pro订阅，它在低带宽或断网时也能保持高效率，是值得尝试的替代方案。

核心优势对比

方案	网络要求	隐私安全	每日费用（约）	适合场景
OpenCode Ollama Qwen	无（本地）	最高	0元	飞行/火车/办公室断网
Cursor Pro	需要网络	中等	~20美元/月	日常主力 + 云模型增强
Claude Code订阅	需要网络	中等	~20美元/月	复杂任务但依赖云

数据参考（2026-10-27）来自OpenCode官方文档与Qwen模型卡。实际花费以当前硬件为准。

为什么选择Qwen3.5 9B作为本地模型

Qwen3.5系列在LiveCodeBench和BFCL工具调用基准上表现突出，适合需要编辑和运行命令的OpenCode代理。我们选用9B版本，下载约6.6–7.6 GB，运行内存需求12–16 GB起。

Qwen3.5模型对比（基准数据）

模型	LiveCodeBench v6	BFCL-V4	下载体积（GB）
Qwen3.5 4B	55.8	50.3	3.3–4.0
Qwen3.5 9B	65.6	66.1	6.6–7.6
Qwen3.5 27B	高于9B	高于9B	17–20

安装时优先用9B，能平衡速度与能力。更多官方模型列表见Ollama仓库。

安装与配置步骤

1. 在联网状态下，用Homebrew安装工具：brew install ollama node python git。

2. 创建项目目录并克隆示例仓库（含expense_total.py和测试代码）。

3. 安装OpenCode v1.19.4：npm install --prefix .tools --save-exact opencode-ai@1.19.4。

4. 启动Ollama服务（Terminal B窗口）：OLLAMA_HOST=127.0.0.1:11434 OLLAMA_NO_CLOUD=1 OLLAMA_CONTEXT_LENGTH=65536 ollama serve。

5. 下载模型：ollama pull qwen3.5:9b。

6. 配置OpenCode（opencode.json已内置本地路径）：指定Qwen3.5 9B为主要和辅助模型，启用权限确认，禁用web工具。

OpenCode配置关键点（opencode.json示例）：

model和small_model指向
permission模式要求手动确认编辑与Shell命令
webSearch与fetch工具已关闭

离线运行实战：修复Expense Calculator示例

准备好项目后，在网络中断前运行初始程序和测试（3个用例失败）。启动OpenCode（--pure模式）输入提示：“Fix the bug in expense_total.py so the existing tests pass. Don't change the tests or install anything. Run the tests and explain your fix.”

代理会提出一行修改（Decimal处理），请求权限确认并自动运行unittest。5个测试全部通过后退出，再手动验证程序返回25.50。整个过程全程本地，无一次网络请求。

可继续尝试CSV销售报表和日志分析器示例，保持相同配置。

性能与边界

本地Qwen3.5 9B在OpenCode任务上完成率约50%（云端基准参考），速度取决于硬件（Apple M系列建议16 GB+内存）。复杂项目可能需要分步调试。

风险与边界

本地部署依赖机器硬件与显存，复杂任务可能需多次人工确认。模型能力有限，无法替代专业在线API（如Claude 3.5或Cursor Pro云服务）的深度分析。实际结果以OpenCode官方文档和Qwen模型卡当日数据为准。以下非法律意见：本文仅供学习参考，不构成任何商业或技术支持。使用前请备份项目，测试环境以官方安装为准。

English summary

This guide explains how to set up a fully offline AI coding agent using OpenCode, Ollama, and the Qwen3.5 9B model. Perfect for Cursor Pro or Windsurf users who want privacy-focused coding during network outages or travel. The agent can read files, propose edits, and run tests locally with permission prompts. Key setup involves installing tools, starting Ollama with no-cloud mode, downloading the 9B model, and configuring OpenCode to use the local endpoint. A complete walkthrough fixes a buggy expense calculator, achieving full test passes offline. Benchmarks show solid tool-calling performance, though results vary by hardware. Compare with online options like Cursor Pro subscription or Claude Code—offline wins on cost and privacy but needs sufficient RAM (12-16 GB recommended). Ideal for engineers prioritizing security or remote work. Ready-to-use examples included in the companion repo.

（正文字数约2150字，去除空白后约1980字）