AI时代来了？尝试下本地部署大模型进行代码编写。
前置说明
在Windows电脑上部署Ollama并运行模型，在同局域网的Mac上运行OpenCode使用。Windows的配置如下：
安装及配置
Ollama 下载：https://ollama.com/download
Ollama 官方主页：https://ollama.com
Ollama 官方 GitHub 源代码仓库：https://github.com/ollama/ollama/
安装很简单，下载了打开Install就好了。安装完成后需要配置Ollama的监听网络地址，否则只能本地访问。
在环境变量中配置：
变量名(N)：
OLLAMA_HOST
值：0.0.0.0:11434
以下是 Ollama 的环境变量配置说明：
| 参数 | 标识与配置 |
|---|---|
| OLLAMA_MODELS | 表示模型文件的存放目录，默认目录为当前用户目录即 C:\Users%username%.ollama\modelsWindows 系统 建议不要放在C盘，可放在其他盘（如 E:\ollama\models） |
| OLLAMA_HOST | 表示ollama 服务监听的网络地址，默认为127.0.0.1 如果想要允许其他电脑访问 Ollama（如局域网中的其他电脑），建议设置成 0.0.0.0 |
| OLLAMA_PORT | 表示ollama 服务监听的默认端口，默认为11434 如果端口有冲突，可以修改设置成其他端口（如8080等） |
| OLLAMA_ORIGINS | 表示HTTP 客户端的请求来源，使用半角逗号分隔列表 如果本地使用不受限制，可以设置成星号 * |
| OLLAMA_KEEP_ALIVE | 表示大模型加载到内存中后的存活时间，默认为5m即 5 分钟 （如纯数字300 代表 300 秒，0 代表处理请求响应后立即卸载模型，任何负数则表示一直存活） 建议设置成 24h ，即模型在内存中保持 24 小时，提高访问速度 |
| OLLAMA_NUM_PARALLEL | 表示请求处理的并发数量，默认为1 （即单并发串行处理请求） 建议按照实际需求进行调整 |
| OLLAMA_MAX_QUEUE | 表示请求队列长度，默认值为512 建议按照实际需求进行调整，超过队列长度的请求会被抛弃 |
| OLLAMA_DEBUG | 表示输出 Debug 日志，应用研发阶段可以设置成1 （即输出详细日志信息，便于排查问题） |
| OLLAMA_MAX_LOADED_MODELS | 表示最多同时加载到内存中模型的数量，默认为1 （即只能有 1 个模型在内存中） |
值得注意的是，Ollama模型默认存储在C盘，建议配置
OLLAMA_MODELS来更改存储位置。当然，也可以通过桌面客户端的Settings中Model location直接修改。
配置完记得重启 Ollama 服务 或者 重新启动你的 命令提示符 (CMD) 或 PowerShell 窗口，才能让新的环境变量生效。
模型库及下载使用
模型库地址：https://ollama.com/library
找到想要的模型直接启动，我这里选择了qwen2.5-coder ，因为跑模型的电脑配置摆在这里，所以这里测试qwen2.5-coder:3b和7b的模型。
启动命令：
1 | ollama run qwen2.5-coder:3b |
顺便我们也测试下Tokens
OpenCode安装及使用
回到Mac，先下载OpenCode，下载地址：https://opencode.ai/zh/download
我这里下载的桌面版，点击左下角齿轮设置图标，进入设置窗口点击供应商，选择自定义提供商。
供应商ID：随意填写
显示名称：随意填写
基础URL：http://10.67.181.146:11434/v1
模型model-id：qwen2.5-coder:3b
模型显示名称：随意填写
基础URL中的IP和端口根据自身情况填写，模型model-id填写Ollama中使用的，可输入 ollama list 查看。
在OpenCode中选择自己的模型使用即可。
当然，这只是示例，这是代码生成模型，不是函数调用模型。
来玩一下适配的instruct版本试试： qwen2.5:7b-instruct-q4_k_m
入坑完成，准备烧钱。hhh~
