OpenCode 这玩意儿最近挺火。GitHub 上 17 万星，月活 750 万，支持 75 种以上模型提供商。但很多人装完之后卡在第一步：模型怎么配？API Key 往哪放？
这篇文章不扯概念，只说步骤。目标是让你在 15 分钟内，用 Ollama 跑起本地模型，让 OpenCode 真正干活。
一、Ollama：先把本地模型跑起来
Ollama 是目前最流行的本地大模型部署工具，能把模型打包成标准的 OpenAI 兼容接口。说白了就是让你在本地跑 Llama、Qwen、DeepSeek 这些开源模型，不用掏钱买 API。
1.1 安装 Ollama
各系统命令不一样：
macOS
brew install ollama
Linux
curl -fsSL https://ollama.com/install.sh | sh
Windows：去官网下载安装包，或者用 WSL2 跑 Linux 那套。
装完之后验证一下：
ollama --version
1.2 拉取模型
Ollama 的模型仓库里东西不少。挑一个适合你硬件的：
7B 参数级别，8GB 显存差不多够用
ollama pull qwen3.5
或者 Llama 系列
ollama pull llama3.2
代码专用
ollama pull codellama:7b
OpenCode 对上下文长度有硬性要求——至少 64k。拉模型的时候留意一下这个参数，太小的话 OpenCode 用不了。
下载完成后确认一下：
ollama list
1.3 启动服务
Ollama 安装后会默认在后台跑着，监听 http://localhost:11434。不放心的话手动启一下：
ollama serve
默认端口是 11434，后面配置 OpenCode 的时候要用到。
二、OpenCode：安装与配置
2.1 安装 OpenCode
前提：Node.js 18 及以上。
三种装法，挑一个：
npm 全局安装（推荐）
npm install -g opencode-ai
一键脚本
curl -fsSL https://opencode.ai/install | bash
Homebrew（macOS/Linux）
brew install sst/tap/opencode
验证：
opencode --version
2.2 配置 Ollama 作为模型提供方
OpenCode 的配置文件有两个位置：
项目级：项目根目录下的 opencode.json
全局级：~/.config/opencode/opencode.json
推荐用全局配置，省得每个项目都配一遍。
方式一：手动配置（推荐，更可控）
编辑 ~/.config/opencode/opencode.json：
{
"$schema": "https://opencode.ai/config.json",
"provider": {
"ollama": {
"npm": "@ai-sdk/openai-compatible",
"name": "Ollama",
"options": {
"baseURL": "http://localhost:11434/v1"
},
"models": {
"qwen3.5": {
"name": "qwen3.5"
},
"llama3.2": {
"name": "llama3.2"
},
"codellama": {
"name": "codellama:7b"
}
}
}
}
}
baseURL 指向 Ollama 的 OpenAI 兼容端点。models 下面列出你想用的模型，名字要和 ollama list 里看到的一致。
方式二：用官方插件（自动发现模型）
不想手写模型列表？装个插件自动发现：
npm install -g opencode-local-ollama
然后在配置文件里加上：
{
"plugin": ["opencode-local-ollama"]
}
重启 OpenCode，敲 /models 就能看到所有 Ollama 里已下载的模型，自动注册为 ollama/<模型名>。
插件默认连接 http://localhost:11434，也可以通过环境变量 OLLAMA_HOST 或插件选项修改。
方式三：ollama launch 一键启动（最省事）
Ollama 0.15 以上版本支持一条命令搞定：
ollama launch opencode
会交互式地让你选模型，然后自动拉起 OpenCode。不需要手动配配置文件。
2.3 验证配置
启动 OpenCode：
opencode
进去之后输入 /models，应该能看到你配置的模型出现在列表里。选中一个，就可以开始用了。
如果看不到模型，检查几件事：
Ollama 服务是否在跑：curl http://localhost:11434/api/tags
配置文件路径对不对
baseURL 是不是 http://localhost:11434/v1（注意末尾的 /v1）
三、进阶配置
3.1 远程 Ollama 服务器
如果模型跑在另一台机器上（比如一台带 GPU 的服务器），改一下 baseURL 就行：
"options": {
"baseURL": "http://192.168.1.100:11434/v1"
}
或者用环境变量：
export OLLAMA_HOST=http://192.168.1.100:11434
安全提醒：别把 Ollama 服务直接暴露到公网。用 SSH 隧道或者内网隔离。
3.2 上下文长度调优
OpenCode 要求 64k 以上的上下文。Ollama 的模型元数据里标的上下文窗口可能很大（比如 131072），但实际运行时 num_ctx 可能小得多。
如果用的是 opencode-local-ollama 插件，可以显式指定上下文长度：
{
"plugin": [
[
"opencode-local-ollama",
{
"context": 65536,
"output": 4096
}
]
]
}
3.3 权限控制
本地模型跑起来之后有个坑要注意：OpenCode 的工具能读文件、写文件、执行 Shell 命令。本地模型响应快，你可能迭代着迭代着就忘了自己给过什么权限。
建议在配置里把高风险操作设成需要人工确认，别图省事全自动。
四、常见问题
Q：OpenCode 启动后看不到 Ollama 模型
A：先确认 Ollama 在跑：curl http://localhost:11434/api/tags。能返回模型列表就说明服务正常。然后检查 baseURL 是否包含 /v1。
Q：模型跑起来很慢
A：本地模型吃硬件。7B 模型至少需要 8GB 显存，量化版本（如 Q4）可以降低门槛。另外检查一下上下文长度是不是设得太大了。
Q：Windows 上各种报错
A：官方推荐用 WSL2。Windows 原生终端对路径和权限的处理有些兼容性问题，WSL 里跑省心很多。
Q：ollama launch opencode 和手动配置有什么区别
A：ollama launch 是 Ollama 提供的快捷方式，用内联配置启动 OpenCode，不会覆盖你已有的 opencode.json。适合快速试玩，长期用还是建议手动配。
五、总结
整个流程捋下来就是三步：
装 Ollama，拉模型，确保服务在 11434 端口跑着
装 OpenCode，配 opencode.json，指向 Ollama 的 /v1 端点
启动 OpenCode，/models 选模型，开干
本地模型跑起来之后，OpenCode 就是一个完全离线的 AI 编码 Agent。代码、对话记录全在本地，不上传任何东西到云端。对于处理敏感代码或者网络受限的场景，这套组合拳比用云 API 踏实得多。
