本地 AI 编码助手从 0 配起来：先选模型还是接 Ollama、VS Code、Claude Code 和 Codex？
想在本地跑一个真正好用的 AI 编码助手，却发现网上教程要么让你先狂下 70B 模型，要么直接给你一堆插件配置，看完更懵了。
本文从 0 到 1，讲清楚最合理的搭建顺序：到底是先选模型，还是先接 Ollama、VS Code、Claude Code 和 Codex？
先选模型，还是先接工具？
正确答案是：先选模型。
理由很简单——所有后续工具（Ollama、VS Code、Claude Code、Codex）都是“调用方”，模型才是真正干活的“服务方”。如果你硬件只能跑 7B 模型，却一上来就按 70B 的 prompt 模板去配，最后只会得到又慢又糊的体验。
推荐选模型的三个实际维度：
- 硬件匹配度：用 CanIRun.ai 测试你的显存，13B Q4 大概需要 8-10GB，34B Q4 需要 20GB 左右。
- 编码能力优先：目前本地编码表现较好的模型有 DeepSeek-Coder-V2、Qwen2.5-Coder、CodeLlama、Command-R 等。
- 上下文长度：编程场景极其依赖长上下文，优先选择支持 32K 甚至 128K 的模型。
选好模型后再去装 Ollama，会发现后续所有配置都变得顺畅很多。
第二步：用 Ollama 搭建本地服务层
Ollama 是目前最成熟的本地大模型服务框架，一行命令就能跑起来：
ollama serve
ollama run deepseek-coder-v2
推荐开启 OpenAI 兼容接口，这样后面所有工具都能用同一套协议调用：
http://localhost:11434/v1
这个接口的好处是可替换性极强。模型不行就换模型，服务地址永远不用改。
第三步：把本地模型接入主流编码工具
1. VS Code + Continue.dev
Continue 是目前本地编码体验最好的 VS Code 插件。在 ~/.continue/config.yaml 中加入：
models:
- name: deepseek-coder-v2
provider: ollama
model: deepseek-coder-v2
apiBase: http://localhost:11434
配置完成后，你就可以用 Cmd+L 呼出侧边栏，像 Copilot 一样实时补全和对话。
2. Claude Code（Claude Desktop / Claude Code）
在 ~/.claude/settings.json 中配置本地 Ollama 服务：
{
"models": {
"custom": {
"name": "deepseek-coder-v2",
"endpoint": "http://localhost:11434/v1/chat/completions",
"apiKey": "ollama"
}
}
}
同时在项目根目录创建 CLAUDE.md 和 AGENTS.md，写入项目规则和 Agent 工作流程，让 Claude Code 严格按照你的规范编码。
3. Codex CLI
Codex 是命令行下的 AI 编码工具，在 ~/.codex/config.toml 里指向本地服务：
providers.ollama
base_url = "http://localhost:11434/v1"
api_key = "ollama"
model = "deepseek-coder-v2"
配置完成后，你就可以在终端里直接使用 codex 命令让 AI 帮你写脚本、修复 bug、重构代码。
完整配置文件一览（建议收藏）
~/.continue/config.yaml VS Code Continue 核心配置
~/.claude/settings.json Claude Code 本地模型配置
~/.codex/config.toml Codex CLI 配置
项目目录/CLAUDE.md 项目专属提示词
项目目录/AGENTS.md Agent 工作规范
再加一个本机或局域网模型服务地址：
http://localhost:11434
这套配置的真正价值
把这套东西配完，你不是拥有了一个无敌本地程序员，而是拥有了一条可复现、可排错、可替换模型的本地 AI 编码链路。
- 模型不行就换模型
- 上下文不够就调 context length
- 工具不稳就收敛权限
- 配置失效就回到文件逐行排查
这比“下载一个最大模型，然后祈祷它聪明”要靠谱得多。
常见问题解答
Q：电脑配置一般，是不是就别玩本地 AI 了？
A：不一定。7B~14B 的量化模型在 M1/M2 芯片或 16GB 显存的 NVIDIA 卡上都能流畅运行，够日常辅助编程。
Q：Ollama、Continue、Claude Code、Codex 一定要全部装吗？
A：不需要。从 Ollama + Continue（VS Code）开始就够 80% 的使用场景，后续按需扩展。
Q：本地模型和云端 Claude-4、GPT-4o 相比差距大吗？
A：在特定领域（尤其是代码理解和项目上下文记忆），经过良好配置的本地模型已经能打平甚至超过云端，特别是当你把整个项目规则写进 CLAUDE.md 和 AGENTS.md 之后。
Q：想同时使用多个模型怎么办？
A：完全支持。你可以在不同工具里配置不同模型，比如写业务代码用 Qwen2.5-Coder，写算法用 DeepSeek-Coder-V2，随时切换。
最后建议
先花一天时间把硬件、模型、服务、客户端这条链路跑通。等你真正用起来后，你会发现：本地 AI 编码助手真正的护城河从来不是模型大小，而是你是否建立了一套可控、可迭代、可理解的本地工作流。
把这套配置保存下来，以后换电脑、换模型、换工具，都能 30 分钟内恢复战斗力。
这就是从 0 配本地 AI 编码助手的正确打开方式。