window本地安装OpenCodeDesktop并链接本地和线上大模型

window本地安装OpenCodeDesktop并链接本地和线上大模型

问题：根据我的window的电脑配置，请提供离线qwen，连线deepseek的安装桌面版 (SST.OpenCodeDesktop)完整的安装步骤
注：以下文件Qwen3.6-Plus 根据本地配置和要求生成并根据实际结果做了修改。
概要：qwen回答用ollama本地运行qwen，通过配置来设置模型提供者。

结合你的 i7-8565U + 8GB RAM 硬件条件，以下提供一份零歧义、可直接复制执行的完整部署指南。已针对 8GB 内存进行严格优化，确保本地离线与在线模型可同时配置、稳定切换。

📦 完整部署步骤（Windows）

🔹 步骤 1：释放内存 & 设置推理限制（必做）

8GB 内存需严格控制 AI 上下文长度，否则易触发系统卡顿或 Ollama 崩溃。

# 以当前用户身份永久设置环境变量（重启后生效）
setx OLLAMA_NUM_PARALLEL 1
setx OLLAMA_NUM_CTX 2048
setx OLLAMA_MAX_LOADED_MODELS 1

# 立即生效（当前窗口）
$env:OLLAMA_NUM_PARALLEL = 1
$env:OLLAMA_NUM_CTX = 2048
$env:OLLAMA_MAX_LOADED_MODELS = 1

📌 OLLAMA_NUM_CTX 2048 将对话历史限制在约 2000 词，大幅降低内存占用，对日常对话/编程足够。

🔹 步骤 2：安装 Ollama 引擎 & 拉取离线 Qwen

# 1. 安装 Ollama（自动配置系统服务）
winget install Ollama.Ollama
安装不了，直接下载
https://gh.llkk.cc/https://github.com/ollama/ollama/releases/download/v0.5.11/OllamaSetup.exe
下载完直接双击安装就行
配置国内源：
变量名：OLLAMA_HF_MIRROR
变量名：https://modelscope.cn


# 2. 刷新环境变量（或重启电脑）
refreshenv

# 3. 拉取适配 8GB 内存的 Qwen 模型（Q4_K_M 量化，约 1.1GB）
ollama pull qwen2.5:1.5b

# 4. 验证模型已就绪
ollama list

✅ 输出应包含 qwen2.5:1.5b。此时 Ollama 已在后台运行（监听 http://localhost:11434）。

🔹 步骤 3：安装 OpenCode 桌面版

跳过 msstore 证书报错，直接从官方源安装：

winget install --id SST.OpenCodeDesktop --source winget

📦 若仍提示下载失败：访问 GitHub Releases → 下载 OpenCode-Setup-x64.exe → 双击安装。

安装完成后，桌面或开始菜单会出现 OpenCode 快捷方式。

🔹 步骤 4：配置双模型（离线 Qwen + 在线 DeepSeek）

桌面版通常提供图形设置面板，但最稳定且版本兼容的方法是直接写入配置文件。

  1. 按 Win + R，输入 %USERPROFILE%\.config\opencode，回车。
  2. 若文件夹不存在，手动创建：mkdir config\opencode
  3. 在该目录下新建文本文件，命名为 opencode.jsonc。
  4. 用记事本或 VS Code 打开，粘贴以下内容：
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "qwen2.5:1.5b": {
          "tools": true
        }
      }
    },
    "deepseek": {
      "npm": "@ai-sdk/openai-compatible",
      "options": {
        "baseURL": "https://api.deepseek.com/v1",
        "apiKey": "sk-yourkey"
      },
      "models": {
        "deepseek-chat": {
          "name": "deepseek-chat",
          "limit": {
            "context": 128000,
            "output": 8000
          }
        }
      }
    }
  }
}
 

DeepSeek API 密钥获取
  访问 platform.deepseek.com
  邮箱或GitHub注册账号
  完成实名认证（个人绑定手机号）
  进入控制台 → API Keys → 创建API key
  输入名称，生成后立即复制保存（只显示一次）

  1. 保存文件，关闭编辑器。

💡 若桌面版界面有 Settings → Providers 面板，也可手动填入上述参数，效果完全一致。

🔹 步骤 5：启动验证 & 内存监控

  1. 双击启动 OpenCode
  2. 首次启动后，界面顶部/侧边栏会出现模型切换下拉菜单，选择 local-qwen
  3. 发送测试消息：请用一句话介绍自己
    • ✅ 正常：1~3 秒内返回结果（纯 CPU 推理，速度正常）
    • ❌ 卡死/报错：检查 Ollama 是否运行 tasklist | findstr ollama
  4. 切换至 online-deepseek，发送相同消息，确认云端响应正常。
  5. 打开 任务管理器 → 性能 → 内存，观察占用：
    • 系统空闲：~3.0 GB
    • 运行 OpenCode + Ollama：~5.5~6.5 GB（安全范围内）

实际情况并不理想

  • ollama本地运行的qwen运行很慢
  • deepseek-chat 返回 insufficient balance

image

 

问了下网页版deepseek-chat后返回：

通过OpenCode调用DeepSeek模型的费用主要取决于你的使用方式。OpenCode本身完全免费，但具体是否收费、收多少，取决于你选择的模型接入渠道。

目前主要有以下几种渠道，你可以根据自己的需求来选择：

 
方式💰 费用⚙️ 配置说明
接入官方API (按量付费) 按量付费
• 输入: ¥2/百万 tokens
• 输出: ¥8/百万 tokens		 /connect 选择 "DeepSeek"，粘贴官方API Key
使用Go套餐 (订阅制) 订阅制
• 首月5，之后5，之后10/月
• 有每月$60用量额度		 /connect 选择 "OpenCode Go"，粘贴订阅获取的专属Key
接入免费中转平台 免费 (需自行维护)
• 方式1: OpenCode Zen 内置免费模型
• 方式2: 接入ModelScope、ZenMux等平台		 /connect 手动配置其他平台的API Key和Base URL

 

⚠️ 8GB 内存专属运行守则

场景建议操作
推理变慢/卡顿 关闭浏览器、微信、钉钉等后台程序；或将模型降级为 ollama pull qwen2.5:0.5b
切换模型后无响应 在终端运行 ollama stop 再启动 OpenCode，强制释放旧模型内存
配置文件不生效 启动时指定路径：opencode --config "$env:USERPROFILE\.config\opencode\config.yaml"
DeepSeek 返回 401 检查 api_key 是否完整；访问 DeepSeek 平台 确认余额未耗尽

🔍 常见问题速查

# 查看 Ollama 是否正常运行
curl http://localhost:11434/v1/models

# 查看 OpenCode 日志（排错必备）
# 桌面版：按 Ctrl+Shift+I 打开开发者工具 → Console 查看报错
# 或运行：opencode --verbose

按此流程，10 分钟内即可完成部署。若遇到具体报错（如 YAML 解析失败、Ollama 端口被占、内存溢出蓝屏等），请提供完整错误提示，我将为你输出针对性修复命令。

posted @ 2026-05-10 22:52  明-Ming  阅读(746)  评论(0)    收藏  举报