断网也能写代码：用 OpenCode、Ollama 和 Qwen 搭建本地助手

离线编程，先把工作环境留在本地

在飞机、长途列车或网络不稳定的偏远地区，依赖云端模型的编程工作流很容易中断。一个替代方案是：让编程代理和模型都运行在自己的笔记本上。

这套方案使用 OpenCode + Ollama + Qwen。但“模型已经下载”并不等于“开发环境可以离线运行”：项目代码、依赖包和测试工具也必须提前准备好。

满足这些条件后，可以尝试让代理完成以下任务：

• 解释不熟悉的函数；
• 排查失败的测试；
• 重构一小段代码；
• 协助补完已有功能。

下载新依赖、查询网页等操作，仍然需要网络。

三个组件分别做什么？

组件	作用
OpenCode	与项目交互，读取文件、提出修改，并执行测试等命令
Ollama	在本机加载和运行模型，提供本地模型服务
Qwen	根据代码上下文生成回答，并支持代理所需的工具调用

整体流程可以理解为：

项目文件 ↔ OpenCode ↔ 本机 Ollama 服务 ↔ Qwen 模型

OpenCode 负责组织编程任务，Ollama 负责模型推理。两者运行在同一台电脑上，模型请求不必发送给云端服务。

示例配置还会在编辑文件或执行命令前请求确认，便于使用者检查操作。若更偏好引导式代码编辑，支持 Ollama 的 Aider 也是一种选择；这里仍以 OpenCode 为主。

模型怎么选：不仅看代码生成，也要看工具调用

示例采用 Qwen3.5 9B。选择编程代理的模型时，除了代码生成能力，还需要关注工具调用能力：代理必须能够选择合适的工具，并提供正确参数。

公开模型评测中，两个规格的结果如下。这些数字不是笔记本实测结果。

模型	LiveCodeBench v6	BFCL-V4
Qwen3.5 4B	55.8	50.3
Qwen3.5 9B	65.6	66.1

LiveCodeBench v6 主要考查编程题上的代码生成能力，BFCL-V4 评估函数调用能力；两项均为分数越高越好。

这些分数不能直接代表本机运行速度，也不能代表完整代理工作流的成功率。 是否适合自己的项目，还需要通过实际文件修改和测试来验证。

下载体积不等于内存需求

不同运行格式下，模型下载体积会有所变化：

模型	约下载体积
Qwen3.5 4B	3.3–4.0 GB
Qwen3.5 9B	6.6–7.6 GB
Qwen3.5 27B	17–20 GB

不要按模型文件大小直接估算内存占用。运行时还需要容纳上下文及其他开销，并为编辑器、测试进程等应用留出空间。示例采用的 64k-token 上下文配置，也可能进一步增加内存需求。

断网前，需要准备哪些内容？

1. 安装工具并下载模型

在网络可用时，完成 OpenCode、Ollama 和所选 Qwen 模型的安装与下载，同时把需要处理的项目放到本机。

2. 备齐项目依赖和测试工具

提前安装依赖及测试所需工具。否则，即便模型能够离线回答，代理仍可能因为缺少软件包而无法验证修改。

3. 检查 OpenCode 的项目配置

OpenCode 使用 opencode.json 管理项目配置。示例中的关键设置包括：

• model 和 small_model 都选择本地 Qwen3.5 9B；
• baseURL 指向本机 Ollama 服务：http://127.0.0.1:11434/v1；
• 只启用本地模型提供方；
• 编辑文件、运行 Shell 命令前请求确认；
• 禁用网页工具。

这里的地址是本机服务端点，不是外部网站。上述内容是配置要点，并非可直接复制的完整配置文件。

4. 分别运行模型服务和编程代理

可以保留两个终端：一个在项目目录中运行 OpenCode 和测试，另一个运行 Ollama 服务。模型服务应仅绑定本机地址。

配置完成后，再实际断开网络，检查工作流是否仍能运行。仅仅选中了“本地模型”，并不足以证明整个任务不再依赖联网操作。

把离线助手的边界想清楚

这套方案的价值，是让已经准备好的项目在断网时仍有机会继续推进，而不是让所有开发任务都摆脱网络。

判断是否可用，最终要看具体项目中的代码修改和测试结果，不能只看模型能否启动或聊天是否流畅。现有内容展示了架构、选型与配置思路，但没有给出完整的离线任务实测结果，因此不宜据此判断速度或成功率。