先分清兩個關(guān)鍵概念，避免混淆：

1. OpenAI Codex：閉源云端編程模型，本地?zé)o法直接部署；
2. Ollama官方集成的Codex（開源OSS Codex）：獨(dú)立開源本地編程智能體框架，可完全跑本地代碼模型（CodeLlama/DeepSeek-Coder/Qwen-Coder），就是你Cursor里的子智能體、worktree派生功能底層載體。

一、第一步：安裝Ollama運(yùn)行環(huán)境

1. 下載安裝

官網(wǎng)：https://ollama.com/

• Windows/Mac：雙擊安裝包一鍵安裝；
• Linux：一行腳本安裝

curl -fsSL https://ollama.com/install.sh | sh

2. 驗證安裝

新開終端執(zhí)行，輸出版本號即成功：

ollama --version

默認(rèn)后臺服務(wù)地址：http://127.0.0.1:11434

二、第二步：拉取本地代碼大模型（三檔硬件選擇）

根據(jù)你的內(nèi)存選對應(yīng)模型，代碼專用模型推薦：

低配電腦（8G內(nèi)存，輕薄本）

# 7B輕量化代碼模型，中文友好
ollama pull qwen2.5-coder:7b

中端電腦（16G內(nèi)存，游戲本）

# 平衡性能，多語言代碼強(qiáng)
ollama pull deepseek-coder:13b

高配（32G+內(nèi)存/獨(dú)立顯卡）

# 專業(yè)項目、多文件重構(gòu)、子智能體并行開發(fā)
ollama pull codellama:34b-instruct
# 或通義千問代碼大模型
ollama pull qwen2.5-coder:32b

這種方式只適合自己電腦有獨(dú)立顯卡，并且內(nèi)存比較大的情況。

下面以一臺32g內(nèi)存+8g獨(dú)顯的電腦安裝 qwen2.5:14b-instruct-q4_K_M模型為例。實(shí)際上這個配置也不高，只能勉強(qiáng)安裝

 ollama pull qwen2.5:14b-instruct-q4_K_M

部署成功

測試模型能否正常運(yùn)行

ollama run  qwen2.5:14b-instruct-q4_K_M
# 輸入一段代碼需求，能正常輸出代碼即模型就緒

三、第三步：啟動本地開源Codex（Ollama OSS Codex）

方式1、以本地模型啟動CodeX

在 CMD/PowerShell 里輸入：

ollama launch codex-app

它會自動打開 Codex 界面

自動讀取你本地 Ollama 里的所有模型（包括你的 DeepSeek）

方式2：臨時命令啟動（單次使用）

--oss 代表使用本地開源模式，-m 指定你下載好的本地代碼模型

# 基礎(chǔ)啟動，對接ollama本地7B代碼模型
codex --oss -m qwen2.5-coder:7b

# 中端13B模型啟動
codex --oss -m deepseek-coder:13b

# 34B專業(yè)模型
codex --oss -m codellama:34b-instruct

方式3：持久化配置

打開Codex配置文件

• Windows：C:\Users\你的用戶名\.codex\config.toml
• Mac/Linux：~/.codex/config.toml

粘貼Ollama配置片段：

# 綁定本地Ollama服務(wù)
[model_providers.ollama-local]
name = "Ollama本地模型"
base_url = "http://localhost:127.0.0.1:11434/v1"

# 默認(rèn)使用的本地代碼模型
[profiles.local-coder]
model = "qwen2.5-coder:7b"
model_provider = "ollama-local"

用配置文件一鍵啟動Codex

codex --profile local-coder

方式4：圖形化Cursor編輯器對接本地Ollama Codex

如果你是在Cursor軟件內(nèi)使用Codex子智能體：

1. 打開設(shè)置 Ctrl+,（Windows）/ Cmd+,（Mac）
2. 搜索 AI Model Provider，切換為 Custom
3. 自定義接口地址：http://localhost:11434/v1
4. 模型名填寫你拉取的模型，例如 qwen2.5-coder:7b
5. API Key留空，保存后重啟Cursor
6. 所有子智能體、派生工作樹、代碼修改功能全部走本地模型，不聯(lián)網(wǎng)云端

官方一鍵恢復(fù)

如果不想用ollama了，想還原codex最初的狀態(tài)

方法 ：官方一鍵恢復(fù)（推薦，最簡單）

打開終端（CMD/PowerShell），執(zhí)行：

ollama launch codex-app --restore

作用：自動把 Codex 恢復(fù)成出廠默認(rèn)（OpenAI/ChatGPT）

執(zhí)行完完全關(guān)掉 Codex（不是關(guān)窗口，是退出程序），再重新打開

啟動后會彈出ChatGPT 掃碼登錄，成功就切回去了

四、核心功能驗證（選做）

本地Codex創(chuàng)建隔離工作樹worktree

# 基于main分支新建隔離本地工作樹，交給本地子智能體迭代
git worktree add -b codex/local-test ../local-coder-worktree main
# 切換到新目錄，codex會自動識別本地模型讀寫代碼
cd ../local-coder-worktree
codex --oss

并行多子智能體（Subagent）本地運(yùn)行

多開終端，分別執(zhí)行不同模型配置，每個終端對應(yīng)一個獨(dú)立子智能體，互不占用云端額度：

# 終端1：前端子智能體
codex --oss -m qwen2.5-coder:7b --profile frontend
# 終端2：后端接口子智能體
codex --oss -m deepseek-coder:13b --profile backend

五、常見問題修復(fù)

1. codex命令找不到

原因：未安裝開源Codex客戶端

解決：

# Windows/Mac/Linux一鍵安裝Codex客戶端
ollama install codex

2. Ollama連接超時

檢查ollama后臺是否運(yùn)行，重啟服務(wù)：

# Windows
ollama stop && ollama start
# Mac/Linux
systemctl restart ollama

3. 內(nèi)存不足、模型加載卡頓

1. 切換更小參數(shù)量模型（7B優(yōu)先）；
2. Ollama啟動時開啟GPU加速，N卡自動啟用，AMD需額外配置；
3. 關(guān)閉后臺占用內(nèi)存軟件。

4. GitHub CLI不可用不影響本地Codex

本地模型僅依賴Git本體管理worktree/分支，gh只是推送云端增強(qiáng)工具，純本地開發(fā)可以不裝。

六、關(guān)鍵區(qū)分避坑

1. 閉源OpenAI Codex：只能云端調(diào)用API，無法本地部署；
2. Ollama OSS Codex：開源本地編程智能體框架，搭配CodeLlama/通義千問代碼模型，完全離線運(yùn)行，支持子智能體、Git工作樹、代碼重構(gòu)；
3. 本地Codex完整能力：派生分支、隔離worktree、多Subagent并行、文件讀寫、Git提交，和你截圖里Cursor側(cè)邊欄功能完全一致，區(qū)別是算力全在本機(jī)。

極簡快速上手流程總結(jié)

裝Ollama → 2. 拉取代碼模型 → 3. codex --oss 啟動本地智能體 → 4. 對接Cursor編輯器，自由創(chuàng)建worktree、子智能體離線寫代碼。

到此這篇關(guān)于Ollama如何對接Codex? Ollama本地安裝部署與對接Codex的完整教程的文章就介紹到這了,更多相關(guān)Ollama本地安裝部署內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持腳本之家！

最新評論