Ollama 官宣支持接入 ClaudeCode，现在可以在本地使用自己的模型了
刚好看到 Ollama 官宣支持 Anthropic API 接入，意味着可以用本地模型对接 ClaudeCode 做编程辅助。
- Ollama 增加了 Anthropic API 兼容能力，ClaudeCode 可以通过本地端口访问 Ollama 提供的模型，实现“本地推理 + ClaudeCode 工作流”。
- 安装后的 Ollama 自带 GUI，可视化配置模型与参数，并可自定义模型存储路径，解决了早期默认挤占 C 盘空间的问题。
- 接入步骤简单，主要是设置环境变量与模型选择；但在主流笔记本配置下，本地中大型模型的响应速度与稳定性逊于云端服务，团队场景更适合云厂商提供的编程套餐。
配置方法
目标是让 ClaudeCode 把请求发到本地的 Ollama 服务，由 Ollama 调用选定的本地模型完成代码生成或补全。
安装/更新 Ollama：建议升级到最新版。打开自带 GUI，在 Settings 中设置模型存储路径（避免挤占系统盘），并按需下载模型。
启动 Ollama 服务并确认端口：默认本地服务在 http://localhost:11434。
设置环境变量：让 ClaudeCode 走本地的 Anthropic 兼容端点。
- Linux/macOS：
export ANTHROPIC_AUTH_TOKEN=ollama export ANTHROPIC_BASE_URL=http://localhost:11434 - Windows PowerShell：
$env:ANTRHOPIC_AUTH_TOKEN = "ollama" $env:ANTHROPIC_BASE_URL = "http://localhost:11434"
如果需要在多套配置间切换，可以用第三方工具（如 CCSwitch）管理环境变量与端点。
在 ClaudeCode 指定模型：官方文档列出几款适合本地编程任务的模型，示例：
claude --model gpt-oss:20b
具体模型名称与兼容性以文档为准，建议先从体量较小、启动更快的模型试用，再逐步上探到更大参数量。
官方建议是使用下面三个模型用于本地编程任务。
本地 vs 云端的差异化
功能范围：
本地（Ollama）：可选多种开源/社区模型，满足基础代码补全、注释、简单重构，依赖本机算力。
云端（MiniMax M2.1、GLM-4.7、等）：模型规模与指令对齐更充分，通常在复杂重构、长上下文、跨语言迁移上更稳定。
技术特征：
本地：无外网依赖，更好的隐私与可控性；需要处理模型体积、显存/内存占用、CPU/GPU兼容。
云端：推理性能与可用性更一致，支持更完整的生态（如 MCP 扩展、检索、视觉），版本迭代快。
使用门槛：
本地：安装与环境变量配置较直接，但要考虑端口冲突、代理设置、模型下载路径管理。
云端：开通账号与密钥后即可使用，几乎无本地运维成本。
适合人群：
本地：对隐私敏感的个人/小团队、希望离线或内网环境使用的研发人员。
云端：需要稳定产出与复杂任务支持的专业开发者或团队，强调协作与服务等级保障。
使用中的注意点
- 模型体积与硬件：中大型模型占用显存/内存较高，普通轻薄本跑起来会明显慢；可先选较小模型验证流程。
- 路径与存储：在 Ollama 的 Settings 中自定义模型路径，避免默认盘满；定期清理不常用模型。
- 端口与代理：确保 11434 无冲突；如使用公司代理，需在 ClaudeCode 与系统网络设置中一致配置。
- 兼容性：不同模型对指令格式与代码任务的适配程度不同，遇到补全不稳定时，换模型通常能改善体验。
结语
Ollama 接入 Anthropic API，让“本地模型 + ClaudeCode”的组合变得更顺手：安装简单、图形化配置、路径可控，对个人开发者是一次实用增强。
但选择本地还是云端，核心仍在适配性,硬件条件、任务复杂度与协作方式决定了最合适的方案。
我的建议是先用小模型打通流程，再按需求升级模型或切换到云端，避免一开始就背负不必要的复杂度。