Claude Code免费本地部署：Ollama+Codex打造离线AI编程Agent

OpenAI Codex 现在可以通过本地开源大模型免费驱动，无需 API Key、无需 Token、甚至无需联网。借助 Ollama 和最新版 Codex 客户端，你可以在自己的 GPU 上运行一个真正能自动分析项目、修改代码、修复 Bug 的 AI Agent。本文基于B站UP主的实操演示，完整梳理本地部署流程与实测效果，并补充关键细节与风险提示。

核心突破：断网也能跑的编程 Agent

据B站UP主的演示，最新版 Codex 客户端可以直接对接 Ollama 本地模型，把消费级显卡变成 AI 编程助手。演示中，UP主在飞行模式下让 Codex 开发一个打地鼠游戏，从功能设计到界面生成全部由 AI 自动完成，几分钟内即可运行。另一项测试中，Codex 自动修复了一个无法启动的空战游戏代码——它定位到两处 Bug 并一次性修复，游戏恢复正常。

这背后的关键变化是：Codex 不再强绑定 OpenAI 云端 API，而是作为前端 Agent 调用本地 GPU 上的模型。断网状态下依然可以完成代码生成、文件读写和浏览器自动化操作，意味着 Token 成本和数据隐私顾虑同时被绕开。

部署全流程：五步跑通本地 Codex

第一步：安装最新版 Codex 客户端

从 UP主提供的链接下载最新版 Codex 安装包（约 500MB），Windows 和 Mac 版本按系统选择。Mac 用户需注意区分 Intel 芯片与 M 芯片版本。安装完成后先不急于配置，后续步骤会覆盖模型接入。

第二步：安装 Ollama 客户端

Ollama 是本地模型运行环境，必须使用最新版本（旧版不支持 Codex 对接）。下载约 1.9GB，安装后执行 Install。Ollama 不仅支持 Codex，也能对接 LM Studio 等其他前端，灵活性较高。

Ollama 是一个开源的大语言模型本地运行与模型管理工具，提供命令行接口和后台服务，能自动处理模型下载、量化格式加载、GPU/CPU 推理调度等底层细节。它支持 Windows、macOS 与 Linux，并内置一个本地 API 服务（默认监听 11434 端口），因此不仅能被 Codex 调用，也能作为通用后端被 LM Studio、Open WebUI 等前端接入。其模型库以类似 qwen3.6:27b 的标签形式组织，用户可通过 ollama pull 拉取、ollama list 查看已下载模型。文中提到的“必须用最新版”，是因为 Codex 对接依赖 Ollama 较新的 API 端点与模型元数据字段，旧版本可能缺少相应接口而无法被识别。

第三步：下载适合显存的本地模型

UP主推荐编程场景优先选择 Gemma 4 或千问 3.6 系列。对于消费级显卡（4B–40B 参数区间），千问 3.6 27B 和 35B A3B 是智能程度较高的小型开源模型，Gemma 4 30B 同样在推荐列表中。如果不确定选哪个，Ollama 提供“选择模型”按钮，会根据你的显存自动匹配模型尺寸——演示中系统推荐了 22GB 的千问 3.6 模型。

显存不足时务必降级模型。UP主原本下载了 19GB 的 Gemma 4 模型，但为防止显存占满，换用了更小的千问 3.6 27B。模型越大，Agent 的代理能力越强，但卡顿风险也越高。

参数规模（如 27B、30B）指模型权重数量，直接决定能力上限与显存占用；但实际显存需求还取决于量化精度。以 4-bit 量化为例，每 10 亿参数约占用 0.5–0.8GB 显存，因此 27B 模型常落在 16–22GB 区间，刚好覆盖 24GB 消费级显卡（如 RTX 3090/4090）。名称中的“A3B”指混合专家（MoE）架构，总参数较大但每个 token 只激活部分专家，推理时显存占用和速度接近更小的稠密模型，是本地部署中兼顾能力与效率的常见选择。若显存不足，模型会被迫部分卸载到内存或系统盘，推理速度骤降，这也是文中建议“显存不足时降级模型”的原因。

第四步：一键对接 Codex 与 Ollama

在终端中粘贴 UP主提供的一键对接命令，脚本会自动列出已下载的本地模型。选择千问 3.6 27B 后，确认加载本地配置文件并重启 Codex。重启后右下角会显示 Ollama 标识，表示接入成功。此时可在权限设置中选择“完全访问权限”，让 Agent 自动创建文件、修改项目代码。

第五步：配置浏览器与电脑控制（可选）

若需要 Codex 自动操作浏览器，需在设置中开启“允许 Codex 控制内置浏览器”和“电脑控制权限”，并安装 Chrome 插件。UP主实测让 Codex 自动打开浏览器搜索资源并下载图片，任务完成后图片被保存到桌面。

实测效果与性能调优

UP主用三个任务验证了本地 Codex 的能力：开发打地鼠游戏、创建苹果风格的 AI 产品首页、修复空战游戏 Bug。三个任务均在几分钟内完成，网页游戏可正常计分和倒计时，修复后的空战游戏可以正常发射、转向和射击。

一个常见问题是 Agent 跑代码时卡在“重新连接”死循环。UP主指出，原因是 Ollama 默认上下文长度过长（32K），将其改为 16K 或 8K 后代理速度明显提升。这是本地部署中容易被忽略的性能调优点。

上下文长度（Context Window）指模型在一次会话中能同时“看到”的 token 总量，包含系统提示、对话历史、代码文件内容和工具返回结果。Codex 这类 Agent 每轮都要把项目相关文件与工具输出塞进上下文，32K 的窗口会让本地模型在每次请求时处理大量 token，显著拖慢推理并可能触发超时，表现为客户端反复“重新连接”。把上下文降到 16K 或 8K 能减少单次计算量、加快响应，但代价是 Agent 一次能参考的代码范围变小，处理大文件或复杂项目时可能需要更频繁的分段读取。调整方式通常在 Ollama 的模型参数或 Modelfile 中设置 num_ctx。

进阶玩法：对接 LM Studio 加载更强模型

如果追求更快的推理速度或更大的模型，可以通过 LM Studio 对接 Codex。UP主演示了在 LM Studio 中加载模型后，复制模型名称，替换 Codex 配置文件中的对应字段，再通过命令行启动 LM Studio（必须使用指定参数），即可完成对接。实测让 Codex 写一篇小说，运行正常。

现实边界与注意事项

这套方案的核心价值在于零成本、离线可用、数据不出本机，但有几个现实约束需要正视：一是模型能力受限于本地硬件，27B 级模型与云端旗舰模型在复杂项目上的表现仍有差距；二是 UP主演示的任务偏演示性质，大型项目的重构和调试稳定性尚未验证；三是完全访问权限意味着 Agent 可以自由修改文件，建议在独立目录或版本控制下使用。

另外，Codex 自报“基于 GPT-5 构建”的说法并不可信——断网测试已经证明它实际调用的是本地模型，这类自我描述更多是训练数据残留，不能作为判断依据。

总体来看，Ollama + Codex 的组合把本地 AI Agent 的门槛拉到了消费级显卡可承受的范围，对于想低成本体验自动编程、又在意数据隐私的开发者，值得动手一试。

Model Context Protocol（MCP）是让 AI 客户端以统一方式接入外部工具与数据源的开放协议，Codex 的文件读写、终端执行、浏览器控制等能力通常通过这类工具接口暴露给模型。这意味着 Agent 的“权限”本质上是对这些工具的授权范围：开启完全访问后，模型可自主调用写文件、执行命令等工具，因此风险与权限粒度直接相关。实践中的常见做法是限定工作目录、在 Git 仓库内操作以便回滚，并对删除、网络请求等敏感工具单独收紧。理解这层工具调用机制，有助于判断“断网仍可用”指的是模型推理在本地，而工具执行仍作用于本机文件系统。