14 Min. Lesezeit 14. Juli 2026

OpenCode mit Ollama einrichten: Schritt-für-Schritt-Anleitung

Verbinde OpenCode mit lokalen oder Cloud-Modellen von Ollama und trenne Oberfläche, Runtime, Kontext und Repository-Rechte sauber.

Odysseus AI Wiki
Odysseus AI Wiki
Unabhängige Technikhinweise zu Odysseus AI, Ollama, OpenCode und lokalen Coding-Workflows.

Kurzantwort: Installiere OpenCode und Ollama, wechsle im Terminal in das Repository und starte ollama launch opencode. Der Launcher richtet Modell, Integration und Coding-Kontext ein. Für eigene Endpoints oder Modellnamen nutzt du opencode.json.

OpenCode mit Ollama kombiniert einen Terminal-Coding-Agenten mit einer lokalen oder cloudbasierten Modell-Runtime. Der offizielle Schnellweg ist ollama launch opencode; zuverlässig wird das Setup aber erst mit genügend Kontext, passendem Modell, richtigem Arbeitsverzeichnis und vorsichtigen Berechtigungen.

Schnellstart mit ollama launch opencode

Prüfe beide Installationen und ollama list. Wechsle in das gewünschte Repository und führe ollama launch opencode aus.

Der Launcher kann Modell, Integration, 64K Kontext und den Start von OpenCode gemeinsam vorbereiten.


Aufgabe jeder Ebene

OpenCode ist Agent und Terminal-Oberfläche; Ollama stellt das Modell bereit. Repository- und Befehlsrechte bleiben eine eigene Sicherheitsgrenze.

Beginne mit einem kleinen Test-Repository, sauberem Git und Backup. Erlaube zuerst Lesen und nur eine begrenzte Änderung.


Was der Launcher konfiguriert

Das interaktive Menü zeigt unterstützte Integrationen und Modelle. Nach der Auswahl verbindet OpenCode den Repository-Kontext mit Ollama.

Lokale Modelle brauchen RAM oder VRAM; Cloud-Modelle sparen lokale Ressourcen, benötigen aber Internet und übertragen Prompts.


Manuelle opencode.json-Konfiguration

Nutze die manuelle Konfiguration, wenn das Modell nicht gefunden wird, ein anderer Endpoint nötig ist oder die Provider-Datei geprüft werden soll.

Ersetze your-model durch den exakten Tag aus ollama list.

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Ollama (local)",
      "options": { "baseURL": "http://localhost:11434/v1" },
      "models": { "your-model": { "name": "your-model" } }
    }
  }
}

64K Kontext für Repository-Arbeit

Zu wenig Kontext verschlechtert Tool-Aufrufe und kann Speicherfehler auslösen. Für Coding-Agenten werden mindestens 64K empfohlen.

Der Launcher setzt dies automatisch; manuell erzeugst du eine Modelfile-Variante. Bei knapper Hardware verkleinere Modell und Aufgabenbereich.

FROM your-model
PARAMETER num_ctx 65536

Modell passend zur Hardware wählen

Wähle das Modell, das mit Editor, Index, Tests und Kontext-Cache reaktionsfähig bleibt. Starte klein und erhöhe nur bei messbarem Qualitätsgewinn.

Cloud-Modelle helfen bei großen Aufgaben, ändern aber Datenschutz und Netzwerkabhängigkeit.

Situation Erste Wahl Grund
Wenig RAM Kleines lokales Coding-Modell Lässt Platz für Kontext, Editor und Tests
Starke GPU Größeres lokales Modell Mehr Qualität bei brauchbarer Latenz
Großes Repository Ollama-Cloud-Modell Umgeht lokale Speichergrenzen; Internet nötig
Sensible Daten Lokales Modell mit engen Rechten Reduziert Übertragung und Befehlsrisiko

Fehler systematisch beheben

Fehlen Modelle, prüfe Dienst, ollama list, http://localhost:11434/v1 und den exakten Tag.

Bei Abbrüchen verkleinere Dateien oder Modell. Bei Befehlsfehlern prüfe Rechte und Arbeitsverzeichnis.


Sicherer erster Coding-Auftrag

Lass zuerst Repository und Plan erklären. Erlaube dann einen begrenzten Patch, einen Test und kontrolliere git diff.

Veröffentliche den Ollama-Endpoint nicht ungeschützt und übergib keine Secrets im Prompt.

OpenCode Ollama FAQ

Führe im Repository ollama launch opencode aus und wähle ein Modell.

Prüfe Ollama, den Tag aus ollama list und den lokalen v1-Endpoint.

Mit einem bereits geladenen lokalen Modell ja; Cloud und Remote-Aktionen brauchen Internet.

Mindestens 64K wird für Coding-Tools empfohlen; bei wenig Speicher Modell und Umfang reduzieren.

Open-Source-Software und lokale Modelle sind möglich, Hardware, Strom und Cloud können Kosten verursachen.

Offizielle Quellen

  1. Ollama OpenCode integration - Schnellstart, manuelle Konfiguration und Kontext.
  2. Ollama launch announcement - Offizielle Launcher-Ankündigung.
  3. OpenCode Ollama provider docs - Offizielle Ollama-Provider-Konfiguration.
  4. Ollama context length docs - Offizielle Kontext-Anleitung.

Weitere lokale AI-Guides

Aktualisiert am 14. Juli 2026

Zurück zum Odysseus AI Wiki