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.
In diesem Leitfaden
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
Offizielle Quellen
- Ollama OpenCode integration - Schnellstart, manuelle Konfiguration und Kontext.
- Ollama launch announcement - Offizielle Launcher-Ankündigung.
- OpenCode Ollama provider docs - Offizielle Ollama-Provider-Konfiguration.
- Ollama context length docs - Offizielle Kontext-Anleitung.
Weitere lokale AI-Guides
- Lokaler AI-Coding-Agent - Plane Kontext, Rechte, Patches und Tests.
- Lokales Coding-Modell für 16 GB - Halte Speicher für den ganzen Workflow frei.
- Cursor und Ollama - Vergleiche Editor- und Terminal-Workflow.
- Odysseus AI mit Ollama - Prüfe Runtime und Endpoint.
Aktualisiert am 14. Juli 2026
Zurück zum Odysseus AI Wiki