一、引言

在日常开发工作中，无论是写Python、Java还是前端代码，我都经常需要用到在线的AI代码助手，一直用的是免费版GPT、Gemini，最近发现豆包写代码也还行，就是废话很多。我想自己本地搭建一个代码助手玩玩看。

经过仔细对比，我选择了Qwen2.5-Coder 14B Q6_K 量化版 + Ollama+Anaconda这个组合。这个阿里千问模型是16G显存下的最强写代码模型了，而且中文友好。

二、技术选型与环境搭建

1. 技术选型原因

在选择本地部署方案时，我对比了三种主流方式：

方案一：原生transformers+pytorch部署Qwen2.5-Coder
  • 问题：Windows环境下依赖冲突多，显卡显存调度差。即便是32G内存的配置，在运行大模型时也会容易爆内存。
方案二：Docker+WSL2部署
  • 问题：Windows10开启WSL2繁琐且新手不易上手，同时额外占用磁盘空间。不能完整发挥出硬件性能。
方案三：Anaconda+Ollama部署（最终选择）
  • 优势：
  • Ollama对Windows10 64位原生完美支持，一键部署大模型无需手动配置CUDA/显存参数。
  • Anaconda做Python环境隔离，彻底避免版本冲突。
  • 对消费级硬件友好，刚好适配我的配置。

此外，Qwen2.5-Coder相比CodeLlama/StarCoder的优势在于：

  • 中文支持极佳：对国内开发者的代码习惯更加友好。
  • 14B量化版性能足够：在消费级显卡上也能达到较高的性能。

2. 硬件配置

  • 操作系统：Windows 10 专业版 64位（版本22H2）
  • CPU：Intel i5-14代处理器
  • 显卡：NVIDIA RTX 5060Ti 独立显卡（核心，做模型推理加速）
  • 内存：32GB DDR5
  • 硬盘：NVMe固态（模型文件约13GB，建议预留20GB以上空间）

3. 完整环境搭建步骤+命令

步骤一：安装 Anaconda 并创建虚拟环境
# 下载并安装Anacondahttps://www.anaconda.com/products/distribution#windows# 创建Python 3.10虚拟环境conda create -n ai_code_env python=3.10conda activate ai_code_env
步骤二：安装 Ollama Windows 官方版
# 下载并安装Ollamahttps://ollama.com/download# 配置环境变量（假设Ollama安装在C:\Program Files\Ollama）set PATH=%PATH%;D:\Program Files\Ollama
步骤三：配置 CUDA 驱动

其实不需要这一步，安装NVIDIA app自动解决这一步，没有安装的就需要单独安装 cuda

# 下载并安装NVIDIA RTX 5060Ti的CUDA驱动https://www.nvidia.com/Download/index.aspx?lang=en-us# 验证CUDA是否安装成功nvcc --version
步骤四：拉取 Qwen2.5-Coder 模型
# 使用Ollama拉取qwen2.5-coder:14b-instruct-q6_K模型ollama pull qwen2.5-coder:14b-instruct-q6_K
步骤五：环境校验
# 启动Ollama服务ollama start# 验证Ollama是否正常运行curl http://localhost:8080/api/health# 验证显卡是否被调用nvidia-smi

注意事项：

  • 确保以管理员权限运行CMD，否则可能遇到驱动或环境变量配置问题。

三、核心代码实现

模块一：环境校验模块

import requestsimport subprocessdef check_ollama_service():    try:        response = requests.get("http://localhost:8080/api/health")        if response.status_code == 200:            print("Ollama服务正常运行")        else:            print("Ollama服务未启动，请检查配置")    except requests.exceptions.RequestException as e:        print(f"请求异常: {e}")def check_cuda_usage():    try:        output = subprocess.check_output(["nvidia-smi", "--query-gpu=utilization.gpu,memory.used", "--format=csv,nounits,noheader"])        gpu_util, mem_used = map(int, output.decode().strip().split(','))        print(f"GPU使用率: {gpu_util}%, 显存使用: {mem_used}MB")    except subprocess.CalledProcessError as e:        print(f"CUDA命令执行错误: {e}")# 调用环境校验函数check_ollama_service()check_cuda_usage()

模块二：Ollama核心调用模块

import requestsdef call_qwen2_5_coder(prompt, max_length=2048, temperature=0.7):    url = "http://localhost:8080/api/generate"    payload = {        "model": "qwen2.5-coder:14b-instruct-q6_K",        "prompt": prompt,        "max_length": max_length,        "temperature": temperature    }    try:        response = requests.post(url, json=payload)        response.raise_for_status()        return response.json().get("generated_text")    except requests.exceptions.RequestException as e:        print(f"请求异常: {e}")        returnNone# 使用示例prompt_template = "请生成一个Python函数，计算两个数的和。"generated_code = call_qwen2_5_coder(prompt_template)print(generated_code)

模块三：代码助手功能封装

import refrom pygments import highlight, lexers, formattersdef format_code(code):    lexer = lexers.get_lexer_by_name("python")    formatter = formatters.TerminalFormatter()    return highlight(code, lexer, formatter)def generate_and_format_code(prompt_template):    code = call_qwen2_5_coder(prompt_template)    if code:        formatted_code = format_code(code)        print(formatted_code)    else:        print("代码生成失败，请重试")# 调用示例prompt_template = "请生成一个Python函数，计算两个数的和。"generate_and_format_code(prompt_template)

模块四：Gradio可视化UI模块

import gradio as grdef code_generation_ui(prompt):    generated_code = call_qwen2_5_coder(prompt)    if generated_code:        return format_code(generated_code)    else:        return "代码生成失败，请重试"# 启动Gradio界面iface = gr.Interface(fn=code_generation_ui, inputs="text", outputs="text")iface.launch(server_name="0.0.0.0")

实操思考：

  • Gradio搭建的UI非常轻量，无需前端知识就能实现可视化交互。

模块五：最终完整可用的代码（可以直接复制）

需要安装 pip install requests gradio

# -*- coding: utf-8 -*-import sysimport requestsimport jsonimport gradio as grimport argparsesys.stdout.reconfigure(encoding='utf-8')# 固定配置-这是ollama的相关配置OLLAMA_API_URL = "http://127.0.0.1:11434/api/generate"MODEL_NAME = "qwen2.5-coder:14b-instruct-q6_K"def call_qwen2_5_coder_stream(prompt, max_tokens=4096, temperature=0.7):    """流式生成核心函数"""    full_answer = ""    try:        headers = {"Content-Type": "application/json; charset=utf-8"}        payload = {            "model": MODEL_NAME,            "prompt": prompt,            "max_tokens": max_tokens,            "temperature": temperature,            "stream": True        }        res = requests.post(            OLLAMA_API_URL,             headers=headers,             data=json.dumps(payload),             stream=True,             timeout=300,            allow_redirects=False        )        res.raise_for_status()                for line in res.iter_lines():            if line:                json_data = json.loads(line.decode("utf-8").strip())                if"response"in json_data and json_data["response"]:                    full_answer += json_data["response"]                    # 流式逐段返回内容                    yield full_answer                if json_data.get("done", False):                    break    except Exception as e:        yield f"\n❌ 调用异常：{str(e)}"# 适配Gradio4.x Chatbotdef generate_content(prompt):    """    Gradio4.x Chatbot强制格式：    [{"role": "user", "content": 用户提问}, {"role": "assistant", "content": 模型回答}]    """    # 遍历流式生成器，逐段更新回答内容    for stream_content in call_qwen2_5_coder_stream(prompt):        yield [            {"role": "user", "content": prompt},          # 用户角色-提问内容            {"role": "assistant", "content": stream_content}  # 助手角色-流式回答        ]# ================ CLI 命令行模式核心函数================def cli_run(prompt=None):    """CLI命令行专用运行函数，支持交互式输入+命令行传参，终端流式输出"""    # 交互式输入需求    if not prompt or len(prompt.strip()) == 0:        print("="*70)        print(f"🐍 Qwen2.5-Coder [命令行模式] | 模型：{MODEL_NAME}")        print("="*70)        prompt = input("\n请输入你的代码需求：").strip()        if not prompt:            print("❌ 错误：代码需求不能为空！")            return        print(f"\n🚀 正在流式生成回答...\n{'-'*70}\n")    # 终端流式输出-打字机效果，只打印新增内容    last_content_len = 0    for content in call_qwen2_5_coder_stream(prompt):        print(content[last_content_len:], end="", flush=True)        last_content_len = len(content)    print(f"\n\n{'-'*70}\n✅ 生成完成！")# ================ main函数：参数解析+自动双模式判断 ================if __name__ == "__main__":    #创建命令行参数解析器    parser = argparse.ArgumentParser(description="Qwen2.5-Coder 代码生成器 | Web网页+CLI命令行双模式")    parser.add_argument("-p", "--prompt", type=str, help="CLI模式：直接传入你的代码需求文本")    args = parser.parse_args()    # 自动判断运行模式    if args.prompt:        # 传参了 = 启动 CLI命令行模式        cli_run(args.prompt)    else:        # 不传参 = 启动 原Web网页模式        with gr.Blocks(title="代码生成助手-最终完美版 | 无任何报错") as iface:            gr.Markdown("### 🐍 Qwen2.5-Coder 代码生成器【全能版】")            gr.Markdown("✅ 流式输出 | ✅ MD语法全生效 | ✅ 代码高亮 | ✅ 一键复制 | ✅ 按钮位置优化")                        input_prompt = gr.Textbox(                label="请输入你的代码需求",                lines=5,                placeholder="示例：写一个Python冒泡排序函数，带详细注释，用MD格式说明代码逻辑，代码用```python```包裹",                value="写一个Python快速排序函数，带详细注释，用Markdown格式说明思路，代码块带注释"            )                        gen_btn = gr.Button("🚀 开始生成代码", variant="primary", size="lg")                        output_box = gr.Chatbot(                show_label=False,                height=800,            )                        input_prompt.submit(generate_content, inputs=input_prompt, outputs=output_box)            gen_btn.click(generate_content, inputs=input_prompt, outputs=output_box)        iface.launch(            server_name="0.0.0.0",            server_port=7860,            inbrowser=True,            share=False,            theme=gr.themes.Monochrome()        )

模块六：运行效果

网页模式效果
cli模式效果

模块七：创建对话使用模型

就像使用GPT一样让它可以对话使用

步骤一： 让ollama 开启远程访问

默认ollama是只能本地访问的，需要添加环境变量OLLAMA_HOST=0.0.0.0、OLLAMA_ORIGINS=*，然后重启ollama

步骤二： 使用docker 部署open-webui
version: '3.8'services:  open-webui:    image: ghcr.io/open-webui/open-webui:main    container_name: open-webui    restart: always    ports:      - "3000:8080"    environment:      - 'OLLAMA_BASE_URL=http://192.168.50.178:11434'# 这里改成`ollama`的地址，我的这个docker不在本机上    volumes:      - open-webui:/app/backend/datavolumes:  open-webui:
对话效果

四、问题排查与经验总结

问题一：显存不足报错

错误现象：运行模型时提示显存不足。

完整错误信息：

RuntimeError: CUDA out of memory. Tried to allocate 2048.00 MiB (GPU 0; 16.00 GiB total capacity; 3.57 GiB already allocated; 975.00 MiB free; 3.57 GiB reserved in total by PyTorch)

排查过程：

  • 关闭所有占用显存的软件。
  • 检查显卡驱动版本，发现是过低的版本。

解决办法：

  • 更新显卡驱动到最新版本。

问题二：环境变量配置错误

错误现象：运行Ollama时提示找不到相关命令。

完整错误信息：

'ollama' 不是内部或外部命令，也不是可运行的程序或批处理文件。

排查过程：

  • 检查Ollama是否安装成功。
  • 确认环境变量配置是否正确。

解决办法：

  • 重新配置环境变量，确保路径正确。

问题三：代码生成为空

错误现象：调用Qwen2.5-Coder后返回空字符串。

完整错误信息：

generated_text: ''

排查过程：

  • 检查prompt模板是否正确。
  • 确认Ollama服务正常运行。

解决办法：

  • 调整prompt模板，确保格式正确。

问题四：Gradio界面启动缓慢

错误现象：启动Gradio界面时响应较慢。

完整错误信息：

启动中...

排查过程：

  • 检查服务器配置是否足够。
  • 确认网络环境是否稳定。

解决办法：

  • 优化服务器配置，提高带宽。

核心经验总结

  1. Ollama的显存分配技巧：确保显卡驱动版本最新，合理设置CUDA参数。
  2. Anaconda虚拟环境的最佳配置：使用特定Python 3.10版本。
  3. Qwen2.5-Coder的prompt优化建议：明确需求，避免模板过于复杂。

避坑指南

  • 仔细检查每一步安装命令和环境变量配置，确保路径正确。
  • 关注显存和内存使用情况，合理调整CUDA参数以提高性能。
  • 显卡电源一定要插稳固，我开始没插好，推理的时候显卡功率一上来直接黑屏了，吓我一跳。

效果还凑合，主要可以用来集成固定代码模板，或者给它一直喂项目代码，不必考虑安全风险。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

在这里插入图片描述

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

  • 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
  • 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
  • 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
  • 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

在这里插入图片描述

  • 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
  • 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
  • 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
  • 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：


三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

在这里插入图片描述

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

img

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

img

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

img

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

img

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

img

L5阶段：专题集丨特训篇 【录播课】

img
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！

# 人工智能 # github # RAG
Logo
DeepSeek技术社区

欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。

更多推荐

anywhere-labs/deepseek-harness-desktop 生命周期设计：Generation、回滚与有序退出

作为处理过后台服务、桌面窗口和外部子进程状态一致性的工程师，我认为桌面应用最难复现的故障，往往不是某个函数直接抛错，而是多个生命周期在错误时刻交叉：用户切换了 Profile，旧 renderer 还握着 service；窗口已经关闭，Host 却继续运行；包管理器父进程退出，后代仍占用文件；Electron 请求 relaunch，但 Cordis dispose 失败；新配置启动到一半就被写成

avatar DeepSeek技术社区
cover

anywhere-labs_deepseek-harness-desktop 如何围绕上游演进：Submodule、版本溯源与非 Fork 架构

avatar DeepSeek技术社区
cover

推理速度战：OpenAI×Cerebras 750 token/s 之后，本地与云端谁更快？

avatar DeepSeek技术社区