教你用Ollama本地部署Claude Code：私有化免API

为什么要接入 Ollama 本地模型？

Claude 官方 API 并不便宜，尤其在长上下文、大型项目、多轮 Agent 调用、自动修 Bug 等场景下，token 消耗会非常夸张。于是越来越多开发者开始尝试用本地模型接管 Claude Code。

核心工具就是 CC Switch——一个 API 转发层，让 Claude Code 以为自己在调用官方 API，实际上请求已被转发到本地 Ollama。

本地部署步骤

第一步：安装环境依赖 提前安装好 Git，作为基础环境。

第二步：安装 Claude Code 桌面版 【点击前往】或 【备用下载】

第三步：安装 Ollama 客户端 前往 Ollama 官网下载。模型推荐根据显存大小选择：

• 显存充裕：Qwen 3.6/3.5、Gemma 4
• 推理类：DeepSeek R1
• 国产备选：GLM 系列

第四步：下载 CC Switch 前往 GitHub 或【打包下载】，完成后进行如下配置：

第五步：修改 Claude Code 配置 在桌面版配置文件末尾加入以下注册表命令，让 CC Switch 强行注入模型名称：

"inferenceModels"="[\"haiku\",\"sonnet\",\"opus\"]"

实际体验如何？

适合场景（表现不错）： HTML 页面、小型项目、自动化脚本、Docker 配置、VPS 运维。举个例子，直接说一句"帮我生成一个赛博朋克风格的个人主页"，本地模型会依次创建项目、生成网页、添加动画特效、自动运行——整个过程确实有一种"AI 正在真正工作"的感觉。

明显短板（与官方 Claude Sonnet 仍有差距）：

• 长上下文理解能力弱
• 大型复杂工程容易逻辑混乱
• 多步骤推理容易出错或修改错误文件
• 上下文过长后容易"遗忘"之前的内容

多模态兼容性问题： 虽然 Ollama 已支持不少 Vision 模型，但 Claude Code + CC Switch 这套链路对图片支持并不完整，上传图片后 AI 经常提示"没有看到图片"。根本原因是 Claude Code 本身更偏向代码 Agent，而非多模态聊天客户端，所以编程和自动化体验好，图片/OCR 兼容性一般。

总结

Claude Code + Ollama 这套玩法，让人第一次真正感受到 AI 从"聊天工具"变成"生产力工具"的转变。随着 Qwen、DeepSeek、GLM、Gemma 等本地模型持续升级，一个完全本地化、零 API 成本、无 token 焦虑的 AI 开发助手，正在变得越来越可行。

目前阶段，它最适合中小型项目和自动化任务；复杂大型工程仍建议配合官方 Claude Sonnet 使用。

视频教程：https://www.youtube.com/watch?v=6iONJKrFs1k