五分鐘學會！|省你五小時

你還在把程式碼貼到 ChatGPT 或 Claude 網頁版嗎？每次上傳都心驚膽跳，擔心公司機密外洩？或者你只是想要一個隨時隨地都能用、不用排隊、不用付月費的 AI 編碼夥伴？

今天這篇教學，就是要帶你「五分鐘搞定」一個完全本地執行的 AI 編碼助手。你不需要高階顯卡，不需要懂 Docker，甚至不用會寫指令。只要一台 Mac 電腦，跟著步驟走，你就能擁有屬於自己的、離線可用的、完全免費的 AI 編碼神器。

為什麼你需要本地 AI 編碼助手？

先說一個真實故事。我朋友阿強在一家新創公司當後端工程師，上個月他把一段客戶資料庫查詢的程式碼貼到 ChatGPT 想 Debug，結果隔天老闆就收到資安公司的警報——那段程式碼被 ChatGPT 拿去訓練了。雖然 OpenAI 說不會，但誰敢賭？

本地 AI 編碼助手的好處很明顯：

1. 100% 隱私：所有程式碼都在你的電腦上跑，不會傳到任何伺服器
2. 離線可用：飛機上、咖啡廳沒網路？照樣能幫你寫程式
3. 完全免費：不用每月付 20 美元給 ChatGPT Plus
4. 速度快：不用排隊，即問即答

當然，它的模型能力比不上 GPT-4 或 Claude 3.5，但對於日常的程式碼補全、簡單 Debug、寫註解、翻譯程式碼，綽綽有餘。

第一步：安裝 Ollama — 你的 AI 引擎

Ollama 是目前最簡單的本地 AI 模型執行工具。它就像一個 App Store，讓你一鍵下載各種開源模型，然後在本地跑起來。

下載與安裝：

1. 打開瀏覽器，前往 ollama.com
2. 點擊大大的「Download」按鈕，選擇 macOS 版本
3. 下載後，把 Ollama 圖示拖到 Applications 資料夾
4. 第一次打開時，系統會問你「是否允許從網路下載的應用程式」，點「打開」

安裝完成後，你會在工作列看到一個小羊駝圖示。點一下它，選擇「Open Terminal」，就會跳出終端機視窗。

下載你的第一個編碼模型： 在終端機輸入以下指令：

ollama pull qwen2.5-coder:7b

這個指令會下載阿里巴巴推出的 Qwen2.5-Coder 7B 模型，大小約 4.5GB。它專門為程式碼生成訓練，支援 Python、JavaScript、Java、C++ 等主流語言。

下載需要幾分鐘，取決於你的網路速度。下載完成後，你可以馬上測試一下：

ollama run qwen2.5-coder:7b "用 Python 寫一個快速排序演算法"

你會看到模型直接在終端機裡回覆你，完全離線、完全免費。

第二步：安裝 Continue — 你的 AI 夥伴介面

光有模型還不夠，我們需要一個方便的使用介面。Continue 是一款開源的 VS Code 擴充功能，它能讓你在編輯器裡直接跟 AI 對話，就像 GitHub Copilot 一樣。

安裝步驟：

1. 打開 VS Code（如果沒有，先去 code.visualstudio.com 下載）
2. 點擊左側的擴充功能圖示（四個方塊的那個）
3. 搜尋「Continue」
4. 找到官方版（橘色圖示，超過 50 萬次下載），點「安裝」

安裝完成後，你會看到 VS Code 右側多了一個新的側邊欄，上面寫著「Continue」。

設定模型連線：

1. 點擊 Continue 側邊欄底部的齒輪圖示（設定）
2. 你會看到 config.json 檔案被打開
3. 把內容改成這樣：

{
  "models": [
    {
      "title": "Qwen Coder 7B",
      "provider": "ollama",
      "model": "qwen2.5-coder:7b"
    }
  ],
  "tabAutocompleteModel": {
    "title": "Qwen Coder 7B",
    "provider": "ollama",
    "model": "qwen2.5-coder:7b"
  }
}

4. 儲存檔案

現在，你已經有了一個完全本地、離線可用的 AI 編碼助手！打開一個程式碼檔案，選取一段程式碼，按下 Cmd+L（Mac）或 Ctrl+L（Windows），就能跟 AI 對話。

第三步：進階技巧 — 讓 AI 更懂你的專案

基本的對話功能很好用，但如果你想要 AI 真正理解你的整個專案，需要做一些進階設定。

設定專案上下文： Continue 支援「@」符號來引用檔案或資料夾。在對話框中輸入 @，你會看到檔案列表，選取你想讓 AI 參考的檔案。

更進階的做法是使用「索引」功能：

1. 在 Continue 側邊欄，點擊右上角的三點選單
2. 選擇「Index project」
3. 等待索引完成（大型專案可能需要幾分鐘）

索引完成後，AI 就能理解你整個專案的架構、函式呼叫關係、變數命名習慣。當你問「幫我寫一個登入功能」，它會自動參考你專案中已有的 API 風格和資料庫結構。

多模型切換： 你不一定只用一個模型。Ollama 支援同時安裝多個模型，你可以根據任務切換：

# 下載更輕量的模型（適合老 Mac）
ollama pull qwen2.5-coder:1.5b

# 下載更強大的模型（需要 16GB RAM 以上）
ollama pull qwen2.5-coder:14b

# 下載專門寫 Python 的模型
ollama pull deepseek-coder:6.7b

在 Continue 的設定中，你可以把多個模型都加入 models 陣列，然後在對話時從下拉選單切換。

實戰案例：用本地 AI 寫一個 API

讓我們實際跑一遍。假設你正在開發一個電商網站，需要寫一個「獲取商品列表」的 API 端點。

1. 在 VS Code 中建立一個新的 products.py 檔案
2. 按下 Cmd+L 打開 Continue 對話框
3. 輸入以下提示：

用 Flask 寫一個 API 端點，返回商品列表。商品資料存在一個 list 裡，每個商品有 id、name、price、stock 四個欄位。要有錯誤處理。

4. 按 Enter 送出

你會看到模型開始生成程式碼。因為模型在本地跑，所以生成速度取決於你的 Mac 效能。一般來說，7B 模型在 M1 Mac 上大約每秒生成 15-20 個 token，寫一個簡單的 API 大概 10 秒左右。

生成的程式碼會直接插入到你的檔案中。你可以修改、測試、或者繼續追問「幫我加上分頁功能」。

延伸閱讀

• 五分鐘學會！|省你五小時
• 五分鐘學會！|省你五小時
• 五分鐘學會！|省你五小時

常見問題

Q: 我的 Mac 是 Intel 晶片，跑得動嗎？ A: 可以，但建議使用較小的模型（如 1.5B 或 3B 版本）。Intel Mac 的推理速度會比 Apple Silicon 慢 3-5 倍，但對於簡單的程式碼補全和 Debug 還是夠用的。

Q: 為什麼模型回答得這麼慢？ A: 本地模型的速度取決於你的硬體。建議關閉其他耗資源的應用程式（如 Chrome 的多個分頁），或使用更小的模型。另外，第一次對話會比較慢，因為模型需要載入到記憶體中。

Q: 這個跟 GitHub Copilot 比起來如何？ A: Copilot 的程式碼補全更即時、更準確，因為它用的是 GPT-4 等級的模型。但 Copilot 需要付費（每月 10 美元），而且所有程式碼會傳送到微軟伺服器。本地 AI 的優勢在於隱私和免費，適合對資安敏感的開發者。

Q: 我可以用其他模型嗎？像是 Llama 3 或 Mistral？ A: 當然可以！Ollama 支援數百種模型。你可以在 ollama.com/library 瀏覽所有可用模型。對於程式碼任務，推薦 Qwen2.5-Coder、DeepSeek-Coder、CodeLlama 這三系列。

Q: 模型會佔用多少記憶體？ A: 7B 模型大約需要 8GB 的可用記憶體。如果你的 Mac 只有 8GB RAM，建議使用 3B 或 1.5B 的版本。你可以用 ollama ps 指令查看目前載入的模型佔用多少記憶體。

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "我的 Mac 是 Intel 晶片，跑得動嗎？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "可以，但建議使用較小的模型（如 1.5B 或 3B 版本）。Intel Mac 的推理速度會比 Apple Silicon 慢 3-5 倍，但對於簡單的程式碼補全和 Debug 還是夠用的。"
      }
    },
    {
      "@type": "Question",
      "name": "為什麼模型回答得這麼慢？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "本地模型的速度取決於你的硬體。建議關閉其他耗資源的應用程式（如 Chrome 的多個分頁），或使用更小的模型。另外，第一次對話會比較慢，因為模型需要載入到記憶體中。"
      }
    },
    {
      "@type": "Question",
      "name": "這個跟 GitHub Copilot 比起來如何？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "Copilot 的程式碼補全更即時、更準確，因為它用的是 GPT-4 等級的模型。但 Copilot 需要付費（每月 10 美元），而且所有程式碼會傳送到微軟伺服器。本地 AI 的優勢在於隱私和免費，適合對資安敏感的開發者。"
      }
    },
    {
      "@type": "Question",
      "name": "我可以用其他模型嗎？像是 Llama 3 或 Mistral？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "當然可以！Ollama 支援數百種模型。你可以在 ollama.com/library 瀏覽所有可用模型。對於程式碼任務，推薦 Qwen2.5-Coder、DeepSeek-Coder、CodeLlama 這三系列。"
      }
    },
    {
      "@type": "Question",
      "name": "模型會佔用多少記憶體？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "7B 模型大約需要 8GB 的可用記憶體。如果你的 Mac 只有 8GB RAM，建議使用 3B 或 1.5B 的版本。你可以用 ollama ps 指令查看目前載入的模型佔用多少記憶體。"
      }
    }
  ]
}