OpenCode 本地部署怎么选：离线模型、云端模型与数据去向
截至 2026-11-01 抓取时，OpenCode 官方安装入口已使用 v2 路径；现在最值得先确认的不是装哪一版，而是代码最终会交给哪个模型处理。
OpenCode 是开源 AI 编程代理，可连接云端或本地模型完成编码任务。
先选数据路线，再选安装方式
“OpenCode 安装在本机”不等于“代码完全不出本机”。这是部署时最容易混淆的地方：OpenCode 可以是本地运行的代理程序，但模型可能来自 OpenAI、Anthropic 等云端服务，也可能来自本机的 Ollama。代理部署在本地，只说明程序和配置在本机运行；代码是否上传，取决于最终接入的模型及其服务方。
| 组合 | 安装位置 | 模型推理位置 | 代码与上下文去向 | 适合场景 |
|---|---|---|---|---|
| OpenCode + 免费模型 | 本机 | OpenCode 提供的模型服务 | 官方首页明确说明，免费模型会存储数据与信息 | 临时体验、个人练习 |
| OpenCode + 云端模型 | 本机 | 云端服务商 | 请求会发送到所选模型服务商 | 重视模型效果、愿意承担调用费用 |
| OpenCode + Ollama | 本机 | 本机 | 推理请求可留在本机 | 涉密代码、内网、离线开发 |
官方首页的表述是：OpenCode 本身不存储代码或上下文数据，但使用其免费模型时，数据和信息会被存储。因此，想获得接近离线的隐私边界，不能只看 OpenCode 是否开源，还要把模型服务一并纳入选择。
官方仓库采用 MIT License，源码位于 GitHub 仓库。对普通用户而言，三条路线可以这样取舍：
- 只是体验编程代理：直接使用官方免费模型，不必先折腾模型服务。
- 代码需要联网，但不希望绑定单一模型：安装 OpenCode，再按需连接云端模型。
- 代码不能上传：让 OpenCode 连接本机 Ollama，并验证模型确实在本机提供服务。
安装 OpenCode：命令行与桌面端二选一
1. 安装命令行版本
官方仓库当前给出的安装脚本是：
curl -fsSL https://opencode.ai/v2/install | bash脚本会把 OpenCode 安装到 $HOME/.opencode/bin。这是官网首页和仓库 README 都列出的当前入口，不要继续照旧教程寻找已经变化的安装地址。
如果电脑已有 Node.js、npm 或 Bun，可以改用包管理器：
npm i -g @opencode/cli@latestmacOS 与 Linux 用户还可以使用 Homebrew。官方仓库区分了两个公式：
brew install anomalyco/tap/opencode-v2仓库把前者标为推荐并注明会持续更新；下面这个是更新频率较低的官方稳定公式：
brew install opencode其他系统可直接从官方仓库选择对应命令：
sudo pacman -S opencodemise use -g opencodenix run github:anomalyco/opencode不要同时混装脚本版、npm 版和 Homebrew 版。官方仓库特别提醒：安装新版本前，应移除早于 0.1.x 的旧版本，否则终端可能仍命中旧可执行文件。处理后重新运行当前安装命令，并用下面的命令确认：
opencode --version能输出当前安装版本，说明命令已经进入终端环境。若终端提示找不到命令，先检查 $HOME/.opencode/bin 是否已加入 PATH，再重新打开终端。
2. 需要图形界面时安装桌面端
不想使用终端，可以打开 OpenCode 官方下载页。官方仓库列出的桌面安装包包括：
- macOS Apple Silicon：
opencode-desktop-mac-arm64.dmg - macOS Intel：
opencode-desktop-mac-x64.dmg（macOS 这边没有 .exe，Intel 版就是这个 dmg） - Windows：
opencode-desktop-win-x64.exe - Linux：
.deb、.rpm或.AppImage
macOS 还可以使用：
brew install --cask opencode-desktop桌面端目前标记为 BETA。如果终端命令已经可用，命令行版本通常更适合脚本、远程服务器和内网环境；桌面应用更适合先在个人电脑上熟悉界面。
接入 Ollama：让推理留在本机
Ollama 在本机提供模型服务，OpenCode 再通过兼容接口连接它。下面这组命令来自已有实战资料，其中安装、模型拉取、服务启动与验证都能独立执行。
先安装 Ollama：
curl -fsSL https://ollama.com/install.sh | sh拉取一个本地模型：
ollama pull qwen3.5查看已经下载的模型：
ollama list随后启动本机服务：
OLLAMA_HOST=127.0.0.1:11434 ollama serve最后检查服务是否正常响应：
curl http://localhost:11434/api/tags返回包含本地模型的 JSON 数据，说明 Ollama 服务已经可访问。接着在 OpenCode 的项目配置中接入 OpenAI 兼容接口，核心地址为：
"baseURL": "http://127.0.0.1:11434/v1"配置入口是项目目录中的 opencode.json。保存后重启 OpenCode，在模型选择入口中选入刚才通过 ollama list 能看到的模型。
这里要区分两种“本地”：OpenCode 和 Ollama 都运行在本机，只代表推理链路具备离线条件；如果模型服务启动失败，或 OpenCode 实际仍选中了云端模型，就不能把它当成完全离线方案。
数据到底去了哪里
按官方公开信息，可以把数据路线拆成四层判断。
第一层是 OpenCode 客户端。官方首页明确表示，OpenCode 不存储用户代码或上下文数据。这与仓库采用 MIT License、开源实现的事实一致：客户端代码可以被检查和修改。
第二层是模型提供商。使用 OpenAI、Anthropic、GitHub Copilot 或其他云端模型时，请求会离开本机，并由相应服务商处理。OpenCode 不保存，不代表云端服务商也不保存。
第三层是 OpenCode 免费模型。官方首页单独说明：数据与信息只有在使用免费模型时才会被存储。比较稳妥的使用方式，是分别查看模型页面上的数据说明，不要把“客户端开源”等同于“所有模型请求都无留存”。
第四层是本地模型。使用 Ollama 时，模型权重和推理服务都在本机。若 Ollama 只监听 127.0.0.1:11434，其他机器通常无法直接访问；但仍需确认 OpenCode 选中的确实是该本地模型，而不是名称相近的云端端点。
综合来看，隐私最严格的组合是“本机 OpenCode + 本机 Ollama + 本地模型”；效果通常更依赖云端模型的组合是“本机 OpenCode + 云端模型”；免费模型适合试用，但不应默认按零留存方案处理。
常见卡点与成功标志
Ollama 地址能打开，但 OpenCode 看不到模型
先运行：
curl http://localhost:11434/api/tags如果返回模型 JSON，Ollama 服务正常；如果没有响应，重新运行：
OLLAMA_HOST=127.0.0.1:11434 ollama serve如果服务正常但列表中没有目标模型，再执行：
ollama pull qwen3.5最后用下面的命令确认模型已经落盘：
ollama list安装完成但仍调用云端模型
仅看到 Ollama 服务启动，并不能证明 OpenCode 正在使用本地模型。重新检查 opencode.json 中的 baseURL，确认它是：
"baseURL": "http://127.0.0.1:11434/v1"同时在 OpenCode 的模型选择入口中核对当前模型。若需要严格确认，在断开外网后发起一次请求；本地推理应仍能正常响应。若断网后无法响应，就说明实际请求仍依赖云端。
新旧版本混装
官方仓库给出的迁移提醒是：安装前移除早于 0.1.x 的版本。先找出仍安装在哪里的旧版本并卸载，再只保留一种当前安装方式，最后运行：
opencode --version成功标准很明确：命令输出当前版本号；启动 OpenCode 后能进入终端交互界面；使用本地模型时，ollama list 能看到模型，curl http://localhost:11434/api/tags 能返回 JSON；使用云端模型时，账户或 API 凭据验证通过，并能正常完成一次代码问答。
后续配置与官方入口
模型与数据说明可从 OpenCode 官方首页 顶部进入：选择 Docs 查看使用文档，选择 Models 查看可用模型，选择 Data 查看数据说明。源码、版本历史和安装命令集中在 GitHub 官方仓库，许可证页可见 MIT License。
需要配置 Ollama、选择本地编码模型或排查代理访问问题时，可参考这篇带具体命令的 Ollama 本地部署实战；它是社区补充资料，命令可执行，但不等同于 OpenCode 官方承诺。
最终选择可以压缩成一句话：日常开发优先接入效果更好的云端模型，涉密或内网项目再使用 Ollama；无论选哪条路线，都要用模型页面、实际请求路径和断网测试三件事确认数据边界，而不是只看“OpenCode 已安装在本机”。
参考来源
评论区
登录后可评论。