AI Tutorial · September 18, 2026 - AI Practical Guide
2026-09-18 AI 实战教程:本地大模型 + AI 编程 + Stable Diffusion 提示词
背景
到了 2026 年,本地运行 AI 已经非常成熟。你不再需要把数据上传到云端,也能完成:
- 用 Ollama 本地运行 LLM,例如 Qwen3 系列;
- 用 VS Code + Continue / Cline 把本地模型接入 IDE,辅助写代码、改代码;
- 用 Stable Diffusion(SDXL) + ComfyUI 生成图片,并用 LLM 帮你优化提示词。
今天我们用一套环境,把这三件事串起来,搭建一个完全本地运行的“AI 工作台”。
准备环境
硬件建议
| 项目 | 最低配置 | 推荐配置 |
|---|---|---|
| GPU | NVIDIA 8GB 显存 | NVIDIA 12GB/16GB 显存 |
| 内存 | 16GB | 32GB |
| 硬盘 | 30GB 剩余 | 50GB 以上 |
| 系统 | Windows 11 / Ubuntu 22.04 / macOS 13+ | 同左 |
如果是 Apple Silicon Mac,也能运行 Ollama 和 ComfyUI,但部分 AI 编程补全模型体验略弱。
需要安装的软件
- Ollama:用于本地大模型。
- VS Code:用于 AI 编程。
- Continue 扩展:IDE 里连接 Ollama。
- ComfyUI:用于 Stable Diffusion 出图。
- Python 3.10+ 和 Git:ComfyUI 依赖。
安装命令:
1 | # 安装 Ollama(Linux/macOS) |
1 | # 安装 ComfyUI |
检查 Ollama 是否装好:
1 | ollama --version |
操作步骤
步骤 1:用 Ollama 运行本地 LLM
先下载一个中文能力不错的模型,这里用 qwen3:8b。
1 | ollama pull qwen3:8b |
启动交互式对话:
1 | ollama run qwen3:8b |
输入一句话测试:
1 | 用一句话介绍本地运行 AI 的好处。 |
如果正常输出中文回答,说明 Ollama 已可用。退出对话输入:
1 | /bye |
保持 Ollama 后台 API 服务运行。默认 Ollama 会监听 11434 端口。
在另一个终端测试 OpenAI 兼容接口:
1 | curl http://localhost:11434/v1/chat/completions \ |
能返回 JSON 就说明本地 LLM 服务已经准备好。
步骤 2:配置 AI 编程工具
打开 VS Code,在扩展市场搜索 Continue,点击安装。
安装完成后:
- 打开左侧的 Continue 面板。
- 点击模型配置,选择 Provider 为 Ollama。
- 填写模型名称:
qwen3:8b。 - 保存并刷新。
如果你还要自动补全代码,可以先用:
1 | ollama pull qwen3-coder:7b |
然后在 Continue 设置中把 Tab Autocomplete 模型也设为 qwen3-coder:7b。
验证方式:
- 在 Python/JS/TS 文件中写下一段代码注释;
- 按
Tab,看看是否有自动补全; - 用鼠标选中一段代码,按
Ctrl+I(macOS 用Cmd+I),在对话框里让本地模型解释或重构。
示例提问:
1 | 请帮我重构这段代码,使用防御式编程,并加上类型注解。 |
本地模型可以做到基础到中等的代码理解,优点是私有、免费、不离线。如果模型回答不强,可以换成 qwen3:32b:
All articles on this blog are licensed under CC BY-NC-SA 4.0 unless otherwise stated.






