使用本地模型
Kilo Code 支持使用 Ollama 和 LM Studio 在本地计算机上运行语言模型。这提供了以下优势：
- 隐私性：你的代码和数据永远不会离开你的计算机。
- 离线访问：即使没有互联网连接，你也可以使用 Kilo Code。
- 成本节约：避免与云端模型相关的 API 使用费用。
- 定制性：可以尝试不同的模型和配置。
然而，使用本地模型也有一些缺点：
- 资源需求：本地模型可能对资源要求较高，需要一台性能强大的计算机，最好配备专用 GPU。
- 设置复杂性：设置本地模型可能比使用云端 API 更复杂。
- 模型性能：本地模型的性能可能差异较大。虽然有些模型表现优秀，但可能无法与最大、最先进的云端模型相媲美。
- 功能限制：本地模型（以及许多在线模型）通常不支持高级功能，例如提示缓存、计算机使用等。
支持的本地模型提供商
Kilo Code 目前支持两个主要的本地模型提供商：
- Ollama：一个流行的开源工具，用于在本地运行大型语言模型。它支持多种模型。
- LM Studio：一个用户友好的桌面应用程序，简化了下载、配置和运行本地模型的过程。它还提供了一个模拟 OpenAI API 的本地服务器。
设置本地模型
有关详细设置说明，请参阅：
这两个提供商提供类似的功能，但用户界面和工作流程不同。Ollama 通过命令行界面提供更多控制，而 LM Studio 提供了一个更友好的图形界面。
故障排除
- “由于目标计算机主动拒绝，无法建立连接”：这通常意味着 Ollama 或 LM Studio 服务器未运行，或者 Kilo Code 配置的端口/地址与服务器不一致。请仔细检查 Base URL 设置。
- 响应时间慢：本地模型可能比云端模型慢，尤其是在硬件性能较低的情况下。如果遇到性能问题，请尝试使用较小的模型。
- 找不到模型：请确保你正确输入了模型名称。如果使用 Ollama，请使用与
ollama run命令中相同的名称。