[AI Agent] 完全本地化!将 Aider 和 Ollama 部署在局域网,打造自己的本地 Codex 类 AI 助手

在 AI 助手类工具中,Aider 以其便捷的 Git 进程与 LLM 沟通能力受到广大开发者喜爱;Ollama 则是当前支持最广的本地运行的 LLM 平台之一,支持多种模型如 LLaMA3,Mistral,CodeLlama 等。本文将详细介绍如何在完全本地化和无网环境下,部署 Aider + Ollama,实现类 Codex 能力的自动化编程助手。

一、定位需求:局域网 AI 系统所面临的挑战

局域网环境,特别是严格隔网的内网场景,无法连接外网,无法连 GitHub 下载代码,无法 pip install,也无法连通 PyPI 排版版本等。这些因素需要我们重新设计部署流程,包括:

  • 预先打包好所有 wheel 包;
  • 避免直接拷贝环境,因为路径和 Python 入口失效;
  • 禁止 Aider 启动时去检查 PyPI 版本;
  • 禁止尝试连接 GitHub 查询模型元数据。

二、Ollama 安装与网络分发模型

  1. 制備 Ollama Linux 或 Windows 版本并安装
  2. 从有网机器上下载模型如 llama3:instruct
  3. 使用 ollama pull llama3:instruct
  4. 把 ~/.ollama 文件夹打包移至局域网内网机器
  5. 启动 Ollama :ollama serve
  6. 可选配使用 LAN proxy 分发模型服务

三、安装 Aider 与零网环境重要讲解

1.打包 wheel 包

在可连网的机器上进行:

bash 复制代码
pip download aider -d ./aider_wheels

将该目录整包移动到内网机器,然后手动安装:

bash 复制代码
pip install --no-index --find-links=./aider_wheels aider

2.不推荐直接拷贝 venv 环境

因为 venv 中 Python 路径和 entrypoint 是系统给定的,直接拷贝应用到不同环境很可能无法使用。建议重新创建 venv 并使用已打包的 wheel 安装所有依赖。

四、禁止 PyPI 和 GitHub 连接,加快启动

1.给 aider 加启动参数,禁止 pypi check

启动 Aider 时加上:

bash 复制代码
aider --no-check

2.确定已经修改 models.py,禁止联系 GitHub

打开:

复制代码
~\AppData\Local\Programs\Python\Python312\Lib\site-packages\aider\models.py

查找 _update_cache 函数,修改为:

python 复制代码
def _update_cache(self):
    # Skip remote model metadata fetch (disabled by local patch)
    return

此修改可以禁止在内网环境下对 GitHub 进行网络连接,减少启动等待时间。

五、结论:局网下打造私有 AI 系统无需依赖外部网络

通过本文手动部署方案,可以实现:

  • Aider + Ollama 全部部署在局域网,完全本地化
  • 全部进程可规定依赖打包,无需 pip online
  • 修改启动行为,避免因连接超时造成系统泪动

这种部署方式适合于支持内网工程化自动化工作流程,也是私有化 AI DevOps 模型系统的最佳实践之一。

相关推荐
吴佳浩1 天前
AI 工程师知识地图:模型格式、框架、部署工具一次讲明白
人工智能·aigc·ai编程
IT_陈寒1 天前
Java的Date类又坑了我一次,改用时间戳真香
前端·人工智能·后端
码农胖大海1 天前
AI额度不够用的解决方案
人工智能
后端小肥肠1 天前
小红书虚拟商品怎么做?我先用 Skill 跑通了壁纸品类
人工智能·aigc·agent
feiyu_gao1 天前
从零搭建个人 AI 工作台:一个管理者的 3 个月实验
人工智能·aigc·团队管理
Java陈序员1 天前
企业级!一个基于 Java 开发的开源 AI 应用开发平台!
spring boot·agent·mcp
程序员cxuan1 天前
一句话,让你用上 GPT-5.6
人工智能·后端·程序员
机器之心1 天前
AI圈刚开始谈Loop Engineering,两位95后博士已经盯上了人类闭环数据
人工智能·openai
澄旭1 天前
一文讲清 MCP:AI 应用连接外部世界的标准协议
人工智能
Chen666781 天前
我让一个Agent Team长时间自治运行后,发现问题不在“怎么组队”
agent