Una configurazione locale con Qwen, Ollama e OpenCode ha permesso a David Gewirtz di completare una semplice app per rinominare screenshot; il suo progetto per organizzare PDF, invece, si è arenato durante il debug. Nel resoconto pubblicato da ZDNET il 6 novembre 2026, Gewirtz descrive un test eseguito su un Mac Studio con M4 Max e 128 GB di RAM.
La configurazione ha completato un’utilità essenziale
Il sistema usava OpenCode v2.2.5 come agente di programmazione, Ollama per eseguire il modello e qwen3-coder-next:q4_K_M per generare il codice. Gewirtz descrive il modello come composto da 80 miliardi di parametri, di cui 3 miliardi attivi alla volta; la configurazione aveva un contesto di 64.000 token.
L’app completata, pensata per una cartella con oltre 7.000 screenshot, mostrava un’immagine per volta e consentiva di assegnarle un nome, salvarlo e passare alla successiva. Gewirtz riferisce che il lavoro ha richiesto quasi sei giorni: quattro sono stati dedicati alla visualizzazione dell’elenco dei file, poi scartata e ricostruita in una nuova sessione di OpenCode. L’app è rimasta priva di pannelli ridimensionabili, modelli per i nomi, zoom e comandi rapidi per avanzare o tornare indietro.
Nel resoconto di Gewirtz, partire da un compito circoscritto e autorizzare le modifiche ai file rende il lavoro dell’agente più controllabile.
Gewirtz raccomanda inoltre di dividere il lavoro in attività piccole, aprire sessioni separate per correzioni o nuove funzioni e tenere distinta la ricerca dalla scrittura del codice. Per le operazioni sui file o sulla shell, dice di richiedere la propria approvazione.
Il progetto per organizzare PDF si è arenato nel debug
In un tentativo durato cinque giorni, l’agente riusciva a individuare l’argomento di un PDF, ma non ripeteva l’operazione in modo affidabile su grandi gruppi di documenti. Gewirtz racconta che il lavoro si è bloccato mentre cercava di risolvere problemi con le nuove API di macOS 27 per la comprensione dei documenti sul dispositivo. È un esito del suo progetto, non una misura delle prestazioni di ogni agente locale.
Local-CLI offre un’altra configurazione documentata
OpenCode è l’agente scelto da Gewirtz nel test; Local-CLI è un altro agente da riga di comando, compatibile con endpoint che seguono l’interfaccia OpenAI. Il suo repository attuale documenta endpoint locali e on-premise, tra cui Ollama, vLLM e LM Studio, oltre a servizi cloud come Azure OpenAI e Google Gemini.
Per l’installazione, il progetto indica Node.js 20 o successivo e questi comandi:
npm install -g local-cli-agent
local-cli
Al primo avvio parte una procedura guidata per configurare l’endpoint. Il repository descrive anche una modalità supervisionata, che chiede l’approvazione prima di modificare i file, e una funzione che organizza il lavoro in fasi di pianificazione ed esecuzione. Sono funzioni dichiarate dal progetto, non risultati del test di Gewirtz.
Puoi anche mantenere Claude Code
Sostituire insieme agente e modello, come nel test di Gewirtz, è diverso dal tenere Claude Code e collegarlo a un modello locale tramite Ollama. Eric Tech ha pubblicato un tutorial in inglese dedicato a questa seconda combinazione.
Per Local-CLI, l’assenza di costi API descritta dal progetto riguarda l’uso di modelli locali o on-premise; la stessa indicazione non vale per gli endpoint cloud elencati nel repository.
