David Gewirtz sprawdził lokalny stos AI jako alternatywę dla Claude Code. Opisana konfiguracja stworzyła użyteczną, choć ograniczoną aplikację do zmiany nazw zrzutów ekranu, ale próba organizowania PDF-ów utknęła podczas debugowania. Wyniki dotyczą zadań wykonanych na konkretnym komputerze, a nie wszystkich lokalnych agentów programistycznych.
Aplikacja do zmiany nazw powstała, ale miała ograniczenia
W relacji dla ZDNET Gewirtz opisał konfigurację z OpenCode v2.2.5, Ollama i modelem qwen3-coder-next:q4_K_M. Uruchomił ją na Mac Studio z M4 Max i 128 GB pamięci RAM, z kontekstem o długości 64 000 tokenów. Według autora model ma 80 mld parametrów, z czego 3 mld jest aktywnych jednocześnie.
Aplikacja miała pomóc w pracy z folderem zawierającym ponad 7 000 zrzutów ekranu. Użytkownik wybierał folder, przeglądał obrazy pojedynczo, wpisywał nową nazwę i naciskał Return, aby zapisać zmianę i przejść dalej. Gewirtz podał, że stworzenie programu zajęło prawie sześć dni. Cztery dni poświęcił na problem z wyświetlaniem listy plików, zanim porzucił ten kod i poprosił nową sesję OpenCode o zbudowanie listy od początku.
Gotowy program działał, lecz zabrakło w nim między innymi zmiany rozmiaru paneli, szablonów nazw i dat, powiększania obrazu oraz szybkiego przechodzenia między zdjęciami. Gewirtz zrezygnował z tych funkcji, by uniknąć kolejnego debugowania.
Przy pracy z PDF-ami pojawił się problem ze skalowaniem zadania
W drugim projekcie lokalna konfiguracja potrafiła określić temat pojedynczego PDF-u, ale nie wykonywała tego zadania niezawodnie na większej partii dokumentów. Pięciodniowa próba utknęła podczas debugowania nowych, słabo opisanych funkcji rozumienia dokumentów działających na urządzeniu w macOS 27. To opis trudności w tym konkretnym projekcie Gewirtza.
Autor zalecał dzielić pracę na wąskie zadania, uruchamiać nową sesję przy pojedynczych poprawkach i osobno prowadzić research oraz kodowanie. Przy działaniach powłoki i zmianach plików wymagał zatwierdzenia każdej operacji.
Przy lokalnym agencie zacznij od jednego wąskiego zadania i zatwierdzaj zmiany plików przed ich wykonaniem.
Model, środowisko i agent pełnią różne role
Model generuje odpowiedzi i kod, środowisko uruchomieniowe udostępnia model, a agent programistyczny organizuje pracę nad zadaniem. W konfiguracji Gewirtza Qwen był modelem, Ollama środowiskiem uruchomieniowym, a OpenCode agentem. Można też zachować Claude Code i podłączyć model przez Ollama albo użyć osobnego narzędzia, takiego jak Local-CLI.
| Konfiguracja | Agent programistyczny | Model lub endpoint |
| Test Gewirtza | OpenCode v2.2.5 | qwen3-coder-next:q4_K_M przez Ollama |
| Claude Code z Ollama | Claude Code | Model udostępniony przez Ollama |
| Local-CLI | Local-CLI | Zgodny z OpenAI endpoint lokalny, on-premise lub chmurowy |
Opis filmu Erica Techa dotyczy połączenia Ollama z Claude Code. Materiał jest po angielsku.
Local-CLI opisuje osobną ścieżkę konfiguracji
Aktualne repozytorium Local-CLI podaje, że narzędzie wymaga Node.js 20 lub nowszego. Podstawowa instalacja wygląda tak:
npm install -g local-cli-agent
local-cli
Przy pierwszym uruchomieniu kreator konfiguruje endpoint. Repozytorium opisuje także tryb planowania i wykonywania zadań oraz nadzorowany tryb, który prosi o zgodę przed modyfikacją plików. Projekt jest udostępniony na licencji MIT.
Local-CLI obsługuje zgodne z OpenAI endpointy, w tym lokalne i działające on-premise, a także usługi chmurowe, takie jak Azure OpenAI i Google Gemini. Repozytorium wiąże brak opłat za API z użyciem lokalnego modelu; ta informacja nie obejmuje konfiguracji chmurowych. Dokumentacja opisuje funkcje narzędzia, ale nie podaje wyniku porównywalnego testu programistycznego.
