Kaj če bi bilo kodiranje z umetno inteligenco popolnoma brezplačno, popolnoma zasebno in delovalo brez interneta? Lahko – z Ollamom + lokalnim modelom kodiranja, kot je Qwen3-Coder ali DeepSeek-R1 . Stroški: 0 €. Količina kreditnih točk API: 0. Količina kode, ki gre v oblak nekoga drugega: 0. Za stranko gostovanja, ki ne želi plačevati naročnine na umetno inteligenco in ne želi deliti svoje kode z nikomer, je to najboljša konfiguracija kodiranja z umetno inteligenco brez stroškov.
V tem priročniku vam bom pokazal, kako namestiti Ollamo, izbrati pravi model za vaš prenosnik, se integrirati s Continue.dev / Cline / Aider / OpenCode in kako namestiti spletno mesto na gostovanju WMD z ničelnimi stroški dela.
Kaj je Ollama in zakaj je pomembna?
Ollama (ollama.com) je odprtokodno izvajalno okolje za lokalno izvajanje modelov LLM na vašem prenosniku ali namiznem računalniku. Vnesite osa: ollama pull qwen3-coder , počakajte 5–10 minut, da se model prenese, in dobili boste končno točko API-ja http://localhost:11434 , ki govori enako kot OpenAI API.
Kaj točno vam to omogoča:
- Kodiranje z umetno inteligenco brez interneta – kodo pišete na letalu, na kampu, na otoku, kjer LTE odpove
- Nič stroškov – brez API kartice, brez mesečnih računov, brez »dosežene omejitve brezplačne stopnje«
- Maksimalna zasebnost – koda nikoli ne zapusti vašega računalnika. Idealno za pravne, zdravstvene, finančno-tehnološke in vladne projekte.
- Brez vezave na prodajalca – modele zamenjate v 10 sekundah (Qwen3 → DeepSeek → Llama → vsak ima svoj občutek)
- Združljivo z vsemi orodji za kodiranje umetne inteligence – Continue.dev, Cline, Aider, OpenCode, Cursor (prek URL-ja, združljivega z OpenAI), vsa razumejo Ollam
Zahteve strojne opreme – kaj resnično potrebujete
To je resničnost – zmogljivost Ollame je neposredno odvisna od vaše strojne opreme. Tri ravni:
Osnovni prenosnik (8 GB RAM-a, integrirana grafična kartica)
Delujoči modeli: do 3B parametrov.
- qwen2.5-coder:1.5b — samodejno dokončanje, hitro (200 žetonov/sekundo na CPU)
- qwen2.5-coder:3b — klepet, počasnejši (40–60 žetonov/sekundo)
Dovolj za samodejno dokončanje v Continue.dev. Ne priporočam ga za klepet ali potek dela agenta – prepočasen bo.
Prenosnik srednjega razreda (16 GB RAM-a, Mac serije M ali 8 GB VRAM-a GPU)
Modeli, ki delujejo odlično: parametri 7-8B.
- qwen3-coder:7b — odličen splošni model kodiranja (priporočeno)
- deepseek-coder:6.7b — priljubljen, hiter
- codellama:7b — Meta-in koder, primeren za Python in JS
Hitrost: 30–60 žetonov/sekundo. Primerljivo z izkušnjami Cursorja/Clauda za 80 % nalog. To je idealna izbira za večino kupcev orožja za množično uničevanje.
Zmogljiv prenosnik/namizni računalnik (32–64 GB RAM-a, 16+ GB VRAM-a)
Delujoči modeli: do 32B parametrov.
- qwen2.5-coder:32b — zmogljivost zelo blizu Claude Haiku, HumanEval 92,7 %
- deepseek-r1:32b — model sklepanja, počasnejši, a pametnejši
- llama3.3:70b — lokalni razred GPT-4 (Mac s 64 GB RAM-a)
Hitrost: 15–35 žetonov/sekundo. Profesionalna kakovost, nič stroškov. Idealno za samostojne razvijalce, ki pogosto pišejo pravne/fintech/zdravstvene projekte.
Namestitev Ollame
macOS
Prenesite datoteko .dmg z ollama.com/download in začnite namestitev. Lahko pa tudi prek programa Homebrew:
brew install ollamaPo namestitvi zaženite aplikacijo Ollama – prikaže se v statusni vrstici. Preverite prek terminala:
ollama --versionLinux
curl -fsSL https://ollama.com/install.sh || sh # Ollama radi kao systemd servis systemctl status ollamaOkna
Prenesite namestitveni program .exe z ollama.com/download , namestite in znova zaženite. Ollama se ob zagonu samodejno zažene.
Prenos prvega modela
Priporočilo za večino gostovalnih strank: qwen3-coder:7b . Velikost datoteke: ~5 GB. Čas: 5–15 minut, odvisno od povezave.
ollama pull qwen3-coder:7b # Test ollama run qwen3-coder:7b "Napiši PHP funkciju koja računa prosječnu cijenu iz niza"Odgovor bi morali prejeti v 5–10 sekundah. Če vidite kodo, vse deluje.
Seznam modelov, vrednih nakupa
Praktična namestitev za razvijalce orožja za množično uničevanje:
# Chat model (general kvaliteta) ollama pull qwen3-coder:7b # Autocomplete model (mali, ultra-brz) ollama pull qwen2.5-coder:1.5b # Embeddings (za codebase search u Continue.dev / Cline) ollama pull nomic-embed-text # Bonus: reasoning model za komplekse Laravel arhitekture ollama pull deepseek-r1:7bSkupni prostor na disku: ~12 GB. Trajno, ko je enkrat preneseno, internetna povezava ni potrebna.
Integracija z orodji za kodiranje umetne inteligence
Continue.dev
V ~/.continue/config.json :
{ "models": [ { "title": "Qwen3 Coder", "provider": "ollama", "model": "qwen3-coder:7b" } ], "tabAutocompleteModel": { "provider": "ollama", "model": "qwen2.5-coder:1.5b" }, "embeddingsProvider": { "provider": "ollama", "model": "nomic-embed-text" } }Podrobnosti obravnavamo v vodniku Continue.dev .
Koda Cline / Roo v VS Code
Nastavitve Cline → Ponudnik: Ollama , osnovni URL http://localhost:11434 , ID modela qwen3-coder:7b . Podrobnosti v vodniku Cline .
Pomočnik
aider --model ollama/qwen3-coder:7bOpenCode
OpenCode samodejno zazna vse modele, ki ste jih potegnili. Ko zaženete Provider → Ollama → qwen3-coder:7b.
JetBrains IDE (PhpStorm, WebStorm)
Namestite vtičnik Continue.dev. Konfiguracija je enaka kot v VS Code.
Praktičen primer – ustvarjanje WordPress teme z Ollamo
Imate paket gostovanja WMD z WordPressom in želite ustvariti temo po meri. Jaz uporabljam Continue.dev + Ollama.
1. Pripravite projekt
mkdir wp-content/themes/moja-tema cd wp-content/themes/moja-tema2. Odprite VS Code in vprašajte »Nadaljuj« (z zalednim sistemom Ollama)
Napravi osnovne datoteke za WordPress temu "Moja Tema": - style.css s theme header-om - functions.php s enqueue stylesheets, support za featured image, custom logo, menus, post thumbnails - index.php, single.php, page.php, header.php, footer.php - screenshot.png placeholder Tema treba biti minimalna, Tailwind CSS preko CDN-a.Nadaljuj + Qwen3-Coder ustvari vse datoteke v 1-2 minutah. Hitrost je odvisna od vaše strojne opreme – prenosnik s 16 GB RAM-a običajno ustvari 30-50 žetonov/sekundo.
3. Ponavljajte funkcionalnost
@functions.php Dodaj custom post type "Reference" s poljima: - klijent (text) - datum_zavrsetka (date) - opis_projekta (textarea) - naslovna_slika (custom field) Dodaj rewrite slug "reference". Nadaljuj z branjem datoteke functions.php (lokalno, koda ne gre nikamor), ustvari razliko z registracijo tipa objave po meri, kar potrdiš.
4. Namestitev na gostovanje WMD
Tri možnosti:
- FTP / SFTP : Razširitev VS Code SFTP premakne temo neposredno v
/wp-content/themes/moja-tema/ - Nadzor različic Gita : potrdi + pošlji na GitHub, nato pa potegni ali namesti v cPanel
- Upravitelj datotek cPanel : tema zip-aj, nalaganje, razpakiranje – staromodno, a deluje
Zmogljivost v številkah – kaj Ollama zmore na pravem prenosniku
Testirano na MacBooku M2 16 GB (srednji razred, leto 2026):
| Naloga | Qwen3-kodirnik 7B | Claude Sonnet (API) |
|---|---|---|
| Ustvarite ciljno stran (HTML/CSS/JS) | ~3 minute | ~45 sekund |
| Vrsta objave po meri v WordPressu + meta polje za administratorje | ~1,5 minute | ~25 sekund |
| Končna točka Laravel REST API + testi | ~4 minute | ~1 minuta |
| Odpravljanje napake PHP v 200-vrstični datoteki | ~30 sekund | ~10 sekund |
| Samodokončanje (qwen2.5-coder:1.5b) | ~100 ms | ni na voljo (zakasnitev v oblaku) |
Ollama je 3–5-krat počasnejša od Claude API-ja, vendar za 0 € na mesec in brez pošiljanja kode v oblak nekoga drugega. Za večino strank se ta kompromis splača.
Česar Ollama (še) ne zmore
Realističen pogled – lokalni LLM ima svoje omejitve:
- Zakasnitev – 3–5× počasnejša od API-ja v oblaku, kar zmanjšuje »občutek« iteracij
- Velik kontekst – lokalni modeli 7B imajo pogosto okno konteksta žetonov velikosti 8–32 tisoč, kar je manj kot Claudovih 200 tisoč. Za majhen do srednje velik projekt je to več kot dovolj; za monolitne projekte Laravel s 500+ datotekami je oblačni API boljši.
- Vrhunsko sklepanje – DeepSeek-R1 32B je odličen, toda za res težke arhitekturne probleme sta Claude Opus 4.1 ali GPT-5 še vedno 1-2 koraka pred drugimi.
- Praznjenje baterije – delovanje modela 7B porablja procesor/grafični procesor, baterija prenosnika pa zdrži 30–50 % krajše
Hibridni pristop – samodejno dopolnjevanje Ollama + klepet v oblaku
Najpametnejša nastavitev za večino profesionalnih razvijalcev:
- Samodokončanje: lokalno qwen2.5-coder:1.5b (hitro, poceni, ne porablja API-ja)
- Klepet: Anthropic Claude API (kakovost) ali DeepSeek API (cena)
- Vdelave: lokalno nomic-embed-text (zasebno, hitro)
Mesečni stroški: 1–5 € (samo klepeti, ki presegajo lokalni model). Zmogljivost: 90 % izkušnja v oblaku. Zasebnost: samodejno dokončanje + vdelave ostanejo lokalne.
Varnostno obvestilo za proizvodne projekte
Ollama vas ne zaščiti samodejno, če uporabljate klepet v oblaku (Claude / DeepSeek) za občutljivo kodo. Če delate na pravnih / zdravstvenih / finančnih projektih:
- V konfiguraciji Continue / Cline / Aider nastavite Ollam kot edinega ponudnika
- Preverite, ali je nastavitev »rezervna različica OpenAI« pomotoma vklopljena.
- Dodajte
.continueignore,.aiderignore,.opencodeignores tem:
.env .env.* secrets/ keys/ *.pem *.key vendor/ node_modules/ storage/logs/ database/migrations/*.php # ako su senzitivniZa koga je Ollama Local prava izbira?
Ollama + lokalni model + gostovanje WMD + cPanel Git Deploy je priporočilo številka 1 za:
- Razvijalec, ki ne plačuje naročnine za umetno inteligenco – študent, hobi, stranski projekt
- Samostojni delavec, ki dela za stranke s pogodbami o nerazkrivanju podatkov (zdravstvo, pravo, finance, vladne agencije)
- Ekipa, ki zaradi varnostnih razlogov ne želi poslati kode v oblak nekoga drugega
- Razvijalci na območjih s slabim internetom – Dalmatinska zaledje, otoki, kampiranje
- Vsakdo, ki želi izvedeti, kako LLM v resnici deluje – Ollama vam omogoča popoln nadzor nad modelom, parametri in sistemskim pozivom
Povzetek – konec serije brezplačnih orodij R39
Lokalni model Ollama + je vrhunski izraz "kodiranja z umetno inteligenco brez kompromisov glede cene in zasebnosti". Nič naročnine, nič stroškov API-ja, nič podatkov, ki jih pošljete v oblak nekoga drugega. Kompromis: 3–5-krat počasnejši od API-ja v oblaku, za udobno delo potrebujete prenosnik s 16+ GB RAM-a.
Ta objava zaključuje serijo R39 o brezplačnih orodjih za kodiranje z umetno inteligenco za gostovanje WMD:
- Gostovanje OpenCode + WMD — terminal za kodiranje z umetno inteligenco brez naročnine na Cursor
- Aider + cPanel Git Deploy – najboljši brezplačni potek dela z umetno inteligenco, ki temelji na Gitu
- VS Code + Cline / Roo Code — brezplačna zamenjava za Cursor
- Continue.dev – najlažji brezplačni vnos za kodiranje umetne inteligence za začetnike
- Ollama + lokalni LLM — ta objava
Vse te kombinacije delujejo odlično z gostovanjem WMD – ne glede na to, ali uporabljate nadzor različic Git v cPanelu, FTP/SFTP ali ročno nalaganje. Podpora WMD vam pomaga na vsakem koraku 24 ur na dan, 7 dni v tednu. Pripravili smo tudi posebna navodila za nadzor različic Git v cPanelu korak za korakom .
Naslednja serija obravnava orodja za kodiranje umetne inteligence, ki jih gostite sami, na WMD VPS (Tabby + orodja za sodelovanje) – vaši lastni zamenjavi za GitHub Copilot, ki jo gostite sami.
