企业官网建设流程全解析

本文是我从 0 到 1 踩了一下午坑的完整记录，所有报错都亲测解决，照着做就能成功。 最终效果：在自己电脑上用 Codex CLI，完全本地运行大模型，不花 API 钱，隐私安全，随时切换云端/本地模型。

一、为什么要这么做？

1. 省钱：不用买 OpenAI API 额度，不用中转站，完全免费

2. 隐私：代码和数据都在自己电脑上，不上传

3. 灵活：用 CC Switch 一键切换云端模型（写复杂代码）和本地模型（日常简单任务）

二、准备工作

你需要提前装好：

1. Docker Desktop（Windows/Mac 都行）

2. Codex CLI（OpenAI 官方的命令行 AI 编程工具）

3. CC Switch（Codex 模型切换工具，用来一键切换不同供应商）

三、第一步：用 Docker 跑 Ollama

1. 启动 Ollama 容器

打开终端（Windows 用 PowerShell 或 WSL 都行），执行：

docker run -d \ --name ollama \ -p 11434:11434 \ -v ollama_data:/root/.ollama \ --restart always \ ollama/ollama

💡 说明：

• -v ollama_data:/root/.ollama一定要加！不然删容器模型就没了

• --restart always开机自动启动，不用每次手动开

2. 拉模型

我们选deepseek-r1:7b，带思考能力，适合 Codex：

docker exec -it ollama ollama pull deepseek-r1:7b

模型大小约 4.7GB，根据网速等几分钟。

四、第二步：给模型改大上下文（关键！90% 的人卡在这里）

❌ 为什么会报错？

Codex 一启动就会发 8000+ token 的系统提示词，但 Ollama 默认上下文只有 4096，直接报错：

request (8643 tokens) exceeds the available context size (4096 tokens)

✅ 正确解决方法：创建自定义模型

不要改环境变量！不要改请求参数！直接把上下文写进模型文件里，一劳永逸：

# 1. 在容器里创建 Modelfile docker exec ollama sh -c 'echo "FROM deepseek-r1:7b PARAMETER num_ctx 32768" > /tmp/Modelfile' ​ # 2. 用这个 Modelfile 创建新模型 docker exec ollama ollama create deepseek-r1-codex -f /tmp/Modelfile

💡 为什么这么做？

• Ollama 的 OpenAI 兼容接口不读请求里传的 num_ctx 参数

• OLLAMA_NUM_CTX 环境变量对 OpenAI 接口不生效

• 只有把参数写进模型本身，不管用什么接口调用都生效

五、第三步：在 CC Switch 里配置本地供应商

1. 打开 CC Switch，点右上角+添加供应商

2. 选择「自定义」，填写：

   • 供应商名称：Ollama 本地

   • API 地址：http://localhost:11434/v1

   • API Key：随便填，比如ollama

   • 模型名称：deepseek-r1-codex（就是我们刚才创建的那个）

3. 高级设置里：

   • 开启「需要本地路由映射」

   • 模型映射里的上下文窗口填1000000（告诉 Codex 模型支持大上下文）

   • Body 覆盖里可以加：

     { "temperature": 0.2 }

4. 保存，点「启用」

六、第四步：重启 Codex 测试

1. 关掉 Codex 重新打开

2. 发一句"你好"测试

3. 等待模型思考（7B 纯 CPU 跑会比较慢，第一次可能要几分钟）

七、我们踩过的所有坑（避坑指南）

坑 1：WSL 里找不到 docker/ollama 命令

原因：你是在 WSL 里跑的，但 Ollama 和 Docker 都装在 Windows 上解决：要么在 Windows PowerShell 里跑命令，要么在 Docker Desktop → Settings → WSL Integration 里把 Ubuntu 的开关打开

坑 2：报错"xxx" does not support thinking

原因：你用的模型不带思考能力，Codex 默认开了思考模式解决：换 deepseek-r1 这种带 thinking 能力的模型

坑 3：报错request exceeds the available context size (4096 tokens)

原因：Ollama 默认上下文太小，装不下 Codex 的系统提示词解决：就是我们第四步的方法，创建自定义模型写死 32768 上下文

坑 4：改了 OLLAMA_NUM_CTX 环境变量还是没用

原因：新版 Ollama 的 OpenAI 兼容接口不读这个环境变量解决：别折腾环境变量了，直接创建自定义模型改 num_ctx

坑 5：在请求里传 options.num_ctx 还是没用

原因：Ollama 的 OpenAI 接口不读请求里的 num_ctx 参数解决：同上，写进模型文件里最靠谱

坑 6：删了容器模型就没了

原因：没挂载数据卷解决：一定要加-v ollama_data:/root/.ollama

八、日常使用技巧

1. 切换模型

想切回云端模型？直接在 CC Switch 里点原来的供应商启用就行，一秒切换，配置都存着。

2. 释放内存

本地模型不用的时候，Ollama 会 5 分钟自动卸载模型释放内存。 想立刻释放就跑：

curl http://localhost:11434/api/generate -d '{"model":"deepseek-r1-codex","keep_alive":0}'

3. 速度优化

纯 CPU 跑 7B 模型就是慢，嫌慢可以拉更小的模型：

docker exec -it ollama ollama pull qwen2.5-coder:3b

然后重复第四步，创建一个 3b 的自定义模型，速度会快好几倍。

九、最终效果

✅ 完全本地运行，不花 API 钱 ✅ 隐私安全，代码不上传 ✅ 一键切换云端/本地模型 ✅ 支持思考模式，支持工具调用

最后提醒：7B 小模型能力有限，复杂的多文件代码任务还是建议切回云端大模型，本地模型适合简单的问答、写小脚本、日常学习用。