Windows环境下Claude Code与VSCode集成开发环境搭建全指南：从Ollama部署到DeepSeek-7B模型调用

共计 1647 个字符，预计需要花费 5 分钟才能阅读完成。

环境准备：Ollama 与模型部署

1. Ollama 安装
   官方推荐使用 winget 一键安装（需管理员权限）：

   winget install ollama.ollama

2. 安装后执行 ollama --version 验证

3. 常见问题：若出现连接超时，需设置代理环境变量

   set HTTP_PROXY=http://127.0.0.1:7890
   set HTTPS_PROXY=http://127.0.0.1:7890

   

4. DeepSeek-7B 模型下载
   拉取模型时建议使用国内镜像（节省带宽）：

   ollama pull deepseek-7b@sha256:8b6dc...  # 具体 hash 值参考官方文档 

5. 验证模型：ollama list 应显示 deepseek-7b
6. 磁盘空间：该模型约需 15GB 可用空间

核心配置：Claude Code 设置

关键配置文件 config.json 示例：

{
  "hascompletedonboarding": true,  // 跳过首次引导直接启用高级功能
  "model_endpoint": "http://localhost:11434",  // Ollama 默认端口
  "max_tokens": 4096,  // 与 DeepSeek-7B 的上下文窗口匹配
  "temperature": 0.7   // 推荐创意型任务设置
}

• 技术细节 ：
  hascompletedonboarding 实际控制三项行为：
• 禁用新手引导弹窗
• 解锁高级参数配置界面
• 允许直接编辑 raw prompt

VSCode 集成实操

1. 插件安装
2. 在扩展市场搜索 Claude Code

3. 注意识别官方版本（作者为 Anthropic）

4. 连接配置
   按 Ctrl+, 打开设置，搜索 Claude 填写：

5. Base URL: http://localhost:11434

6. Model Name: deepseek-7b

7. SSE 流调试
   新建测试文件输入：

   # 输入以三个冒号开头可触发自动补全
   ::: 中国的首都是 

8. 成功标志：右下角状态栏显示绿色响应计时
9. 失败排查：检查 Ollama 日志 ollama serve

验证方案

Python 测试脚本（需安装 aiohttp）：

import aiohttp
import asyncio

async def test_model():
    async with aiohttp.ClientSession() as session:
        async with session.post(
            'http://localhost:11434/api/generate',
            json={
                "model": "deepseek-7b",
                "prompt": "Python 的 GIL 是指"
            },
            timeout=60
        ) as resp:
            async for chunk in resp.content:
                print(chunk.decode(), end='')

asyncio.run(test_model())

预期输出应包含 全局解释器锁 等关键词

避坑指南

• 路径问题 ：
  Windows 路径需转义，如 C:\\Users 而非 C:\Users

• 防火墙拦截 ：
  需要在入站规则放行 11434 端口：

  New-NetFirewallRule -DisplayName "Ollama" -Direction Inbound -LocalPort 11434 -Protocol TCP -Action Allow

• CUDA 冲突 ：
  如果出现 CUDA out of memory：

• 降低并行请求数
• 添加 num_gpu_layers": 20 到 Ollama 启动参数

延伸建议

1. 性能调优：
2. 在 ollama run 时添加 --numa 参数优化内存分配

3. 使用 vLLM 替代原生 Ollama 提升吞吐量

4. 多模型管理：
   修改 config.json 的 model_alias 字段可实现快捷切换：

   {
     "model_alias": {
       "fast": "deepseek-7b",
       "accurate": "llama3-70b"
     }
   }

经过上述步骤，你应该已经建立起完整的本地 AI 开发环境。建议从简单的代码补全任务开始，逐步尝试更复杂的提示工程。遇到问题时，Ollama 的日志文件（通常在 ~/.ollama/logs）是最有效的排查依据。