Rode um agente de programação com IA 100% offline com Ollama ou LM Studio
Instale o OHarness, inicie o Ollama (porta 11434) ou o servidor do LM Studio (porta 1234) e rode oharness -m ollama/<model>. Os dois runtimes são provedores integrados que não precisam de chave, então toda requisição ao modelo fica na sua máquina.
Atualizado em
O que você precisa
- Node 22.6 ou mais recente, para a CLI.
- Ollama ou LM Studio, com um modelo que suporte chamadas de ferramentas. Um agente que não consegue chamar ferramentas só consegue falar sobre o seu código.
- Memória suficiente para o modelo. Um modelo de programação de 20–30B é o mínimo prático para trabalho de agente; modelos menores respondem, mas se perdem em edições de várias etapas.
Configure com o Ollama
- Instale a CLI.
- Baixe um modelo que chame ferramentas, por exemplo
qwen3-coder:30bougpt-oss:20b. - Inicie o agente com ele. A parte antes da primeira barra é o provedor; o resto é o nome do modelo exatamente como o Ollama o lista.
npm install -g oharnessollama pull qwen3-coder:30boharness -m ollama/qwen3-coder:30bNão há chave nem nada para configurar: o provedor ollama aponta para http://localhost:11434/v1 e pede ao servidor a lista de modelos, então tudo o que você baixou aparece em /models.
Configure com o LM Studio
Carregue um modelo no LM Studio e inicie o servidor local (a aba Developer, ou lms server start). Os ids de modelo do LM Studio têm uma barra própria, e tudo bem — só a primeira barra separa o provedor:
oharness -m lmstudio/qwen/qwen3-coder-30bDê contexto suficiente ao modelo
Sessões de agente são longas: cada arquivo lido e cada resultado de ferramenta volta para o contexto. O Ollama serve um contexto bem menor do que a maioria dos modelos suporta, a menos que você o aumente, e quando um servidor local não informa sua janela o OHarness assume 128K — então a compactação dispara depois do ponto em que o servidor de fato trunca. Aumente a janela do servidor antes de uma sessão longa:
OLLAMA_CONTEXT_LENGTH=32768 ollama serveNo LM Studio, a mesma configuração é o controle deslizante de tamanho do contexto ao carregar o modelo. 32K é um mínimo viável para trabalho de agente; mais é melhor, se a memória permitir.
O que ainda usa a rede
| Tráfego | Quando | Como desligar |
|---|---|---|
| Requisições ao modelo | Nunca — elas vão para localhost | — |
| Verificação de atualizações | No máximo uma vez por dia, para o registro do npm | OHARNESS_NO_UPDATE_CHECK=1 |
| Sincronização de sessões | Só quando você está conectado a uma conta OHarness | Não entre na conta, ou use /sync off |
| Servidores MCP | Só os que você configurar | Use servidores stdio, ou nenhum |
Quando um modelo local é a escolha errada
Modelos locais são grátis por token e privados, mas ficam atrás dos melhores modelos hospedados em mudanças longas em vários arquivos. Uma divisão razoável: local para explorar, ler e fazer pequenas edições; um modelo hospedado para a grande refatoração — trocado na mesma sessão com /model, que não converte nada. Trocar de modelo no meio da sessão mostra como.
Perguntas frequentes
Um agente de programação com IA pode rodar totalmente offline?
Sim. Com o OHarness apontado para o Ollama ou o LM Studio, o loop do agente, as ferramentas e o modelo rodam todos na sua máquina. O único outro tráfego é uma verificação de atualizações do npm uma vez por dia, que OHARNESS_NO_UPDATE_CHECK=1 desliga, e a sincronização, que só roda quando você entra na sua conta.
Quais modelos locais funcionam para um agente de programação?
Modelos que suportam chamadas de ferramentas, de preferência com 20–30B de parâmetros ou mais. Modelos ajustados para programação, como o Qwen3-Coder, e modelos gerais, como o gpt-oss, funcionam; modelos sem chamadas de ferramentas respondem perguntas, mas não editam arquivos nem executam comandos.
Preciso de uma chave de API para usar o OHarness com o Ollama?
Não. Os provedores ollama e lmstudio não precisam de chave e são integrados, apontando para localhost:11434 e localhost:1234. Inicie o servidor e rode oharness -m ollama/<model>.
Por que uma sessão longa com um modelo local esquece o trabalho anterior?
Normalmente porque a janela de contexto do servidor é menor que a do modelo. O Ollama serve uma janela curta por padrão; aumente-a com OLLAMA_CONTEXT_LENGTH (ou num_ctx), e a compactação do OHarness vai resumir em um ponto seguro, em vez de o servidor truncar sem avisar.