LLMs之Llama Coder：llama-coder的简介、安装和使用方法、案例应用之详细攻略

LLMs之Llama Coder：llama-coder的简介、安装和使用方法、案例应用之详细攻略

目录

llama-coder的简介

1、特点

llama-coder的安装和使用方法

1、安装

推荐硬件

本地安装

远程安装

模型

llama-coder的案例应用

---

llama-coder的简介

Llama Coder 是一个更好的自托管的 VS Code 插件，用来替代 Github Copilot。Llama Coder 使用 Ollama 和 codellama 提供在你硬件上运行的自动补全功能。最适合搭配 Mac M1/M2/M3 或 RTX 4090 使用。

GitHub地址：GitHub - ex3ndr/llama-coder: Replace Copilot local AI

VS Code 插件：Llama Coder - Visual Studio Marketplace

1、特点

>> 与 Copilot 一样出色
>> 快速。在消费级 GPU 上运行良好。建议使用 Apple Silicon 或 RTX 4090 以获得最佳性能。
>> 无遥测或跟踪
>> 适用于任何编程语言或自然语言。

llama-coder的安装和使用方法

1、安装

推荐硬件

>> 最低要求 RAM: 16GB 是最低要求，越多越好，因为即使是最小的模型也占用 5GB 的 RAM。

>> 最佳方式：配备 RTX 4090 的专用机器。在该机器上安装 Ollama，并在扩展设置中配置端点以卸载到该机器。

>> 次佳方式：运行在拥有足够 RAM 的 MacBook M1/M2/M3（RAM 越多越好，但额外 10GB 即可满足要求）。对于 Windows 笔记本：如果配备合适的 GPU，运行良好，但建议使用配备良好 GPU 的专用机器。如果你有一台专用的游戏 PC，效果非常好。

本地安装

在本地机器上安装 Ollama，然后在 VSCode 中启动扩展，一切应该正常工作。

远程安装

在专用机器上安装 Ollama，并在扩展设置中配置端点。Ollama 通常使用端口 11434 并绑定到 127.0.0.1，如需更改，你需要将 OLLAMA_HOST 设置为 0.0.0.0。

模型

目前 Llama Coder 仅支持 Codellama。模型通过不同方式量化，但我们的测试显示 q4 是运行网络的最佳方式。当选择模型时，模型越大，表现越好。始终选择你机器上能够支持的最大尺寸和最大量化的模型。默认模型为 stable-code:3b-code-q4_0，应该在任何地方都能运行，并优于大多数其他模型。

Name	RAM/VRAM	Notes
stable-code:3b-code-q4_0	3GB
codellama:7b-code-q4_K_M	5GB
codellama:7b-code-q6_K	6GB	m
codellama:7b-code-fp16	14GB	g
codellama:13b-code-q4_K_M	10GB
codellama:13b-code-q6_K	14GB	m
codellama:34b-code-q4_K_M	24GB
codellama:34b-code-q6_K	32GB	m

m - 在 MacOS 上运行缓慢
g - 在较旧的 NVidia 显卡（30 系列之前）上运行缓慢

llama-coder的案例应用

持续更新中……