OpenCode + Ollama: локальный AI-агент, который пишет код без облака

В этом видео я попробовал связку OpenCode + Ollama и запустил локального AI-агента для разработки. Идея простая: не просто пообщаться с нейросетью в чате, а дать ей возможность работать с проектом — создавать файлы, писать код и помогать собирать небольшой прототип.

Для эксперимента я попросил локальную модель сделать лендинг для продажи огурчиков. Да, звучит несерьёзно. Но именно на такой задаче хорошо видно, как AI-агент справляется с реальной разработкой: создаёт HTML, CSS, JavaScript, собирает структуру страницы и пытается оформить всё в виде нормального лендинга.

Видео можно посмотреть здесь:

Смотреть видео:

https://youtu.be/lbsJhbBbFlE

https://rutube.ru/video/private/49186cfe707560bc1b63b654e9be4c9a/?p=6eHRCNPhUFajm6FplvrY5w

https://vkvideo.ru/video-238292605_456239024

Что такое OpenCode

OpenCode — это AI-инструмент для разработки, который работает в терминале и помогает писать код внутри проекта.

В отличие от обычного чат-бота, он может работать с файлами, понимать структуру проекта и вносить изменения в код.

Обычный чат-бот чаще всего просто отвечает текстом:

Вот пример компонента.

Вставьте этот код в нужный файл.

Попробуйте такой вариант.

А AI-агент работает иначе. Он может получить задачу, посмотреть проект, предложить план, изменить файлы и помочь довести результат до рабочего состояния.

Например, можно дать задачу:

Создай простой лендинг на HTML, CSS и JavaScript для продажи фермерских огурчиков.

И агент не просто напишет код в ответе, а попробует создать файлы проекта:

• index.html
• style.css
• script.js

В этом и есть главное отличие агентского подхода от обычного общения с нейросетью.

Что такое Ollama

Ollama — это инструмент для запуска языковых моделей локально.

То есть модель работает не в облаке, а на вашем компьютере или сервере.

Это удобно, если хочется:

• попробовать локальную LLM для разработки;
• не отправлять код во внешние сервисы;
• экспериментировать с open-source моделями;
• собрать собственный локальный AI-инструмент;
• проверить, насколько нейросеть может помогать в прототипировании.

В моём случае Ollama использовалась как локальный “мозг”, а OpenCode — как агент, который работает с проектом.

OpenCode + Ollama: зачем их связывать

Связка OpenCode Ollama интересна тем, что она превращает локальную модель в помощника для разработки.

Условно это выглядит так:

OpenCode → получает задачу → обращается к Ollama → локальная LLM генерирует решение → OpenCode меняет файлы проекта

То есть Ollama отвечает за запуск модели, а OpenCode — за работу с кодом и проектом.

В обычном чате нейросеть может написать код, но дальше вы сами копируете его в проект, создаёте файлы, подключаете стили, проверяете результат и исправляете ошибки.

С агентом процесс становится немного другим. Вы формулируете задачу, а инструмент уже пытается выполнить её внутри проекта.

Конечно, это не значит, что разработчик больше не нужен. Скорее наоборот: разработчик нужен, чтобы правильно поставить задачу, проверить результат и не дать агенту сломать проект.

OpenCode настройка: общий принцип

Базовая opencode настройка обычно сводится к нескольким шагам:

1. Установить Ollama.
2. Скачать подходящую модель.
3. Установить OpenCode.
4. Настроить OpenCode на работу с локальной моделью.
5. Запустить агент внутри проекта.

Примерно логика такая:

ollama pull qwen2.5-coder

Или можно использовать другую модель, которая подходит под ваше железо и задачи.

После этого OpenCode запускается в папке проекта:

opencode

Дальше можно давать агенту задачи уже в контексте текущего проекта.

Например:

Создай простой лендинг на HTML, CSS и JavaScript.
Сделай отдельные файлы index.html, style.css и script.js.

Важный момент: для агентской работы нужен хороший контекст. Если контекст модели слишком маленький, агент быстро начинает терять детали проекта и ошибаться.

Также многое зависит от самой модели. Одна модель лучше пишет код, другая лучше объясняет ошибки, третья может нормально справляться с простыми интерфейсами, но путаться в архитектуре.

Пример: лендинг для продажи огурчиков

Для демонстрации я выбрал не абстрактный пример, а небольшой шуточный лендинг.

Задача для агента была примерно такая:

Создай простой лендинг на HTML, CSS и JavaScript для продажи фермерских огурчиков.

На странице должны быть:
- первый экран с оффером;
- блок преимуществ;
- карточки товаров;
- форма заявки;
- FAQ;
- адаптивная верстка.

Сделай проект без сборщиков:
- index.html
- style.css
- script.js

На первый взгляд задача смешная. Но с технической стороны это нормальный тест.

AI-агент должен:

• понять задачу;
• создать структуру проекта;
• написать HTML-разметку;
• добавить стили;
• подключить JavaScript;
• не забыть про адаптивность;
• сделать результат, который можно открыть в браузере.

И здесь хорошо видно, чем агент отличается от обычной нейросети в чате. Не нужно вручную копировать куски кода из ответа. OpenCode работает прямо с файлами проекта.

Что получилось

В итоге локальная модель смогла создать простой лендинг.

Это не дизайн уровня дорогой студии и не готовый коммерческий продукт, но как быстрый прототип — вполне рабочий вариант.

Такую связку можно использовать для:

• черновиков интерфейсов;
• простых HTML-страниц;
• генерации структуры проекта;
• быстрого прототипирования;
• экспериментов с UI;
• объяснения чужого кода;
• небольших правок в проекте.

Для серьёзной коммерческой разработки я бы не воспринимал локального AI-агента как замену программисту. Но как помощник для ускорения рутинных задач — это уже интересно.

Плюсы OpenCode + Ollama

Главный плюс — локальность.

Код не обязательно отправлять во внешний облачный сервис. Для некоторых проектов это важно: NDA, закрытая бизнес-логика, внутренняя документация, коммерческие интеграции.

Второй плюс — гибкость.

Можно пробовать разные модели, менять настройки, смотреть, какая модель лучше справляется с кодом, интерфейсами или объяснением ошибок.

Третий плюс — агентский подход.

OpenCode работает не просто как чат, а как инструмент внутри проекта. Он может помогать с файлами, структурой и изменениями.

Четвёртый плюс — обучение.

Такая связка хорошо показывает, как вообще работают AI-агенты для разработки. Даже если не использовать это в продакшене, для понимания современных инструментов это полезный эксперимент.

Минусы и ограничения

Минусы тоже есть.

Локальные модели часто уступают сильным облачным моделям. Особенно если речь идёт о большой кодовой базе, сложной архитектуре, бизнес-логике, интеграциях и нетипичных ошибках.

Также многое зависит от железа. Большие модели требуют больше памяти и могут работать медленно.

Ещё один важный момент — контроль.

AI-агент может ошибаться, создавать лишний код, неправильно понимать задачу или менять не те файлы. Поэтому лучше работать через Git, смотреть diff и не принимать изменения вслепую.

Нейросеть может помочь написать код, но она не понимает бизнес так, как его должен понимать разработчик. Она не несёт ответственность за архитектуру, безопасность, поддержку и работу системы в реальных условиях.

Можно ли использовать OpenCode + Ollama в реальной разработке

Да, но с нормальными ожиданиями.

Я бы использовал такую связку для:

• прототипов;
• MVP;
• простых лендингов;
• тестовых интерфейсов;
• анализа кода;
• генерации черновиков;
• локальных экспериментов с AI.

Но если нужно разработать CRM, ERP, маркетплейс-интеграцию, личный кабинет, систему учёта или сложный внутренний сервис — одного AI-агента недостаточно.

Он может ускорить часть работы, но архитектура, ответственность за результат, безопасность, интеграции и бизнес-логика всё равно остаются на разработчике.

Найти разработчика или попробовать AI-агента?

Сейчас многие пробуют AI-инструменты и думают, что можно просто дать нейросети задачу и получить готовый продукт.

Для простого прототипа — иногда да.

Для реального проекта — обычно нет.

Если вам нужно быстро проверить идею, собрать демо или сделать черновой интерфейс, OpenCode + Ollama могут быть интересным вариантом.

Но если задача связана с бизнес-процессами, CRM, интеграциями, автоматизацией, маркетплейсами, API или внутренними системами, лучше найти разработчика, который сможет не просто “сгенерировать код”, а довести проект до рабочего состояния.

Если вы ищете, где найти программиста для разработки веб-сервиса, автоматизации или интеграции, можно посмотреть мои проекты и опыт:

• Сайт: https://toprogram.ru
• Портфолио: https://toprogram.ru/portfolio
• Резюме и опыт: https://toprogram.ru/resume
• GitHub: https://github.com/imjonos

Я занимаюсь разработкой веб-сервисов, CRM/ERP-систем, API-интеграций, автоматизацией бизнес-процессов и AI-инструментами для реальных задач.

Чем занимается toprogram.ru

toprogram.ru — мой сайт, где я рассказываю о разработке и принимаю заявки на проекты.

Основные направления:

• разработка веб-сервисов;
• создание CRM и ERP-систем;
• автоматизация бизнес-процессов;
• интеграции с API;
• интеграции с маркетплейсами;
• разработка внутренних инструментов для бизнеса;
• AI-помощники и сервисы на базе нейросетей.

На странице портфолио можно посмотреть примеры проектов и кейсов:

https://toprogram.ru/portfolio

А на странице резюме — мой опыт работы, включая опыт в крупных компаниях:

https://toprogram.ru/resume

Примеры кода доступны на GitHub:

https://github.com/imjonos

Итог

OpenCode + Ollama — интересная связка для локальной AI-разработки.

OpenCode даёт агентский подход: работа с проектом, файлами и кодом.

Ollama позволяет запускать модель локально, без облачного API.

Вместе они позволяют попробовать сценарий, где нейросеть не просто отвечает в чате, а помогает писать код внутри проекта.

На примере лендинга для огурчиков это выглядит забавно, но сама идея вполне серьёзная. Локальные AI-агенты уже можно использовать для экспериментов, прототипирования и небольших задач.

Главное — не воспринимать их как магическую замену разработчику. Это инструмент. А хороший результат всё равно зависит от человека, который понимает задачу, архитектуру и конечную цель проекта.