必须用Ollama而非LM Studio实现Cursor本地代码生成：Ollama支持命令行驱动、多模型快速切换、M系列芯片低延迟、后台常驻、生态工具链兼容及企业级HTTPS反向代理；LM Studio需手动开启API且换模型繁琐、有额外延迟、无daemon模式、不支持CORS配置。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在Cursor中实现真正的本地代码生成、不上传代码、不依赖云端API，必须让Cursor把请求发给Ollama或LM Studio提供的OpenAI兼容接口——但两者接入路径、稳定性、配置深度完全不同，选错一个，后续所有AI编程功能都会失效。
Ollama接入Cursor：命令行驱动的生产级方案
这一步操作起来很简单，直接把文件拖进去就行。Ollama是为工程集成而生的工具，它的设计目标就是被其他程序调用，Cursor只需指向它的标准API端点即可完成对接。
第一步：确保Ollama服务已启动并监听默认端口
在终端执行 ollama serve，该命令会后台常驻运行，默认绑定 http://127.0.0.1:11434。若此前已运行过模型（如ollama run llama3），此步可跳过，但必须确认服务进程仍在。
第二步：拉取适合编程的轻量模型
执行 ollama pull codellama:7b 或 ollama pull qwen2.5-coder:7b。不要选14B以上模型——【MacBook或RTX 4060以下显卡用户强行加载14B模型会导致Ollama反复OOM崩溃，Cursor将始终显示“Model not found”】。
第三步：创建Cursor配置文件并写入代理参数
打开Cursor用户配置目录（macOS路径为~/Library/Application Support/Cursor/User/），新建cursor.json，填入以下内容：
{
"ai": {
"model": "codellama:7b",
"endpoint": "http://localhost:11434/v1/chat/completions",
"apiKey": "ollama"
}
}
第四步：重启Cursor并验证连接
关闭所有Cursor窗口后重新启动，任意代码文件中输入/ask触发提问。若返回合理代码建议，说明已成功走本地通路；若仍提示“Network Error”，请检查Ollama是否真的在运行——curl http://localhost:11434/api/tags 应返回JSON格式模型列表。
LM Studio接入Cursor：GUI友好但协议需手动开启
LM Studio不是为被IDE调用而设计的，它本质是一个聊天客户端。要让它配合Cursor工作，必须主动启用其OpenAI兼容模式，否则Cursor根本识别不了这个服务。
方法一：通过GUI界面强制开启API服务
启动LM Studio → 左下角点击“Local Server” → 勾选“Enable OpenAI-compatible API” → 点击“Start Server”。此时服务默认监听 http://127.0.0.1:1234/v1/chat/completions，端口不可更改。
方法二：命令行启动并指定端口与模型
终端执行：lmstudio --enable-openai-compatible-api --port 1234 --model-path ~/Downloads/models/llama-3-8b-instruct.Q4_K_M.gguf。注意路径必须是绝对路径，相对路径会导致LM Studio静默失败且无报错提示。
⚠️关键提醒：LM Studio的OpenAI兼容API默认不校验API Key，但Cursor配置中仍需填写任意非空字符串（如"lmstudio"），否则请求会被拒绝。
配置Cursor时，将cursor.json中的endpoint改为http://localhost:1234/v1/chat/completions，model字段必须与LM Studio当前加载的模型名完全一致（例如llama-3-8b-instruct，不含.gguf后缀）。
实测对比：什么情况下必须选Ollama
① 需要多模型切换或批量测试不同Coder模型时：Ollama用ollama list→ollama run qwen2:7b→再改Cursor配置里model字段，30秒内完成；LM Studio每次换模型都得手动停服务→重选GGUF→重启Server→再改配置，平均耗时3分钟以上。
② 在Mac M系列芯片上追求最低延迟：LM Studio虽有MLX优化，但其OpenAI兼容层额外引入约80ms序列化开销；Ollama原生v1/chat/completions路径直通推理内核，实测Phi-3响应快22%。
③ 要求后台常驻+断电恢复自动重启：Ollama可通过brew services start ollama注册为macOS系统服务；LM Studio无daemon模式，关机后必须人工点击启动。
④ 使用LangChain、LlamaIndex等生态工具链：Ollama的OLLAMA_HOST环境变量可全局注入，所有Python脚本自动识别；LM Studio无对应机制，需每个脚本硬编码base_url="http://localhost:1234"。
⑤ 企业内网部署需HTTPS反向代理：Ollama支持OLLAMA_ORIGINS设置CORS白名单，配合Nginx可直接暴露公网；LM Studio的OpenAI兼容API不支持自定义Origin头，反向代理后必然跨域失败。
