必须在Cursor中配置本地Ollama服务并加载Qwen模型才能实现离线AI功能：先通过ollama list和curl验证Qwen模型已部署且服务运行，再在Cursor设置中指定Base URL为http://localhost:11434，分别绑定Chat、Code Completion和Code Generation三项功能至对应Qwen模型，最后通过补全、聊天和代码解释验证生效。
☞☞☞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☜☜☜
想在Cursor中直接调用本地Qwen模型进行代码补全、解释或生成，必须绕过云端API，让Cursor连接你本机运行的Ollama服务。这要求Ollama已成功部署Qwen系列模型，并且服务端口未被防火墙拦截。
确认Ollama服务正常运行并已加载Qwen模型
打开终端（Windows PowerShell / macOS Terminal / Linux Bash），执行：
ollama list
检查输出列表中是否包含类似 qwen3:8b、qwen2.5-coder:14b 或 qwen3.5:4b-q4_K_M 的条目。若为空或无Qwen相关模型，需先执行 ollama pull qwen3:8b 等命令下载——【未拉取模型则Cursor无法识别】。
再执行 curl http://localhost:11434/api/tags，返回JSON中应含 "models" 数组且至少有一项 "name" 字段匹配你拉取的Qwen模型名。若返回 Connection refused，说明Ollama后台服务未启动。
Cursor配置Ollama为默认模型提供方
启动Cursor → 点击左下角齿轮图标进入 Settings → 左侧导航栏选择 AI → 在右侧找到 Model Provider 区域。
点击 Custom 选项卡 → 在 Base URL 输入框填入：http://localhost:11434。
在 Model 下拉菜单中，若列表为空或未出现Qwen模型名，点击右侧刷新按钮（↻）强制重载Ollama模型列表；若仍不显示，关闭Cursor并重启——【重启是强制刷新模型缓存的唯一有效方式】。
为不同AI功能指定Qwen模型（三步绑定）
第一步：在 Settings → AI → Model Provider → Custom 区域，找到 Chat Model 下拉框，从中选择你已拉取的Qwen模型（如 qwen3:8b）。
第二步：向下滚动至 Code Completion Model，同样选择一个轻量级Qwen变体（推荐 qwen2.5-coder:7b 或量化版 qwen2.5-coder:7b-q4_K_M），避免大模型拖慢实时补全响应。
第三步：若需启用 Code Generation（如 Cmd+K 快捷键生成函数），在对应下拉框中再次选定同一模型或切换为更专注代码的版本（如 qwen2.5-coder:14b）。
完成三项选择后，点击右上角 Save 按钮保存配置。
验证Qwen模型在Cursor中实际生效
新建一个 .py 文件，输入 def calculate_，等待几秒看是否触发补全建议——若出现中文注释或Python逻辑推断，说明补全模型已生效。
按 Cmd+L（macOS）或 Ctrl+L（Windows/Linux）唤出聊天面板，输入“你是哪个模型？”，观察回复是否包含 qwen 相关字样及参数规模信息。
在任意代码行选中一段逻辑，右键选择 Explain Code，若返回内容具备中文语境理解能力（如准确指出变量作用域或算法意图），即确认Qwen模型已完整接管Cursor的AI能力链。
