要让Cursor调用本地CodeLlama模型，需先安装Ollama并拉取codellama:7b-code，再在Cursor设置中配置API Base URL为http://localhost:11434、Model Name为codellama:7b-code、API Key任意非空字符串，保存后验证状态栏显示该模型即成功。
☞☞☞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☜☜☜
想让Cursor直接调用本地运行的CodeLlama模型，绕过云端API、不上传代码、响应完全可控，就得把Ollama当作本地AI服务端接入Cursor——这一步做完，你在写Python脚本时按Tab触发补全，背后跑的就是你硬盘里的codellama:7b-code，不是任何远程服务器。
确认Ollama已正确安装并拉取CodeLlama模型
打开终端，执行ollama --version，看到类似0.20.5的输出即表示Ollama服务进程已就绪；若无反应，需先安装（macOS用brew install ollama，Linux执行curl -fsSL https://ollama.com/install.sh | sh，Windows请下载官方安装包）。
执行ollama pull codellama:7b-code拉取专用代码模型；该模型专为代码生成优化，比通用版Llama3在函数签名补全、错误修复等任务上更精准。
拉取完成后运行ollama list，确认输出中包含codellama和对应tag；【若列表为空，说明模型未真正下载完成，后续Cursor将无法发现该模型】。
配置Cursor使用Ollama作为模型提供方
启动Cursor → 点击左下角齿轮图标进入Settings → 左侧菜单选择Models → 在“Model Provider”下拉框中选择Custom。
Agents 正在你的整个代码库中处理越来越复杂、运行时间更长的任务。本次版本引入了新的 agent 框架改进，以实现更好的上下文管理，并在编辑器和 CLI 中带来了许多提升使用体验的修复。
填写以下三项必填字段：
• API Base URL：http://localhost:11434
• Model Name：codellama:7b-code
• API Key：任意字符串（如ollama），Ollama不校验此值，但Cursor要求非空。
点击右下角Save Changes保存配置；此时Cursor会尝试连接http://localhost:11434并列出可用模型，若看到codellama:7b-code出现在模型选择列表中，说明对接成功。
在编辑器中启用并验证CodeLlama响应
打开任意.py文件，在函数内部输入for i in range(后等待1秒，Cursor应自动弹出补全建议——此时观察右下角状态栏，若显示codellama:7b-code而非cursor-dev或openai，即表示流量已走本地。
若补全无响应，先检查Ollama服务是否仍在运行：ollama serve可强制重启服务；再确认Cursor设置中Model Name拼写与ollama list输出完全一致（包括冒号和小写连字符）。
手动触发一次完整对话测试：选中一段代码 → 右键 → Ask Cursor → 输入“把这个循环改成列表推导式”，观察响应内容是否符合CodeLlama风格（偏重简洁、Pythonic、少解释性文字）。
