Cline 连接本地 Ollama 的关键不是填哪几个字段,而是先确认「Cline 运行在哪个网络位置」和「这个位置的 11434 端口能访问到哪个地址」。API Provider 选 Ollama、Base URL 填 http://127.0.0.1:11434、Model ID 填 ollama list 里真实存在的模型名,这三步在原生本机 VS Code 环境里通常就够了;失败大多出在远程 SSH、Dev Container、WSL 或 Ollama 只监听回环地址这几种情况上。
判断路径是:先确认 Ollama 服务已启动且模型已拉取,再确认 Cline 所在环境能否连通该地址,最后才在 Cline 里填 Provider、Base URL 和 Model ID。验证方式是发一条只读指令(例如让它列目录),看 Ollama 日志有无请求、ollama ps 是否出现已加载模型、Cline 是否弹出工具调用确认。边界在于:本地模型需要具备稳定的工具调用能力,上下文窗口需要手动对齐,远程环境下 localhost 不等于宿主机,且大仓库任务可能慢到不适合日常使用。
先确认当前场景和目标
这套配置成立的前提有三条,缺一条就会在别的环节卡住:Ollama 已经在本机或可访问的机器上跑起来;Cline 所在的环境(VS Code 扩展宿主)能向该地址发起 HTTP 请求;你选的模型支持工具调用/函数调用,因为 Cline 要靠它读写文件、执行命令,纯对话模型接上去只能聊天。
动手前先确认这几项信息,它们决定了后面所有细节:
ollama list输出里有没有你要用的模型,名字和 tag 要抄全,包括冒号后面的部分。- Cline 是装在本机 VS Code 里,还是通过 Remote-SSH、Dev Container、WSL 打开的项目。这三种情况里
127.0.0.1指向的都不是你的 Windows/macOS 宿主机。 - Ollama 当前监听在哪个地址。默认只监听回环地址,容器内外看到的端口并不共通。
- 你的机器显存/内存能装下多大的模型,以及这个模型支持的上下文长度。这决定 Cline 里 Context Window 该填多少。
如果这四项里有两项以上不清楚,先别改 Cline 设置,回到终端把服务层验证清楚,否则你会在 Cline 里反复改字段却看不到任何反馈。
按这个顺序处理
第一步,先在终端确认 Ollama 服务和模型都没问题。把命令放在能访问 Ollama 的那台机器上执行:
ollama list
curl -s http://127.0.0.1:11434/api/tags
第一条能看到模型名,第二条能返回一串 JSON(哪怕很长),说明服务层是通的。curl 报连接被拒绝,就先解决 Ollama 有没有启动,而不是去动 Cline。

第二步,处理跨环境访问。如果 Cline 跑在容器或远程机器里,需要让 Ollama 监听一个可路由的地址。下面是通用写法,把 0.0.0.0 换成你确认过安全的具体网卡地址更稳妥:
# Linux 下临时生效,重启后失效
export OLLAMA_HOST=0.0.0.0:11434
export OLLAMA_ORIGINS=*
ollama serve
这两个变量只是让服务对外可达,不解决性能,也不建议长期开放到不可信网络。systemd 部署时通常写进服务单元的 Environment= 里,改完记得重启服务。配置后回到 Cline 所在环境,用同样的 curl 换掉地址再测一次,能返回 JSON 再往下走。
第三步,在 Cline 设置面板里填写。字段与取值对应关系如下,Model ID 请替换成你 ollama list 里的实际名字:
- API Provider:Ollama
- Base URL:
http://127.0.0.1:11434(远程环境改成宿主可路由地址,例如http://192.168.1.10:11434) - Model ID:
qwen2.5-coder:7b或llama3.1:8b这类支持工具调用的模型,实际以你本地已拉取的为准 - Context Window:先设成模型实际支持的数值,别直接沿用默认值
第四步,如果模型响应里明显「忘了上文」,把 Ollama 侧的上下文长度也抬高,两个值要对齐。可以在自定义 Modelfile 里固定下来:

FROM qwen2.5-coder:7b
PARAMETER num_ctx 16384
用 ollama create 你的模型名 -f Modelfile 生成新模型,再把这个新名字填回 Cline 的 Model ID。
改完后怎么验证
别用「帮我重构整个项目」这种指令验证,反馈周期太长,出问题也分不清是连通性、上下文还是工具调用能力的问题。建议分层验证。
第一层看连通:在 Cline 对话框发一条最小请求,同时另开终端执行 ollama ps。预期信号是 Cline 有正常文字回复、ollama ps 里出现刚加载的模型、Ollama 服务日志出现一条 POST 请求。三者任何一个缺失,说明请求根本没到服务端,回去查 Base URL 和网络位置。
第二层看工具调用:发一条只读指令,例如「列出当前工作区根目录下的文件名,不要修改或创建任何文件」。预期信号是 Cline 弹出需要你确认的读取操作,而不是只用文字描述它「应该」有哪些文件。如果它绕开工具直接编造文件名,基本可以判定该模型的工具调用不稳定。
第三层看上下文:让它读取一个中等长度的文件后,紧接着追问文件里的某个具体位置的内容。回答能准确落到文件内容上,说明 Context Window 设置和模型实际能力是匹配的;回答含糊或前后矛盾,通常是上下文被截断了。

容易忽略的边界
最常见的误判是地址写对了但环境不对。Remote-SSH、Dev Container、WSL 里的 127.0.0.1 指向的是那个远程环境自身,不是你的宿主机。这类场景要么让 Ollama 监听可路由地址,要么用端口转发把宿主机的 11434 映射进去。改 OLLAMA_HOST=0.0.0.0 虽然能通,但同时也扩大了暴露面,在共享网络上需要配合防火墙规则。
第二个边界是模型能力。Cline 的写文件、跑命令依赖结构化的工具调用输出,不少小参数量的本地模型在这件事上不稳定,表现为反复描述而不执行,或者参数格式出错。遇到这种情况换模型比调参数更有效;实在不行就退回「让模型给出改动内容、你自己粘贴」的半自动方式,别在 Cline 里死磕。
第三个边界是承载能力。本地推理速度取决于显存和模型规模,几十个文件的大仓库任务可能慢到打断工作节奏。建议先在单文件或小目录上验证流程,再决定是否用于真实改动。同时保留一个云端 API Provider 配置作为回退,Cline 里切换回来通常只改 Provider 一项。
最后,Cline 和 Ollama 都还在迭代,设置面板的字段名称、默认 Base URL、默认上下文长度都可能变化。遇到和本文描述不一致的地方,以你本机界面上实际存在的字段为准,判断顺序(先服务层、再网络、最后客户端字段)不会变。