Coding From the Himalayas With an Offline AI Agent — 在喜马拉雅山麓断网写代码：作者用 OpenCode + Ollama + Qwe

• 作者住在喜马拉雅山麓，常遇断网断电，于是把 OpenCode 接到本机 Ollama 上的 Qwen3.5 9B，先下载模型再断网跑任务：读文件、查失败测试、改代码、跑测试都能离线完成，只有装新包和查网页仍需联网。对 agent 工具链的含义是：本地推理 + 本地项目依赖已足以支撑一条受限但完整的编码回路。
• 选型依据是 Qwen 模型卡公布的数据：Qwen3.5 9B 在 LiveCodeBench v6 得 65.6、BFCL-V4 得 66.1，均高于 4B 的 55.8 和 50.3；9B 下载约 6.6–7.6 GB，但内存预算需 12–16 GB，64k 上下文配置还要留更多余量。含义是本地 agent 的瓶颈常在内存与上下文预算，而非模型文件大小。
• 引用的预印本 The Scaffold Effect 在 50 个 Terminal-Bench Pro 任务上比较 OpenCode、Goose、OpenHands-SDK，OpenCode 通过率 50%/46%，但每解决一题消耗的 token 约为 Goose 的 40 倍，作者也提醒多数差异在统计上并不显著。含义是 scaffold 的 token 成本应纳入 agent 选型评估。

原文：Coding From the Himalayas With an Offline AI Agent · 作者 Latent Space