Aider 终端结对编程实战：把本地 Ollama 变成写代码的 AI 搭档

最近 AI 编程工具风头正劲，Cursor、Windsurf、Claude Code 各有各的拥趸。但玩自部署的人心里都清楚一件事：代码是你的核心资产，把它一股脑上传到别人的云端，心里总归不踏实。今天大叔给大家介绍一个能跑在本地、还能直接接上你自己 Ollama 模型的终端结对编程工具——Aider。全程命令行，代码不离开你的机器，隐私和效率两头都占。

为什么是 Aider，而不是云 IDE

Aider 是一个开源的 AI 结对编程工具，跑在终端里，和 Vim、Emacs 或者你常用的编辑器无缝配合。它最聪明的地方在于「仓库感知」：会自动分析你当前 Git 仓库的结构，把相关代码片段拼进上下文，再配合大模型帮你改代码。改完之后，它不像聊天机器人那样只会「说」，而是直接落盘、生成 diff，还能顺手帮你提交 Git commit。

相比云端的 AI IDE，Aider 有三个让我无法拒绝的理由：第一，本地优先，代码和上下文都在自己机器上流转；第二，模型自由，想接 Ollama 就接 Ollama，想接云端 API 也能秒切；第三，和 Git 深度绑定，每一步改动都可追溯、可回退，这恰恰是长期维护项目最需要的安全感。

安装：一分钟搞定

安装 Aider 我强烈推荐用之前给大家安利过的 uv，它会把 Aider 装进隔离环境，不污染系统 Python：

uv tool install --python 3.12 aider-chat

没有 uv 的话，用 pip 也行：

pip install aider-chat

装完之后，在任意 Git 项目目录下敲 aider 就能进入交互界面。首次启动会引导你配置模型，我们直接跳过云端的默认选项，接本地的 Ollama。

接上本地 Ollama：代码不离开机器

先确认 Ollama 在跑，然后拉一个能打的编程模型。别贪便宜用通用聊天模型，改代码这件事得让专门为代码训练的模型来：

ollama pull qwen3-coder:30b

启动 Aider 时指定模型即可。注意这里的命名规则：Aider 通过 LiteLLM 兼容层连 Ollama，模型名要写成 ollama_chat/ 开头（对话模型）或 ollama/ 开头（补全模型）：

aider --model ollama_chat/qwen3-coder:30b

嫌每次敲参数麻烦，就在项目根目录建一个 .aider.conf.yml，一劳永逸：

model: ollama_chat/qwen3-coder:30b

这样以后进目录敲 aider，它就自动用你本地的模型了。DeepSeek-Coder 系列也是好选择，视你的显存和偏好而定。

核心用法：记住这几个命令就够用

Aider 的交互方式很直白，核心就是「加文件 → 提需求 → 看 diff → 提交」这条流水线。几个常用命令记牢：

• /add 文件名：把文件加入上下文，Aider 才会去读它、改它
• /ask 问题：只提问、不改代码，适合先摸清代码结构
• 直接说需求：Aider 会理解你的意图，改代码并给出 diff
• /diff：查看本次改动
• /undo：回退上一步操作
• /commit：手动触发一次 Git 提交

这里有个新手最容易踩的坑：没 /add 文件就开始提需求。Aider 默认不会去读你仓库里的所有文件，你得主动把它关心的文件加进来，它才会把相关内容喂给模型。

实战演示：给 FastAPI 加一个限流中间件

光说不练假把式。假设你手头有个 FastAPI 项目，想加一个基于 Redis 的 IP 限流中间件。在项目目录启动 Aider 后，先把入口文件加进来：

/add app/main.py

然后直接用人话提需求：

给 app 加一个基于 Redis 的简单 IP 限流中间件，超过每秒 10 次就返回 429

Aider 会做这几件事：读取 main.py 的结构 → 生成中间件代码 → 写入文件 → 在终端里显示完整的 diff → 提示你确认提交。你逐行看过 diff、确认没问题后，它帮你自动生成一条带描述的 Git commit。

整个过程你不需要离开终端，也不需要手动复制粘贴任何代码。这就是它和「问 ChatGPT 要一段代码再自己贴」之间最本质的差距——它能直接操作你的文件系统，并且每一步都有 diff 留痕。

避坑指南：本地跑编程模型的五个关键点

大叔把踩过的坑给你摊开，照着做能少走很多弯路：

• 模型选型：本地模型务必选「编程向」的，Qwen3-Coder、DeepSeek-Coder 这类专门为代码优化的才靠谱。30B 级别起步，7B 小模型改复杂逻辑基本是灾难。
• 上下文管理：Aider 靠 repo map 自动挑相关文件，但你要主动 /add 关键文件。文件加太多反而稀释模型注意力，精准比贪多重要。
• 架构模式：Aider 有个 --architect 模式，让一个模型先做规划、另一个模型负责写代码，大项目里能明显减少返工。
• 显存匹配：本地跑编程模型，显存是硬约束。30B 的 GGUF 量化版在 24GB 卡上能跑动，但别指望并发改多个任务，一次一个最稳。
• 养成看 diff 的习惯：AI 改的代码不是每一行都对，diff 是你最后一道防线，永远别闭着眼提交。

写在最后

Aider 不是要取代你手头的 IDE，它是给终端党和自部署玩家的一条新路子——本地模型 + 仓库感知 + 自动提交，把「写代码」这件私密的事真正留在自己机器上。配合你手头的 Ollama 和一块像样的显卡，就能搭出一个完全属于自己的 AI 编程环境。

有兴趣的朋友不妨今晚就试起来，从一个小项目的重构开始，感受一下「本地模型替你改代码」的踏实感。下期大叔再聊聊 Aider 的 architect 模式和更进阶的多模型工作流，我们不见不散。