Autumn vibes. Как я с кодингом с помощью LLM знакомился

👋 Привет, Хабр!

Сегодня хочу поделиться своим опытом работы с локальными LLM (Large Language Models). Это что-то вроде GitHub Copilot, только без подписки, оффлайн и с контролем над своими данными.

Зачем вообще связываться с локальными LLM?

У многих часто одни и те же страхи будь это локальная или облачная модель:

• «Это слишком сложно».

• «Оно съест всю оперативку».

• «А вдруг мой код утечёт в облако».

• «Да оно будет писать чушь».

На деле, уже сегодня можно запустить модель в 7B параметров на обычном MacBook или ноутбуке с 16 GB RAM.

И получить вполне рабочего помощника для кода, тестов и рефакторинга.

Облачные vs локальные модели

Как читать названия моделей

Пример:

qwen2.5-coder:7b-instruct-q4_K_S

• qwen2.5 — семейство моделей (Alibaba).

• coder — обучена на коде.

• 7b — размер (7 миллиардов параметров).

• instruct — дообучена под инструкции.

• q4_K_S — квантовка (сжатие до ~4 bit, влезает даже на слабый ноут).

Какие модели выбрать под ноутбук

• 16 GB RAM, без дискретки → Gemma 3:4B, Mistral 7B (q4).

• 16–32 GB RAM, GPU 6–8 GB → Qwen2.5-coder:7B, DeepSeek R1:8B.

• 32–64 GB RAM, GPU ≥12 GB → Qwen2.5 14B, Mistral Medium.

• MacBook Pro M3/M4 → можно запускать до 70B моделей.

Главное — брать quant-версии (Q4/Q5), они оптимизированы для домашних машин.

Установка Ollama

Самый простой способ запустить LLM локально:

curl -fsSL https://ollama.com/install.sh | sh ollama pull qwen2.5-coder:7b-instruct-q4_K_S ollama run qwen2.5-coder:7b-instruct-q4_K_S

После этого модель доступна на http://localhost:11434 через API.

Подключение к IntelliJ IDEA через Continue

Теперь сделаем из модели «копилота». Плагин Continue поддерживает JetBrains IDE и Ollama.

1. Установи плагин Continue в IntelliJ IDEA.

2. Настрой плагин: укажи локальную модель из Ollama.

3. Теперь можно:

   • получать inline-подсказки;

   • объяснять выделенный код;

   • рефакторить классы;

   • генерировать тесты.

Пример: рефакторинг с Continue

Исходный код (с ошибкой):

public int factorial(int n) {     if (n == 0) return 0;     else return n * factorial(n - 1); }

Запрос:

Исправь ошибку в функции factorial

Результат:

public int factorial(int n) {     if (n == 0 || n == 1) return 1;     else return n * factorial(n - 1); }

Всё, ошибка исправлена.

Клятва вайб-кодера

Я клянусь не бояться нейросетей, дружить с ними и писать код легко. Да пребудет со мной вайб, а мой ноутбук станет умнее! 🚀

Итоги

• Локальные LLM можно запустить на обычном ноутбуке.

• Ollama + Continue = твой личный локальный Copilot.

• Никаких подписок и утечек кода.

• Вайб-кодинг = минимум стресса, максимум кайфа от работы.

Расписывать длинные простыни тут не буду — ссылка на реп с подробностями ниже:  GitHub — vibe-coding