Aider z lokalnymi modelami: konfiguracja i modele, które naprawdę działają

Autor: Jakub Rusinowski · Ostatnia aktualizacja 2026-08-04 · Wartości sprzętowe wyliczone naszym silnikiem VRAM

Wyceluj Aidera w Ollamę poleceniem `aider --model ollama_chat/qwen3.6:27b`, a zadziała w całości lokalnie — bez klucza API, bez wypuszczania kodu z maszyny, z każdą zmianą jako odwracalnym commitem gita. Haczyk: Aider zależy od tego, czy model trzyma się ścisłych formatów edycji, więc nagradza klasę od 22B wzwyż (Qwen 3.6 27B, Devstral-2 22B); poniżej niej licz się z zepsutymi edycjami na tyle często, by to irytowało.

Aider to terminalowy partner do pary programowania: mapuje twoje repozytorium, przyjmuje polecenia zwykłym językiem i nakłada edycje modelu jako czyste commity gita. Ta zrośnięta z gitem pętla jest przy lokalnych modelach *cenniejsza* niż przy tych z czołówki — gdy mniejszy model raz na jakiś czas sknoci edycję, git revert czyni pomyłkę darmową.\n\nDruga strona medalu: Aider przekazuje edycje przez ustrukturyzowane formaty (diffy albo bloki szukaj-i-zamień), a wyprodukowanie ich *dokładnie* to test zdolności, którego wiele małych modeli nie zdaje. Ta strona to konfiguracja specyficzna dla lokalnej pracy plus uczciwa lista modeli. Czym Aider różni się od Continue, Cline i Tabby'ego, opisuje macierz narzędzi.

1. Zainstaluj Aidera i potwierdź, że Ollama serwuje

python -m pip install aider-install && aider-install
curl http://localhost:11434   # → "Ollama is running"

Aider to narzędzie CLI w Pythonie; konfigurację Ollamy od zera opisuje nasz przewodnik instalacji.

2. Pobierz model, który poradzi sobie z formatami edycji

Lista progów, z naszych testów i z matematyki dopasowania w silniku obliczeniowym:\n\n```bash

karta 24 GB — próg niezawodny

ollama pull qwen3.6:27b

karta 16 GB — podłoga dla pewnych edycji

ollama pull devstral:22b

karta 8 GB — działa, licz się z ponowieniami przy złożonych edycjach

ollama pull qwen3-coder:8b

Pełne uzasadnienie progów w [przewodniku po modelach](/guides/coding-agents/best-local-coding-models).

3. Uruchom Aidera przeciw lokalnemu endpointowi

export OLLAMA_API_BASE=http://localhost:11434
aider --model ollama_chat/qwen3.6:27b

Przedrostek ollama_chat/ ma znaczenie — dzięki niemu używana jest obsługa szablonu czatu Ollamy. Zapisz ten wybór na stałe w .aider.conf.yml w katalogu głównym repozytorium, żeby samo aider go podchwyciło:\n\n```yaml model: ollama_chat/qwen3.6:27b

4. Podnieś okno kontekstu — Aider go potrzebuje

Mapa repozytorium Aidera razem z zawartością plików błyskawicznie rozsadza domyślny kontekst Ollamy, a ucięty kontekst to przyczyna numer jeden zgłoszeń „model zignorował połowę moich plików”. Ustaw kontekst jawnie:

# .aider.conf.yml
model-settings:
  - name: ollama_chat/qwen3.6:27b
    extra_params:
      num_ctx: 16384

Pamiętaj o koszcie w VRAM-ie: cache KV rośnie razem z kontekstem — kalkulator pokaże dokładnie, ile zapasu ma twoja karta przy 16K, a ile przy 32K.

5. Pracuj małymi prośbami zakotwiczonymi w testach

Lokalny Aider nagradza dyscyplinę: jedna skupiona zmiana na wiadomość („dodaj logikę ponowień do fetch_data i zaktualizuj jej test”), pozwól mu zacommitować, przejrzyj diff, jedź dalej. Gdy edycja spudłuje, użyj /undo (albo zwykłego gita). Przy obecnym zestawie testów aider --auto-test domyka pętlę — model widzi porażki i iteruje, co lokalnym modelom wychodzi na dobre, bo dostają konkretne sprzężenie zwrotne zamiast otwartych poleceń.

Najczęstsze pytania

Co dalej

• Instalacja Ollamy — endpoint pod tym wszystkim
• Długość kontekstu i OOM cache'u KV — awaria, którą warto znać
• Budowanie autonomicznych agentów na lokalnych modelach
• Continue, Cline, Aider czy Tabby: macierz lokalnych narzędzi do kodowania
• Cline z lokalnymi modelami: co naprawdę działa (i co nie)
• Najlepsze lokalne LLM-y do kodowania w 2026, według progu VRAM
• Terminalowe agenty kodujące na lokalnych modelach: OpenCode, Qwen Code, Aider i spółka
• Loop engineering na lokalnym LLM-ie: pętle agenta, które same sprawdzają swoją pracę
• Lokalny asystent kodowania — cały dział