摘要：去年下半年 cursor 非常火，让很多一行代码都不懂的小白，也可以做自己的网站和搭 App，当时一下子就引爆了独立开发的热潮。

去年下半年 cursor 非常火，让很多一行代码都不懂的小白，也可以做自己的网站和搭 App，当时一下子就引爆了独立开发的热潮。

不过每月20dollar的价格也不算便宜，这时候可以使用 cline , AIder composer + continue 之类的插件搭配其他大模型后端来实现，也能实现类似的效果。

AI编程现在主要有两种玩法，简单介绍下：

全自动模式（比如Cline、Aider这些工具）：你动嘴，AI动手。直接把需求甩给它就能生成代码，适合搞点小项目——比如做个单页网页、写个命令行工具啥的。不过目前技术还不太行，复杂项目容易翻车。

半自动模式（Copilot这种经典款）：你和AI组队写代码。你自己握方向盘，AI在旁边帮你补全代码、查漏补缺，相当于副驾驶随时递工具。

重点来了：只要不是全交给AI干，生成的代码千万别直接照单全收！最好开着Git这类版本控制工具，多commit几次。每次AI改完代码就拉出来对比看看，这样既能及时发现问题，又能避免代码越堆越乱——这算是用AI编程的保命小技巧了。

网上说 cline 非常烧 token （使用大模型需要付费，根据消耗的 token数量进行付费），我试了一下还真是，一个页面还没写完，我充了20块的某模型 token 就全都用完了……

试了下 cline 自动写代码，但花钱如流水，还不如我自己写呢…

上次部署了 DeepSeek 的蒸馏模型（原版671B，其他模型都是llama/qwen等开源模型蒸馏的），效果还可以，这时候可以拿来当 cline 的后端。

不过在默认配置下是无法使用的

会提示

这个提示的根本原因是 Cline 的工作模式，通常需要模型具备较强的“代理式”推理、分步骤思考、以及对复杂指令的理解和执行能力。相对而言，一些开源大模型（如 DeepSeek-R1 14B）可能在链式推理、代码解释或复杂上下文推断上还不够完备，或者对交互回合数、上下文格式都有所限制，因此在 Cline 这样的多回合 Agentic 插件下就容易“跟不上”，从而触发了“Cline is having trouble…”的警告信息。

从原理上来说，Cline 的交互流程是：

Cline 根据你的指令生成比较复杂、带有代理特征的 Prompt，其中包含“你是谁”“你的目标是什么”“你需要如何自省、复盘”等指导信息。

让模型多回合（多次）迭代思考，把每一次思考的内容和输出再用来生成后续回合的提示，从而不断 refine 解决方案。

如果模型无法很好地遵循或记住这些多回合的提示，或是对其中的指导指令理解不准确，就会出现答非所问、上下文混乱等情况。Cline 会侦测到这些现象并报错/提示不兼容等。

问题的核心在于默认的上下文长度（Context Length）太小，而 Cline 插件又需要保留较多的多轮对话上下文，导致模型没办法处理足够长的提示，从而出现 “Cline is having trouble…” 的提示。

在坚持使用 Ollama 的情况下，就只能通过调整上下文长度来解决这个问题了。（参考: https://github.com/deepseek-ai/DeepSeek-R1/issues/28）

上下文长度（Context Length）是什么？

所谓 “上下文长度” 指的是模型在一次推理过程中能记住并处理的 Token 数量上限（你可以把它简单理解为模型的“记忆容量”）。

如果这个容量不够，当你给模型多轮指令或大段文本时，后续部分会被截断或遗忘，所以任务可能无法被完整地理解和执行。

许多开源模型初始设置的上下文窗口往往是 2K、4K，如果 Cline 生成了长 Prompt 或者你跟它多次对话累积了很多历史信息，那么原先的 4K 上下文就很容易不足。

创建一个名为 deepseek-r1-14b-32k.ollama（文件名自定）的文件，放在哪里都行，Ollama 并不会强制你把它放在某个固定位置，只要命令行能找到该文件即可。

一旦你用 ollama create命令创建了新的模型，它就会被存储到 Ollama 的模型仓库，后续引用时只需要模型名称，不需要再关心这个文件在哪。

内容大致如下：

然后使用 Ollama 命令行把这个文件转为一个新的模型。例如：

完成后，就相当于你有一个带 32k 上下文窗口的 DeepSeek-R1 14B 模型副本。

下次在 Cline 中，将模型切换到这个 “deepseek-r1-14b-32k” 就可以使用 32k 的上下文容量，避免因为上下文不足导致的中途报错。

上一篇文章我把模型部署在服务器上

为了让本地能调用，需要使用SSH隧道转发一下。

点击右上角的齿轮按钮

在 API Provider 选择 Ollama，模型选择我们刚才创建的 deepseek-r1-14b-32k

设置完成之后点击「Done」保存

这里我让AI制作一个「新年祝福生成器」（参考小破站某up主的想法）

这里我用的提示词写得比较详细，把设计的细节都告诉AI，可以减少后续修改次数。

需要开发其他功能也可以把这篇提示词交给 DeepSeek ，让其参考。

输入提示词之后，就开始写代码了，可以看到代码一行行自动生成。

完成之后发现有标红的警告，别担心，AI会根据提示信息自动修改

生成出来的代码只能说一般，DeepSeek-14B 应该还是受到模型参数规模限制了。

首先是出现了以下代码

距离春节还有 {new Date.getDaysLeftToChineseNewYear} 天

但是却没有定义这个原型扩展方法。

然后是它对 tailwindcss 的认知很有限，说好的背景颜色并没有生效。

在我手动修复了 bug 之后，运行起来的页面长这样

但是也不能说 DeepSeek-14B 的代码能力就完全不行

很可能是因为 cline 插件的上下文太长了

我直接与模型对话，同样的需求，生成出来的代码直接就能 run

你可以用任何支持 OpenAI API 的客户端（如 Python openai库、LangChain、或各种开源/商用工具）去调用 LocalAI 的地址。

LocalAI 后台则会在本地加载 .bin 或 .gguf 模型，并用 CPU 或 GPU 进行推理，将结果以 OpenAI 兼容的 JSON 格式返回给客户端。

由于我这次使用的 cline 插件支持直接调用 Ollama，所以就不部署 LocalAI 了，有兴趣的同学可以自行尝试。

勉强能用，cline 需要消耗的 token 是真的多，我下次试试其他插件有没有改善。

关注我，一起探索AI带来的生产力变革。

来源：opendotnet