Cómo configurar CodeGPT con Ollama para ejecutar asistencia de código local sin enviar datos a APIs externas

Los equipos de ingeniería que operan en sectores altamente regulados como la tecnología financiera (fintech), la salud, la defensa y el desarrollo corporativo se enfrentan a un mandato de seguridad ineludible: el código fuente privativo y la propiedad intelectual jamás deben salir de los límites de la organización. Aunque los asistentes de programación basados en la nube ofrecen mejoras significativas de productividad, enviar fragmentos de repositorios, algoritmos internos y esquemas de bases de datos a través de APIs de proveedores SaaS externos vulnera las normativas de protección de datos y las políticas de cumplimiento corporativo.

Para aprovechar la inteligencia artificial sin comprometer la confidencialidad del código, los desarrolladores pueden combinar la extensión CodeGPT en Visual Studio Code con Ollama. CodeGPT proporciona la interfaz nativa dentro del editor para la generación de código, consultas técnicas y autocompletado en línea, mientras que Ollama ejecuta modelos abiertos directamente en el hardware local mediante un endpoint HTTP en el bucle invertido (http://localhost:11434). Cada token generado y cada línea procesada permanecen estrictamente confinados en la máquina del usuario.

Comparativa de arquitectura: Asistentes en la nube vs. Ejecución local con Ollama

Analizar la diferencia fundamental entre los servicios de IA alojados en la nube y la combinación de CodeGPT con Ollama permite comprender por qué esta configuración satisface los requisitos de auditorías de seguridad y entornos aislados (air-gapped):

Cuando se vincula CodeGPT a Ollama, la extensión envía solicitudes estándar en formato JSON a la interfaz local. Ollama carga los pesos del modelo en la memoria VRAM de la GPU o en la memoria unificada del sistema, procesa el contexto del editor y devuelve las respuestas directamente a VS Code a través del puerto local.

Selección de modelos de código y dimensionamiento de hardware

El volumen de parámetros del modelo determina tanto la velocidad de respuesta como la sofisticación sintáctica de las sugerencias. Conviene elegir el modelo adecuado según las especificaciones técnicas del equipo:

1. Qwen2.5-Coder (7B / 14B): Uno de los modelos más avanzados en precisión multilenguaje, refactorización y generación de pruebas unitarias. La versión 7B se ejecuta con gran fluidez en máquinas con 16 GB de RAM o tarjetas gráficas con 8 GB de VRAM.
2. DeepSeek-Coder (6.7B / 1.3B): Reconocido por su sólida capacidad algorítmica y comprensión de dependencias complejas en el proyecto.
3. Codestral (22B): Modelo especializado de Mistral optimizado para programación con ventanas de contexto amplias; idóneo para estaciones de trabajo con 24 GB o más de VRAM o equipos Mac con 32 GB de memoria unificada.
4. Qwen2.5-Coder (1.5B / 3B): Destaca por su latencia ultrabaja, lo que lo convierte en la opción predilecta para el autocompletado en línea instantáneo (ghost text).

Paso 1: Instalar Ollama y descargar el modelo de código

Descargue Ollama según la plataforma de trabajo:

• macOS / Linux: Instálelo mediante el instalador oficial o a través de administradores de paquetes del sistema.
• Windows: Descargue el paquete ejecutable desde ollama.com para que el servicio se inicie en segundo plano.

Tras la instalación, verifique en la terminal que el daemon se encuentra operativo:

ollama --version

Descargue el modelo deseado mediante la instrucción ollama pull (este comando almacena los pesos sin iniciar una sesión interactiva en la consola):

# Descarga el modelo equilibrado para desarrollo general
ollama pull qwen2.5-coder:7b

# (Opcional) Descarga un modelo ultraligero para autocompletado instantáneo
ollama pull qwen2.5-coder:1.5b

Compruebe los modelos disponibles en el sistema local:

ollama list

Paso 2: Personalizar la ventana de contexto mediante un Modelfile

El análisis de código requiere procesar suficiente contexto (importaciones de librerías, tipado estático, definiciones de funciones adyacentes y comentarios). Por defecto, muchos modelos en Ollama inician con ventanas de contexto reducidas (2.048 o 4.096 tokens) para no saturar la memoria.

Para una asistencia de código productiva, aumente el contexto a 8.192 o 16.384 tokens mediante un Modelfile personalizado:

1. Cree un archivo de texto llamado Modelfile (sin extensión) en una carpeta local:

FROM qwen2.5-coder:7b

# Ampliar la ventana de contexto a 8192 tokens
PARAMETER num_ctx 8192

# Reducir la temperatura para obtener código determinista y sin errores de sintaxis
PARAMETER temperature 0.2

# Calibrar el muestreo estocástico
PARAMETER top_p 0.95

2. Compile el modelo personalizado en su terminal:

ollama create my-local-coder -f ./Modelfile

También es posible definir la variable de entorno OLLAMA_CONTEXT_LENGTH=8192 antes de arrancar el servicio. Tenga en cuenta que ventanas de contexto mayores consumen una cantidad superior de memoria caché KV.

Paso 3: Instalar y vincular CodeGPT en Visual Studio Code

1. Abra Visual Studio Code.
2. Ingrese a la vista de extensiones (Ctrl+Shift+X en Windows/Linux, Cmd+Shift+X en macOS).
3. Busque CodeGPT (DanielSanMedium.dscodegpt) y presione Instalar.
4. Haga clic en el icono de CodeGPT en la barra de actividad izquierda (o ejecute Ctrl+Shift+P y busque CodeGPT: Focus on Chat View).
5. Abra el panel de configuración de modelos haciendo clic en el icono de engranaje o en Manage my AI Models.
6. En las categorías de proveedores, seleccione la pestaña Local LLMs.
7. En el menú desplegable Provider, seleccione Ollama.
8. Ingrese o confirme la dirección URL del servidor local:

http://localhost:11434

(Si su equipo utiliza una estación de trabajo compartida en la intranet corporativa con aceleración GPU, configure la IP privada correspondiente, por ejemplo: http://192.168.1.100:11434).

9. En la lista desplegable de Model, elija el modelo descargado (como qwen2.5-coder:7b o my-local-coder).
10. Haga clic fuera del cuadro para guardar los cambios. CodeGPT validará la conexión con el endpoint de Ollama.

Paso 4: Habilitar el chat de asistencia y el autocompletado en línea

CodeGPT brinda dos flujos de trabajo principales: interacción en el panel lateral y autocompletado automático de código.

Panel lateral y refactorización guiada

Seleccione un bloque de código en el editor y consulte a CodeGPT mediante comandos directos:

• Generación de conjuntos de pruebas unitarias.
• Explicación de lógica empresarial intrincada y dependencias antiguas.
• Diagnóstico de excepciones y trazas de error en tiempo de compilación o ejecución.

Configuración de autocompletado (Autocomplete)

1. En el menú lateral de CodeGPT, localice la opción Autocomplete.
2. Conmute el estado a ON.
3. Asigne un modelo ligero para esta función (como qwen2.5-coder:1.5b o deepseek-coder:base) para que las sugerencias en texto atenuado aparezcan con latencia mínima mientras escribe.
4. Ajuste los parámetros Suggestion Delay y Max Tokens según la capacidad de procesamiento de su equipo.

Paso 5: Verificación de seguridad y aislamiento de red

En entornos corporativos con requerimientos estrictos de confidencialidad, aplique las siguientes comprobaciones para garantizar que no existe fuga de datos:

1. Desactivar la telemetría de Visual Studio Code

Evite que el editor envíe estadísticas de uso a servidores externos:

1. Abra la configuración de VS Code (Ctrl+, o Cmd+,).
2. Busque telemetry.telemetryLevel.
3. Ajuste el valor a off.

2. Bloquear Ollama en la interfaz loopback

Ollama escucha de manera predeterminada en 127.0.0.1:11434. No configure la variable OLLAMA_HOST en 0.0.0.0 a menos que sea estrictamente necesario compartir la instancia, evitando así accesos no autorizados desde otros dispositivos conectados a la misma red local.

3. Prueba de funcionamiento sin conexión (Air-gapped Test)

1. Desconecte el cable de red y apague el adaptador Wi-Fi de su equipo (o aplique una regla de bloqueo de salida en el firewall).
2. Abra un archivo de desarrollo en VS Code.
3. Solicite a CodeGPT una refactorización y comience a escribir para activar el autocompletado.
4. Compruebe que las respuestas se generen de manera normal. Si el sistema responde con fluidez sin conexión a internet, se confirma que el entorno opera con aislamiento absoluto y sin filtración de código.

Solución de problemas frecuentes

• Error de conexión rechazada (Connection Refused): Verifique que Ollama esté ejecutándose en segundo plano. En Windows y macOS revise el icono en la barra de tareas; en Linux ejecute curl http://localhost:11434.
• Conflictos de políticas CORS: Si la vista web de la extensión reporta bloqueos de origen cruzado, defina la variable de entorno OLLAMA_ORIGINS="*" antes de reiniciar el servicio de Ollama.
• Degradación drástica del rendimiento: Si la generación de texto se vuelve excesivamente lenta, es probable que el tamaño del modelo supere la VRAM de la GPU, provocando que los pesos se deriven a la memoria RAM de la CPU. Para corregirlo, elija un modelo con menor cantidad de parámetros o reduzca el parámetro num_ctx en el Modelfile.

Referencias

• Ollama | CodeGPT
• CodeGPT: AI Coding Agents & Chat - Visual Studio Marketplace
• Ollama · Run AI models locally and in the cloud
• GitHub - ollama/ollama: Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other models. · GitHub