Como Configurar o CodeGPT com Ollama para Assistência de Código Local sem Envio a APIs Externas

Equipes de engenharia de software em setores como tecnologia financeira (fintech), saúde, governo e grandes corporações operam sob diretrizes intransigentes de conformidade: código-fonte proprietário e propriedade intelectual nunca podem cruzar os limites da rede corporativa. Embora assistentes de código baseados em nuvem ofereçam expressivos ganhos de produtividade, enviar trechos de repositórios, segredos de negócio e esquemas estruturais para APIs comerciais de terceiros viola legislações de privacidade e políticas internas de segurança.

A solução definitiva para manter o ganho de produtividade sem comprometer a integridade dos dados é integrar a extensão CodeGPT no Visual Studio Code com o Ollama. O CodeGPT atua como a interface nativa no editor para geração de código, refatoração e autocompletar em tempo real, enquanto o Ollama executa modelos de pesos abertos diretamente no hardware da estação de trabalho através de um endpoint local (http://localhost:11434). Nenhum token gerado e nenhum trecho de código trafega pela internet.

Comparativo de Arquitetura: Nuvem vs. Execução Local com Ollama

Entender as diferenças fundamentais entre assistentes tradicionais e a abordagem local evidencia por que essa arquitetura atende às exigências de segurança corporativa e ambientes isolados (air-gapped):

Ao configurar o CodeGPT para utilizar o provedor Ollama, a extensão envia requisições JSON padronizadas diretamente para o daemon local. O Ollama carrega os parâmetros do modelo na memória de vídeo (VRAM) da GPU ou na memória RAM unificada, processa o contexto e responde via streaming local para o editor, eliminando qualquer risco de vazamento de dados.

Escolha do Modelo de Programação e Dimensionamento de Hardware

A quantidade de parâmetros do modelo dita a capacidade de raciocínio lógico e a velocidade de inferência. Selecione o modelo compatível com os recursos da sua estação:

1. Qwen2.5-Coder (7B / 14B): Modelo de referência em código multilíngue, com excelente precisão para refatoração e geração de testes unitários. A variante de 7B roda com fluidez em sistemas com 16 GB de RAM ou GPUs com 8 GB de VRAM.
2. DeepSeek-Coder (6.7B / 1.3B): Muito conceituado na resolução de problemas algorítmicos e mapeamento de dependências no projeto.
3. Codestral (22B): Modelo de alto calibre desenvolvido pela Mistral para engenharia de software com ampla janela de contexto; recomendado para máquinas com 24 GB+ de VRAM ou Macs com 32 GB+ de memória unificada.
4. Qwen2.5-Coder (1.5B / 3B): Latência mínima por token, tornando-se a melhor alternativa para sugestões automáticas inline (ghost text) durante a digitação.

Passo 1: Instalação do Ollama e Obtenção do Modelo

Instale o Ollama conforme o sistema operacional em uso:

• macOS / Linux: Baixe o instalador oficial ou utilize scripts de instalação direta via terminal.
• Windows: Execute o instalador oficial obtido em ollama.com para iniciar o serviço na bandeja do sistema.

Após a instalação, confirme no terminal que o serviço está ativo:

ollama --version

Baixe o modelo de programação escolhido com o comando ollama pull (este comando apenas faz o download dos pesos, sem iniciar uma sessão interativa no console):

# Baixar o modelo principal equilibrado para desenvolvimento
ollama pull qwen2.5-coder:7b

# (Opcional) Baixar o modelo ultrarrápido para autocompletar em tempo real
ollama pull qwen2.5-coder:1.5b

Confira os modelos instalados localmente:

ollama list

Passo 2: Ajuste da Janela de Contexto via Modelfile

A análise de código-fonte requer uma janela de contexto substancial para processar declarações de tipos, módulos importados e anotações. Por padrão, muitos modelos no Ollama inicializam com janelas conservadoras (2.048 ou 4.096 tokens) para poupar memória.

Para um suporte de desenvolvimento robusto, expanda o contexto para 8.192 ou 16.384 tokens utilizando um Modelfile customizado:

1. Crie um arquivo de texto denominado Modelfile (sem extensão) em qualquer diretório:

FROM qwen2.5-coder:7b

# Expandir janela de contexto para 8192 tokens
PARAMETER num_ctx 8192

# Reduzir temperatura para obter código determinístico e sintaticamente correto
PARAMETER temperature 0.2

# Ajustar amostragem
PARAMETER top_p 0.95

2. Compile o modelo customizado no terminal:

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

Também é possível definir a variável de ambiente OLLAMA_CONTEXT_LENGTH=8192 antes da inicialização do serviço. Lembre-se de que janelas de contexto maiores alocam mais memória para o cache KV.

Passo 3: Instalação e Configuração do CodeGPT no VS Code

1. Abra o Visual Studio Code.
2. Acesse a aba de Extensões (Ctrl+Shift+X no Windows/Linux, Cmd+Shift+X no macOS).
3. Procure por CodeGPT (DanielSanMedium.dscodegpt) e clique em Instalar.
4. Abra o painel do CodeGPT na barra de atividades lateral ou pressione Ctrl+Shift+P / Cmd+Shift+P e digite CodeGPT: Focus on Chat View.
5. Clique no ícone de engrenagem ou selecione Manage my AI Models na parte superior da interface do CodeGPT.
6. Na aba de categorias, alterne para Local LLMs.
7. No seletor Provider, escolha Ollama.
8. No campo Server URL, confirme o endereço local padrão:

http://localhost:11434

(Caso o Ollama esteja hospedado em um servidor dedicado na rede interna da empresa, insira o IP interno correspondente, como http://192.168.1.100:11434).

9. No menu Model, selecione o modelo baixado (como qwen2.5-coder:7b ou my-local-coder).
10. Clique fora do painel para aplicar as alterações. O CodeGPT estabelecerá a comunicação local com o Ollama.

Passo 4: Habilitação de Chat e Autocompletar Inline

O CodeGPT oferece suporte a dois fluxos de trabalho essenciais: assistência interativa no painel lateral e preenchimento de código inline.

Painel Lateral e Refatoração de Código

Selecione qualquer trecho no arquivo ativo e utilize os recursos do CodeGPT para:

• Criar suítes de testes unitários com base na lógica local.
• Explicar o funcionamento de funções complexas ou sistemas legados.
• Identificar falhas de compilação ou rastrear exceções em tempo de execução.

Configuração do Autocompletar (Autocomplete)

1. No menu lateral do CodeGPT, acesse a seção Autocomplete.
2. Ative a funcionalidade alternando para ON.
3. Selecione um modelo leve para essa tarefa (como qwen2.5-coder:1.5b ou deepseek-coder:base), garantindo que o texto fantasma (ghost text) apareça com baixa latência enquanto você digita.
4. Ajuste os campos Suggestion Delay e Max Tokens de acordo com a capacidade do seu processador ou placa de vídeo.

Passo 5: Hardening Corporativo e Validação Offline

Para assegurar a conformidade em auditorias de segurança, realize as seguintes validações:

1. Desativar a Telemetria do Visual Studio Code

Garanta que o próprio editor não envie métricas de uso para servidores remotos:

1. Abra as Configurações do VS Code (Ctrl+, ou Cmd+,).
2. Pesquise por telemetry.telemetryLevel.
3. Altere o valor para off.

2. Manter Ollama Vinculado Somente ao Loopback

Por padrão, o Ollama responde apenas em 127.0.0.1:11434. Evite definir a variável OLLAMA_HOST como 0.0.0.0 em máquinas individuais de trabalho, impedindo que outros dispositivos na rede local tenham acesso ao serviço.

3. Teste em Modo Desconectado (Air-gapped)

1. Desconecte o cabo de rede Ethernet e desative o adaptador Wi-Fi da máquina (ou bloqueie o tráfego de saída por regra de firewall).
2. Abra um arquivo de projeto no VS Code.
3. Envie uma pergunta técnica ao CodeGPT e digite algumas linhas para disparar o autocompletar.
4. Verifique que as respostas são geradas normalmente. O funcionamento pleno e sem falhas em modo offline comprova que não há dependência de tráfego de rede externo.

Diagnóstico de Problemas e Recomendações

• Conexão Recusada (Connection Refused): Confirme se o Ollama está em execução. No Windows e macOS, verifique a bandeja do sistema; no Linux, execute curl http://localhost:11434 no terminal.
• Erros de CORS: Se o painel interno da extensão acusar bloqueio de origem cruzada, defina a variável de ambiente OLLAMA_ORIGINS="*" antes de inicializar o Ollama.
• Queda Significativa de Velocidade: Se o tempo de resposta aumentar drasticamente, a memória VRAM da GPU pode ter esgotado, forçando o descarregamento (offload) de camadas para a memória RAM comum. Para sanar o gargalo, utilize um modelo com menos parâmetros (por exemplo, migrando de 14B para 7B, ou de 7B para 1.5B/3B) ou diminua o num_ctx no Modelfile.

Referências

• 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