本地免費AI代碼工具：Goose + Qwen3

Jack Dorsey是Twitter（現名X）、Square（現名Block）和Bluesky的創始人。今年7月，他在X上發布了一條頗為神秘的聲明："goose + qwen3-coder = wow"。

從那時起，人們對Goose和Qwen3-coder的興趣不斷增長。Goose由Dorsey的公司Block開發，是一個開源智能體框架，類似于Claude Code。Qwen3-coder是一個專注于編程的大語言模型，類似于Sonnet-4.5。兩者都是免費的。

互聯網上的說法是，它們結合在一起可以創建一個完全免費的Claude Code競爭對手。但真的可以嗎？我決定親自驗證一下。

本文是探討Goose（智能體框架）、Ollama（大語言模型服務器）和Qwen3-coder（大語言模型）集成的三篇文章中的第一篇。

在本文中，我將展示如何讓所有工具正常運行。在下一篇文章中，我將深入解釋這三個工具在AI智能體編程過程中各自扮演的角色。最后，我將嘗試使用這些工具構建一個功能完整的iPad應用程序。

好，讓我們開始吧。我在Mac上構建，但你也可以在Windows或Linux機器上安裝這三個工具。

安裝步驟

你需要先下載Goose和Ollama。稍后將在Ollama中下載Qwen3-coder模型。

我最初先下載并安裝了Goose，但無法讓它與Ollama通信。你能猜到我做錯了什么嗎？沒錯，我還沒有下載和設置Ollama。

我的建議是先安裝Ollama。我使用的是MacOS，但你可以使用任何你喜歡的系統。你也可以安裝命令行版本的Ollama，但我更喜歡應用程序版本。

下載Ollama后，雙擊安裝程序。應用程序加載后，你會看到一個類似聊天的界面。右側會顯示模型，我的默認是gpt-oss-20b。

點擊它，會彈出一個模型列表。我選擇了Qwen3-coder:30b，其中30b指的是模型參數數量。這是一個經過編碼優化的模型，擁有約300億個參數。

注意，模型在被要求回答提示之前不會下載。我輸入了"test"這個詞，模型就開始下載了。

請注意，這個模型有17GB，所以要確保你有足夠的存儲空間。這一要求凸顯了整個項目的一大優勢：你的AI是本地運行的，在你的機器上運行，你不會向云端發送任何內容。

安裝Qwen3-coder后，你需要讓Ollama實例對計算機上的其他應用程序可見。從菜單欄的Ollama菜單中選擇設置。

打開"Expose Ollama to the network"選項。我讓Ollama安裝在.ollama目錄中。這種方法會隱藏目錄，所以請記住那里有一個17GB的文件。

最后，我將上下文長度設置為32K。我的機器有128GB RAM，所以如果開始耗盡上下文，我會提高它。但我想看看這種方法在較小的上下文空間下效果如何。

另外請注意，我沒有登錄Ollama。你可以創建一個賬戶并使用一些云服務。但我們試圖完全免費且完全在本地計算機上完成，所以我盡可能避免登錄。

Ollama和Qwen3-coder的設置就是這樣。使用Goose時需要啟動并運行Ollama，但在此之后你可能不會與它有太多交互。

配置Goose

接下來，讓我們安裝Goose。運行安裝程序。與Ollama一樣，有多個Goose實現方式。我選擇了MacOS Apple Silicon桌面版本。

首次啟動Goose時，會看到歡迎屏幕。你有幾個配置選項，但由于我們要實現全免費設置，請轉到"Other Providers"部分并點擊"Go to Provider Settings"。

在這里，你會看到一個非常長的各種智能體工具和大語言模型列表。向下滾動，找到Ollama并點擊配置。

完成該步驟后，系統會要求你配置Ollama。這里我有點困惑，因為我以為"配置Ollama"意味著我實際上在配置Ollama。并非如此。你實際上是在配置連接，在這種情況下是連接到Ollama。

系統會要求你選擇一個模型。再次選擇qwen3-coder:30b。

選擇Ollama和qwen3-coder:30b后，點擊選擇模型。

恭喜你！你現在已經安裝并配置了一個在計算機上運行的本地編碼智能體。

使用體驗

與幾乎所有其他聊天機器人一樣，你需要在提示區域輸入提示。但首先，最好讓Goose知道你將使用的目錄。在我的初始測試中，我將Goose設置為從臨時文件夾工作。

作為測試，我使用了我的標準測試挑戰——構建一個簡單的WordPress插件。在第一次運行中，Goose/Qwen3失敗了。它生成了一個插件，但無法工作。

在第二次和第三次嘗試中，在向Goose/Qwen3解釋了什么不起作用之后，它又失敗了兩次。

到第三次嘗試時，它運行了隨機化，但沒有完全遵循指示，這在某種程度上違背了原始插件的全部目的。

Goose花了五輪才做對，而且它對自己預期的正確性非常滿意。

我對這種方法的看法是什么？Goose花了五次嘗試才讓我的小測試正常工作，我對此感到失望。當我用這個任務測試一堆免費聊天機器人時，除了Grok和早期版本的Gemini，所有機器人都在第一次嘗試時就完成了我的小測試。

但聊天機器人編碼和智能體編碼之間的一個重大區別是，像Claude Code和Goose這樣的智能體編碼工具可以處理實際的源代碼。因此，重復修正確實會改進實際的代碼庫。

我的同事Tiernan Ray在他的16GB M1 Mac上嘗試Ollama時，發現性能難以忍受。但我在配備128GB RAM的M4 Max Mac Studio上運行這個設置。我甚至同時打開了Chrome、Fusion、Final Cut、VS Code、Xcode、Wispr Flow和Photoshop。

到目前為止，我只運行了一個相當簡單的編程測試，但我發現整體性能相當不錯。我沒有看到在我的Mac Studio上運行Goose的本地實例與使用AI公司龐大基礎設施的本地/云混合產品（如Claude Code和OpenAI Codex）在提示響應時間上有明顯差異。

但這些仍然是第一印象。一旦我用一個大項目進行測試，我將能夠更好地告訴你，我是否認為這個免費解決方案可以取代昂貴的替代品，如Claude Code的每月100美元Max計劃或OpenAI的每月200美元Pro計劃。

你是否嘗試過使用Goose、Ollama或Qwen等工具在本地運行專注于編碼的大語言模型？設置進展如何，你在什么硬件上運行？如果你使用過Claude或OpenAI Codex等云選項，本地性能和輸出質量相比如何？請在下面的評論中告訴我們。

Q&A

Q1：Goose和Qwen3-coder是什么？它們是免費的嗎？

A：Goose是由Block公司開發的開源智能體框架，類似于Claude Code。Qwen3-coder是一個專注于編程的大語言模型，類似于Sonnet-4.5。兩者都是完全免費的，可以在本地計算機上運行，不需要向云端發送任何數據。

Q2：使用Goose和Qwen3-coder需要什么樣的硬件配置？

A：這取決于你的使用需求。測試顯示，在16GB RAM的M1 Mac上性能可能難以忍受，但在配備128GB RAM的M4 Max Mac Studio上運行流暢。Qwen3-coder:30b模型大小為17GB，所以至少需要足夠的存儲空間。建議使用性能較好的硬件以獲得更好的體驗。

Q3：Goose和Qwen3-coder的編碼效果如何？能替代付費工具嗎？

A：在初步測試中，Goose需要五次嘗試才能完成一個簡單的WordPress插件，表現不如某些免費聊天機器人。但智能體編碼工具的優勢在于可以直接處理源代碼，重復修正會改進代碼庫。從響應速度看，本地運行與Claude Code等付費工具差異不大。是否能完全替代付費工具還需要更大項目的驗證。