今天這篇教程介紹個人電腦，接入大模型的搭建方法。
首先，這種搭建方法在本地電腦也能流暢流行，因為使用了專家微調后的大模型，專門針對編程的，所以參數規模和計算資源消耗，都降到最小，一般電腦也能流暢的運行。
如下圖所示，我推薦的deepseek-coder編程大模型，參數尺寸只有776M，相比于通用大模型如qwen:7b和llama3:8b都有近5G的參數規模，可以說已經輕量級到極限：
其次，這種搭建方法是沒有費用的，推薦的方法包括Pycharm社區版，可以免費使用，deepseek-coder是開源的編程大模型，而CodeGPT插件也是免費。所以全都是免費的，并且沒有附帶費用。
再次，CodeGPT插件目前應該是支持開源大模型編程最好的插件之一了，大家看完這篇教程，就知道它的界面使用非常小白，看完教程大家直接就能在本地借助大模型更好學習Python起來了。
如下圖所示，接入Pycharm后，可以直接在右側面板使用大模型能力，這樣就不用來回倒騰頁面了，操作方便性直接拉到極限：
目標決定了選型策略，具體來說，很多想學編程的朋友想借助大模型直接在Pycharm或vscode里編寫。這種目標需要使用大模型的API，而絕大部分大模型走API調用都有費用。
而本篇介紹的教程方案就解決了這個問題，并且deepseek是目前公認的編程較好的大模型，因此方案還是比較好的。
基于上面的目標，最后找出這種組合：
Pycharm社區版或vscode + 輕量級的deepseek-coder + CodeGPT插件。
總結下來，這個方案具有三個特點：輕量級，運行速度快，開源免費。
第一步，安裝Pycharm，推薦安裝社區版，完全免費，
這個頁面包括了Pycharm社區版最近幾年的歷史版本，推薦收藏。如下為下載軟件頁面部分截圖：
第二步，安裝deepseek-coder，推薦使用ollama管理本地大模型，目前使用最多的管理工具之一。
關于安裝ollama和ollama安裝在本地安裝大模型的系統介紹，我在此前幾篇文章都有詳細教程，在此不再重復，沒看過的參考：自己電腦搭建AI大模型詳細教程，支持通義千問、Llama3、接口調用等。
安裝完成后，可以做個簡單測試：
在終端提問界面不友好，需要有比較好的UI工具輔助，更友好的幫助我們學習編程，為了解決此問題，因此有了第三步。
第三步，安裝CodeGPT，安裝它之后，可以直接在Pycharm或vscode里像GPT那樣輔助編程了。因此，第三步是很關鍵的。
在這里我以Pycharm里安裝這個插件為例，介紹如何安裝。
打開Pycharm，蘋果電腦是找到設置，Windows電腦是文件按鈕下的設置，進入到設置頁面，如下所示，在這個頁面的操作步驟，我都已經按照箭頭和文字標注了，大家按照步驟操作下：
找到這個插件后，選擇右側的Install按鈕，就能安裝完成了：
安裝就是這么簡單，至此我們已經全部安裝完成。
再次打開Pycharm后，在最右側會出現如箭頭所示的圖標，點擊下：
就出現下面這個頁面，在右側我們就可以使用大模型對話界面一樣，使用它解決編程問題了，這種方式不用拉回倒騰頁面，會比較方便：
選的模型比較小，運行速度還是很快的。除此以外，這個插件還有智能代碼補全功能，更多功能大家在使用過程中可以慢慢摸索。
本方案輕量級、免費且易于操作，適合個人電腦搭建大模型環境。
借助 Pycharm 社區版、DeepSeek-Coder 和 CodeGPT 插件，實現高效學習和編程支持。
安裝簡單、運行流暢，是零成本接入大模型的一個不錯的解決方案。
本文，完。
