💝💝💝欢迎来到我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。
- 推荐:kwan 的首页,持续学习,不断总结,共同进步,活到老学到老
- 导航
非常期待和您一起在这个小小的网络世界里共同探索、学习和成长。💝💝💝 ✨✨ 欢迎订阅本专栏 ✨✨
前言
本文将系统性地讲解如何在 Windows 操作系统中构建一个基于本地化部署的 AI 开发辅助系统。该方案通过集成 Cursor 代码编辑器、Ollama 本地模型服务以及 cpolar 内网穿透工具，实现将千问 QwQ-32B 大语言模型转化为可远程访问的编程助手。整个解决方案主要包含三个核心环节：首先是利用 Ollama 框架完成 QwQ-32B 模型的本地部署与运行；其次是通过配置自定义 OPENAI API 接口，将本地模型服务转化为标准 API 服务；最后借助 cpolar 工具突破局域网限制，为私有化部署的模型服务创建可公开访问的网络入口。
在具体实施过程中，Cursor 作为主流的 AI 编程辅助工具，其功能特性主要针对云端模型服务进行优化。这种设计架构在保障实时响应能力的同时，也带来了两个显著限制：其一，必须依赖公网模型服务才能实现功能；其二，频繁的 API 调用会产生可观的云服务费用。针对这些限制，本文提出的技术方案具有双重优势：一方面通过本地化部署实现数据隐私保护，所有代码解析和模型推理过程均在本地完成；另一方面借助内网穿透技术，既避免了云服务费用，又保持了远程访问的灵活性。
该解决方案特别适用于以下应用场景：开发人员需要在不同工作环境间切换时，可随时通过远程访问本地部署的模型；团队协作项目中，可避免敏感代码传输带来的数据泄露风险；对于预算有限的开发团队，可显著降低 AI 服务的运营成本。通过将 Ollama 的轻量化部署能力、cpolar 的网络穿透功能与 Cursor 的代码编辑特性有机结合，最终构建出一个兼顾安全性、经济性和便捷性的智能开发环境。
1.安装 Ollama
本例中使用的是 Windows11 系统专业版，通过 Ollama 运行 Gemma3:27B 大模型，之前曾经发布过如何在 Windows 安装 Ollama 的教程，有需要的同学可以看看这篇文章：Windows 本地部署 Deepseek-R1 大模型并使用 Web 界面远程交互
简单来说，就是访问 Ollama 的官网：Download Ollama on Windows
下载对应版本的 ollama 安装程序并安装：
2.QwQ-32B 模型安装与运行
在 Ollama 的官网点击 Models，搜索 qwq 就可以看到模型：
Ollama 安装完成之后，就可以开始去下载 QwQ-32B 模型了，使用这个命令就能下载：
ollama run qwq
ps:需要预留20 个 G以上的储存空间，默认下载到 C 盘，如果想修改下载位置，可以在终端中执行下方命令来指定模型文件的存放目录，这里以 d:\ollama 为例，大家可以自定义：
set OLLAMA_MODELS=d:\ollama
下载中，时间有点长，等待进度条完成即可，模型安装成功后会提示 success，并可以进行提问了：
3.Cursor 安装与配置
访问 cursor 官网下载 Windows 版本： https://www.cursor.com/
我这里下载的是 Windows X64 的 0.48 版本：
下载后，按照提示一步步安装，如需创建桌面快捷方式，勾选即可：
点击完成后，第一次运行程序会弹出登录窗口：
点击 Sign UP 注册一个账号登录：
或者使用 google 或 github 账号登录，都可以：
选择一个主题，点击继续：
选择快捷键风格，点击继续：
数据分享这里选择了私人模式进行演示，大家可以根据自己情况选择：
给 AI 发送信息的语言选择简体中文：
配置完毕后，既可看到 Cursor 的主界面了：
4. 简单使用测试
现在我们就可以在右侧的输入框中选择好 AI 模型进行提问了，比如我这里要求他帮我写一个贪吃蛇小游戏：
经过两次确认创建文件，并等待一小会儿后，AI 就给我生成了两个文件（index.html 和 game.js），在将这两个文件保存在同一目录下，在浏览器中打开 index.html 就能看到贪吃蛇小游戏的界面了：
通过控制方向键也可以正常玩，不过这只是一个相当初级的版本，但是 AI 也提供了后续优化的建议，比如：
添加游戏重启按钮
调整游戏速度
添加不同的难度级别
添加音效
添加暂停功能
5. 调用本地大模型
在提问框旁边，我们能看到使用哪个大模型来辅助你编程的选择功能：
不过刚才演示的是通过调用在线大模型来输出回答，现在我们来演示一下如何让 Cursor 调用我们刚才在本地部署的 qwq-32b 大模型来实现辅助开发。
要想实现这个功能，首先我们需要打开 Cursor 的左边栏，点击插件，搜索cline插件，并点击 install 进行下载：
安装好之后，点击插件图标，选择使用我自己的 api key：
然后在 API Provider 中选择刚才安装的 Ollama，模型地址默认 http://localhost:11434，模型 ID 在勾选了要使用本地部署的 qwq:latest 后会自动填写，然后点击 Let”go！
配置完成后，点击 cline 插件下方的在编辑器中打开：
在弹出的新输入框中，可以看到现在已经调用的是本地部署的 qwq-32b（名称为 qwq:latest）模型了！
提个要求测试一下：
这次使用本地大模型生成的贪吃蛇小游戏不用自己创建文件夹了，自己在桌面上生成了一个目录：
访问后同样可以看到游戏界面，并且这次还加上了重新开始按钮：
但是同样也有一些 BUG，需要后期进行完善与优化。
6. 安装内网穿透
但如果想要像文章开头说的那样，当和本地部署的大模型不在同一网络环境下，也能随时随地在线使用 Cursor 调用与本地部署的大模型辅助代码开发，那就需要借助 cpolar 内网穿透工具来实现公网访问了！接下来介绍一下如何安装 cpolar 内网穿透，过程同样非常简单，只需使用它为 Ollama 配置一个公网地址就可以了。
首先进入 cpolar 官网：
cpolar 官网地址: https://www.cpolar.com
点击免费使用注册一个账号，并下载最新版本的 cpolar：
登录成功后，点击下载 cpolar 到本地并安装（一路默认安装即可）本教程选择下载 Windows 版本。
cpolar 安装成功后，在浏览器上访问 http://localhost:9200，使用 cpolar 账号登录,登录后即可看到配置界面,结下来在 WebUI 管理界面配置即可。
接下来配置一下 ollama 的公网地址：
登录后，点击左侧仪表盘的隧道管理——创建隧道，
- 隧道名称：cursor（可自定义命名，注意不要与已有的隧道名称重复）
- 协议：选择 http
- 本地地址：11434
- 域名类型：选择随机域名
- 地区：选择 China Top
隧道创建成功后，点击左侧的状态——在线隧道列表,查看所生成的公网访问地址，有两种访问方式,一种是 http 和 https：
使用上面的任意一个公网地址替换刚才我们在 Cursor 中的 cline 插件里填写的模型地址即可，这样一来就可以随时使用 Cursor 在线调用本地大模型来让 AI 辅助我们进行代码开发了！
小结
为了方便演示，我们在上边的操作过程中使用 cpolar 生成的 HTTP 公网地址隧道，其公网地址是随机生成的。这种随机地址的优势在于建立速度快，可以立即使用。然而，它的缺点是网址是随机生成，这个地址在 24 小时内会发生随机变化，更适合于临时使用。
如果有长期远程使用 Cursor 调用本地模型辅助开发，或者异地访问与使用其他本地部署的服务的需求，但又不想每天重新配置公网地址，还想让公网地址好看又好记并体验更多功能与更快的带宽，那我推荐大家选择使用固定的二级子域名方式来配置一个公网地址。
7. 配置固定公网地址
接下来演示如何为其配置固定的 HTTP 公网地址，该地址不会变化，方便分享给别人长期查看你部署的项目，而无需每天重复修改服务器地址。
配置固定 http 端口地址需要将 cpolar 升级到专业版套餐或以上。
登录 cpolar 官网，点击左侧的预留，选择保留二级子域名，设置一个二级子域名名称，点击保留:
保留成功后复制保留成功的二级子域名的名称：mycursor，大家也可以设置自己喜欢的名称。
返回 Cpolar web UI 管理界面，点击左侧仪表盘的隧道管理——隧道列表，找到所要配置的隧道：cursor，点击右侧的编辑：
修改隧道信息，将保留成功的二级子域名配置到隧道中
- 域名类型：选择二级子域名
- Sub Domain：填写保留成功的二级子域名：
mycursor
点击更新(注意,点击一次更新即可,不需要重复提交)
更新完成后,打开在线隧道列表,此时可以看到公网地址已经发生变化,地址名称也变成了固定的二级子域名名称的域名：
最后,我们使用上边任意一个固定的公网地址访问,可以看到访问成功,这样一个固定且永久不变的公网地址就设置好了，可以随时随地在公网环境异地在线访问本地部署的大模型来使用 Cursor 辅助代码开发工作了！
总结
通过以上步骤，我们实现了在 Windows 系统电脑本地安装 Cursor 与千问 QWQ-32B 大模型，并使用 cline 插件实现调用本地大模型辅助开发的流程。结合 cpolar 内网穿透工具还能轻松解决因为没有公网环境，无法使用 Cursor 远程调用本地大模型的问题，经过简单测试，确实节省了成本，提高了效率，感谢您的观看，有任何问题欢迎留言交流。
觉得有用的话点个赞
👍🏻呗。
❤️❤️❤️本人水平有限，如有纰漏，欢迎各位大佬评论批评指正！😄😄😄💘💘💘如果觉得这篇文对你有帮助的话，也请给个点赞、收藏下吧，非常感谢!👍 👍 👍
🔥🔥🔥Stay Hungry Stay Foolish 道阻且长,行则将至,让我们一起加油吧！🌙🌙🌙
