1. CodeGPT 插件接 Ollama 本地模型时多模型切换到底卡在哪在 VSCode 里用 CodeGPT 接 Ollama 本地模型很多人第一次配完是能跑通的但用不了几天就会遇到一个很现实的问题本地模型和云端模型没法在同一套配置里顺畅切换。CodeGPT 的 Provider 机制要求你为每个模型来源单独填 Base URL、API Key 和 Model ID本地 Ollama 走的是http://localhost:11434/v1云端模型走的是另一套地址和密钥。结果就是你想从本地 qwen 切到云端 claude得手动改配置、重启插件、有时候还要重新登录体验非常割裂。我试过在一台开发机上同时挂三个模型来源本地 Ollama 跑代码补全、云端模型跑代码审查、另一个云端模型跑文档生成。每次切换都要在 CodeGPT 的设置面板里翻半天而且 API Key 散落在不同 Provider 配置里管理起来很乱。后来我把所有云端调用统一收敛到 TaoToken 的 API 通道本地 Ollama 保持直连CodeGPT 里只维护两套 Provider 配置切换成本一下子降下来了。这篇内容聚焦的就是这个场景你已经在 VSCode 里装好了 CodeGPTOllama 本地模型也能正常响应现在想让本地模型和云端模型在同一个插件内共存、随时切换并且用 TaoToken 的统一 Key 来管理云端那一侧的调用。我会给出完整的settings.json配置片段、Base URL 和模型名的填写位置然后实际发一次对话请求验证连通性。整个过程不需要你改 CodeGPT 的源码也不需要额外装中间件。适合谁看已经在用 VSCode 做日常开发、对 Ollama 有基本了解、想让 CodeGPT 同时支持本地和云端模型的开发者。如果你还没装 Ollama建议先把 Ollama 跑起来并确认ollama list能看到至少一个模型再往下走。核心检索词先明确CodeGPT 配置 Ollama 本地模型、VSCode 多模型切换、TaoToken 统一 Key 接入。这三个词贯穿全文你按步骤操作时对照着看就行。2. TaoToken 统一 Key 与 Ollama 本地通道的前置准备在动手改配置之前先把两边的通道理清楚。CodeGPT 本质上是一个 VSCode 扩展它通过 OpenAI 兼容的 HTTP 接口去调用模型。Ollama 从 0.1.24 版本开始提供了/v1兼容端点所以 CodeGPT 可以把它当成一个 OpenAI Provider 来用。TaoToken 这边提供的也是 OpenAI 兼容接口Base URL 是https://taotoken.net/api你拿到的 Key 可以直接填进 CodeGPT 的 API Key 字段。先确认 Ollama 侧的状态。打开终端执行ollama list你应该能看到类似这样的输出NAME ID SIZE MODIFIED qwen2.5-coder:7b a1b2c3d4e5f6 4.7 GB 2 days ago llama3.1:8b f6e5d4c3b2a1 4.9 GB 5 days ago如果列表为空先ollama pull qwen2.5-coder:7b拉一个模型下来。然后确认 Ollama 服务在监听curl http://localhost:11434/v1/models正常会返回一个 JSON里面包含你本地已有的模型 ID。这一步很关键因为 CodeGPT 填的 Model ID 必须和这里返回的id字段完全一致大小写和冒号都不能错。TaoToken 侧的准备更简单登录后在控制台创建一个 API Key记下这个 Key。你不需要在这里选模型TaoToken 的通道支持在请求里直接指定模型名CodeGPT 那边填什么模型请求就转发到对应模型。Base URL 统一用https://taotoken.net/api不要加多余的路径后缀。这里有个容易踩的坑CodeGPT 的某些版本在 Provider 设置里会把 Base URL 和完整 Endpoint 混在一起。你填https://taotoken.net/api就够了插件内部会自己拼/chat/completions。如果你手贱填成https://taotoken.net/api/v1/chat/completions请求会 404。Ollama 那边同理填http://localhost:11434/v1不要填到/chat/completions。还有一个前置项CodeGPT 的版本。截至我写这篇内容时CodeGPT 扩展在 VSCode 市场上有多个同名或近名的插件认准发布者是Daniel San的那个。不同版本的设置项名称略有差异但核心字段Provider、Base URL、API Key、Model是一致的。装完后在 VSCode 设置里搜索codegpt能看到一堆配置项就说明装对了。如果你打算长期在团队里用这套组合建议把 TaoToken 的 Key 存在环境变量里而不是硬编码在settings.json。CodeGPT 支持在 API Key 字段填${env:TAOTOKEN_API_KEY}这种形式VSCode 会自动读取环境变量。这样你的配置文件可以进 GitKey 不会泄露。Ollama 本地不需要 Key留空或者填ollama都行取决于插件版本是否强制校验。3. settings.json 可复制配置Base URL、Key、Model ID 填写位置这一节是全文的核心操作部分。CodeGPT 的配置分两层一层是 VSCode 的settings.json另一层是插件自己的 Provider 配置面板。两者会互相覆盖所以建议统一在settings.json里写死避免面板操作后被重置。打开 VSCode按CtrlShiftPmacOS 是CmdShiftP输入Preferences: Open User Settings (JSON)在打开的settings.json里加入以下片段。如果你只想对当前项目生效就改工作区的.vscode/settings.json。{ codegpt.provider: openai, codegpt.apiKey: ${env:TAOTOKEN_API_KEY}, codegpt.baseUrl: https://taotoken.net/api, codegpt.model: claude-sonnet-4-20250514, codegpt.customModels: [ { name: Ollama qwen2.5-coder, provider: openai, baseUrl: http://localhost:11434/v1, apiKey: ollama, model: qwen2.5-coder:7b }, { name: TaoToken Claude, provider: openai, baseUrl: https://taotoken.net/api, apiKey: ${env:TAOTOKEN_API_KEY}, model: claude-sonnet-4-20250514 }, { name: TaoToken GPT, provider: openai, baseUrl: https://taotoken.net/api, apiKey: ${env:TAOTOKEN_API_KEY}, model: gpt-4o } ] }逐字段说明填写位置和含义。codegpt.provider固定填openai因为 Ollama 和 TaoToken 都走 OpenAI 兼容协议CodeGPT 不需要为它们单独做适配。codegpt.apiKey是默认 Provider 的 Key这里用环境变量引用你在系统里设置TAOTOKEN_API_KEY即可。codegpt.baseUrl是默认通道地址填 TaoToken 的https://taotoken.net/api。codegpt.model是默认模型名填你在 TaoToken 侧想用的模型 ID。codegpt.customModels是自定义模型列表这是实现多模型切换的关键。每个条目包含name显示名称随便起、provider固定openai、baseUrl该模型的通道地址、apiKey该通道的 Key、model模型 ID。Ollama 那条的baseUrl填http://localhost:11434/v1apiKey填ollama占位即可model必须和ollama list里的名称完全一致。注意model字段的写法。Ollama 的模型名带冒号和 tag比如qwen2.5-coder:7b冒号不能省。TaoToken 侧的模型名用官方模型 ID比如claude-sonnet-4-20250514、gpt-4o。如果你不确定某个模型 ID 是否可用可以在 TaoToken 的模型对话页面先试一次确认能出结果再填进配置。环境变量的设置方式Windows 在系统属性里加用户变量macOS/Linux 在~/.zshrc或~/.bashrc里加export TAOTOKEN_API_KEY你的Key然后重启 VSCode 让环境变量生效。如果你不想用环境变量直接把 Key 字符串填进apiKey字段也能跑但配置文件就别提交到 Git 了。配置写完后CodeGPT 侧边栏的模型下拉框里应该能看到三个自定义模型。如果没出现先检查 JSON 语法有没有多余逗号然后CtrlShiftP执行Developer: Reload Window重载窗口。这一步做完本地模型和云端模型就已经在同一个插件里共存了。4. 发一次对话请求验证连通性从本地到云端逐个测配置写完不代表能跑通得实际发请求验证。CodeGPT 的交互入口在左侧活动栏的 CodeGPT 图标里点开后是一个聊天面板。面板顶部有模型选择下拉框你应该能看到Ollama qwen2.5-coder、TaoToken Claude、TaoToken GPT三个选项。先测本地 Ollama。在下拉框选Ollama qwen2.5-coder然后在输入框里发一句用 Python 写一个读取 CSV 并统计每列空值数量的函数正常情况下面板会流式输出代码。如果卡住不动打开 VSCode 的Output面板在右上角下拉里选CodeGPT看日志里有没有报错。本地模型首次加载会慢一些7B 模型在普通开发机上大概等 3 到 8 秒出第一个 token属正常。本地通了之后切到TaoToken Claude发同样的请求。这次走的是 TaoToken 的通道响应速度取决于网络和模型负载。如果返回 401说明 Key 没读到或者 Key 无效如果返回 404多半是 Base URL 填错了。验证成功的标志是面板里正常输出代码且Output日志里能看到POST https://taotoken.net/api/chat/completions返回 200。再切到TaoToken GPT发一次确认同一套 Key 能驱动不同模型。这一步验证的就是「统一 Key 管理多模型」这个核心诉求你不需要为每个模型单独申请 Key一个 TaoToken Key 覆盖所有云端模型CodeGPT 里只是换了model字段的值。如果你想用命令行再确认一次通道本身没问题可以绕过 CodeGPT 直接 curlcurl https://taotoken.net/api/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: claude-sonnet-4-20250514, messages: [{role: user, content: 回复 OK 两个字母}] }返回 JSON 里choices[0].message.content有内容就说明 TaoToken 通道和 Key 都没问题问题只可能在 CodeGPT 的配置层。这个排查顺序能帮你快速定位故障在哪一层。本地 Ollama 也可以用 curl 验证curl http://localhost:11434/v1/chat/completions \ -H Content-Type: application/json \ -d { model: qwen2.5-coder:7b, messages: [{role: user, content: 回复 OK}] }两边都通之后你在 CodeGPT 里切换模型就是秒切不需要重载窗口也不需要重新登录。实测下来这套配置在 VSCode 1.90 以上版本、CodeGPT 3.x 版本上都能稳定工作。5. 常见报错排查401、local proxy failed、reading choices、OAuth配这套组合时报错基本集中在四类。我按实际遇到的频率排一下每条给出原因和修法。401 Unauthorized。CodeGPT 面板提示 401Output日志里显示POST https://taotoken.net/api/chat/completions 401。原因通常是环境变量没生效或者 Key 复制时带了空格。先确认 VSCode 能读到环境变量在 VSCode 内置终端里执行echo $TAOTOKEN_API_KEYWindows 用echo %TAOTOKEN_API_KEY%有输出说明环境变量没问题。如果输出为空重启 VSCode 或重新登录系统。另一个可能是 Key 被禁用或额度耗尽去 TaoToken 控制台确认 Key 状态。local proxy failed / ECONNREFUSED。选本地 Ollama 模型时报这个说明 CodeGPT 连不上http://localhost:11434。先确认 Ollama 服务在跑curl http://localhost:11434/v1/models有返回就说明服务正常。如果 curl 通但 CodeGPT 不通检查baseUrl是不是写成了http://127.0.0.1:11434/v1某些环境下 localhost 解析有问题换成127.0.0.1试试。还有一种情况是 Ollama 只监听了 IPv6在 Ollama 的启动配置里加OLLAMA_HOST0.0.0.0:11434再重启。reading choices of undefined。这个报错说明 CodeGPT 收到了响应但响应结构里没有choices字段。常见原因是 Base URL 填错请求打到了非 OpenAI 兼容的端点返回了 HTML 或错误 JSON。检查baseUrl是不是多了/v1或/chat/completions后缀。TaoToken 侧填https://taotoken.net/apiOllama 侧填http://localhost:11434/v1不要画蛇添足。另一个可能是模型名不存在TaoToken 返回了错误对象CodeGPT 解析失败。用第 4 节的 curl 命令确认模型 ID 正确。OAuth 登录循环 / 要求登录。CodeGPT 某些版本会强制走 OAuth 登录才能用云端模型。如果你不想登录确保codegpt.provider填的是openai而不是codegpt并且apiKey字段有值。插件检测到自定义 Provider 和 Key 后就不会再弹登录。如果还是弹在设置里搜codegpt.login相关项把自动登录关掉。本地 Ollama 模型不受这个影响因为不需要 Key。排查时记住一个原则先用 curl 确认通道本身通不通再查 CodeGPT 配置。通道通、配置对基本不会出问题。如果 CodeGPT 版本升级后配置项名称变了去插件的 GitHub 仓库看 release notes通常会有迁移说明。6. 把本地与云端模型收进同一套 Key 管理走到这里你的 CodeGPT 应该已经能同时调本地 Ollama 和 TaoToken 通道上的云端模型了。回头看这套方案的价值本地模型负责隐私敏感的代码补全和离线场景云端模型负责需要更强推理的代码审查和文档生成两者在同一个插件里通过下拉框切换云端那一侧只维护一个 TaoToken Key。如果你打算把这套配置带到团队里建议把settings.json里的自定义模型列表抽成团队共享的配置模板Key 用环境变量注入。这样新成员拉下代码后只需要设置自己的TAOTOKEN_API_KEY模型列表和 Base URL 都不用改。Ollama 侧的模型名可以按团队常用模型统一避免每个人本地模型不一致导致行为差异。后续如果你想扩展更多模型只需要在codegpt.customModels里加条目baseUrl填https://taotoken.net/apimodel换成目标模型 IDKey 复用同一个环境变量。不需要重新申请 Key也不需要改插件代码。模型对话页面可以先验证模型 ID 是否可用接入文档里有完整的接口说明API Keys 页面管理你的 Key 和额度。长期做编码和 Agent 场景的话Coding Plan 那边有更细的通道说明可以按需了解。