Kör Qwen3.8-27B som lokal AI-coding-agent på tre kommandon

En lokal AI-coding-agent behöver inte vara svår att sätta upp. Med tre kommandon får du Qwen3.8-27B att fungera som en privat kodassistent via Ollama och OpenCode – utan molnanslutning.

Vad du behöver

En dator med minst 32 GB RAM och ett grafikkort med gott om minne för att köra modellen bekvämt. Qwen3.8-27B är en 27-miljardersmodell, så den tar plats – på en maskin med för lite minne går den, men långsamt.

Steg 1: installera Ollama

curl -fsSL https://ollama.com/install.sh | sh

Kontrollera att installationen fungerar:

ollama --version

Steg 2: hämta modellen

ollama pull qwen3.8:27b

Kontrollera den exakta taggen på ollama.com – den kan skilja sig åt. Nedladdningen tar tid första gången eftersom hela modellen hämtas.

Steg 3: starta den som coding agent med OpenCode

opencode

OpenCode kopplar upp sig mot Ollama och använder modellen som backend för koduppgifter. Är OpenCode inte installerat än installerar du det först med npm install -g opencode-ai.

Verifiera att det fungerar

Be agenten skapa en liten funktion och köra den. Får du tillbaka körbar kod är allt igång. Qwen3.8-27B når inte de största molnmodellernas nivå på svåra uppgifter, men den räcker för många vardagsjobb – och koden lämnar aldrig din maskin.

När tre kommandon inte räcker

Tre kommandon ger dig en fungerande agent, men det finns gränser värda att känna till. Qwen3.8-27B är snabb och privat, men den når inte de största molnmodellerna på svåra refaktoreringar eller kod som kräver bred domänkunskap. Använd den för vardagsjobb – småfixar, testskrivande, enkla funktioner – och lämna de svåra uppgifterna till en starkare modell.

En annan gräns är hårdvaran. Saknas ett grafikkort med tillräckligt minne faller modellen tillbaka på CPU och blir märkbart långsam. Då kan en mindre variant av modellen vara ett bättre val, även om den tappar i förmåga.

Fördelen består: koden stannar på din maskin, och agenten fungerar utan internet. För känsliga projekt där källkoden inte får lämna företaget är det ofta värt hastighetsförlusten.

Verifiera mot ditt eget repo

Det bästa testet är en uppgift från ditt riktiga arbete. Be agenten skriva ett test för en befintlig funktion och se om den förstår kodbasen. Klarar den det har du en användbar lokal assistent. Klarar den det inte har du lärt dig gränsen utan att ha offrat något annat än några minuter.

Källorna

• [KDnuggets
• Run Qwen3.8-27B as a Local AI Coding Agent in Just 3 Commands](https://www.kdnuggets.com/run-qwen3-8-27b-as-a-local-ai-coding-agent-in-just-3-commands)