Hermes Agent · 自学习技能 · Copilot CLI · launch 集成 · 云优先推荐
项目定位：本地大模型的统一入口
Ollama 是本地运行开源大模型的事实标准，169K Star 稳居 LLM 基础设施类项目前列。它用 Go 实现轻量级推理服务器，通过 REST API 和 CLI 让用户在 macOS、Linux、Windows 上一键拉取运行 Gemma、DeepSeek、Qwen 等主流模型。
技术架构分层清晰：底层 llama/ 封装 llama.cpp 推理引擎；server/ 提供 Gin 框架实现的 HTTP API，兼容 OpenAI 接口；cmd/launch/ 是近年重点发展的集成层，统一管理 Claude Code、Codex、OpenCode 等编辑器与 Ollama 的连接。这种"本地推理 + 生态集成"的设计，使 Ollama 逐渐演变为本地 AI 开发的枢纽。
场景痛点：多工具配置碎片化
v0.21.0 之前，Ollama 用户面临典型困扰：虽然 ollama launch 已支持接入 Claude Code、Codex、OpenCode 等 AI 编程助手，但每款工具都需单独配置模型端点、环境变量和认证信息。用户需要在不同配置文件间反复切换，或在 shell 中手动导出各类 BASE_URL 变量。
更深层的问题是，这些集成大多停留在"编辑器辅助"层面——能帮你写代码，但无法自主完成研究、调研等需要多步骤决策的复杂任务。GitHub Copilot CLI 此前也缺乏与 Ollama 的原生集成，用户需手动配置 Provider 端点。
版本能力：Hermes 自学习与 Copilot 原生支持
v0.21.0 的核心更新围绕 launch 子系统展开：
Hermes Agent 一键启动。ollama launch hermes 可直接启动 Nous Research 的自学习 AI 代理。与被动响应的代码助手不同，Hermes 会观察用户工作流程，自动创建和优化技能以更好服务特定任务。源码显示，Hermes 集成通过 cmd/launch/hermes.go 实现，读取 YAML 配置管理模型选择，支持一键配置 Telegram、Discord、Slack、WhatsApp 等 14 种消息平台网关。
Copilot CLI 原生集成。新增集成自动处理端点配置：通过环境变量注入 COPILOT_PROVIDER_BASE_URL 指向本地 Ollama 服务，同时设置 COPILOT_PROVIDER_API_KEY 为空（本地模型无需认证）。执行 ollama launch copilot 即可在 GitHub Copilot CLI 中使用本地模型。
launch 流程优化。修复 --yes 标志行为使其正确跳过渠道配置询问；云推荐模型始终优先展示于列表顶部；OpenCode 集成支持内联配置。
实现原理：统一 Runner 接口与环境注入
Ollama 的集成架构设计值得关注。cmd/launch/ 下每个集成都实现统一 Runner 接口，包含 Run()、Configure()、Paths() 三个核心方法。新增集成只需实现标准接口，无需修改主命令逻辑。
Hermes 的特殊之处在于它是独立运行的 Agent 系统。Configure() 方法修改 YAML 配置预设默认模型，Run() 方法启动 Hermes 二进制并处理网关设置。源码中 hermesMessagingEnvGroups 定义 14 组环境变量检测逻辑，覆盖主流消息平台。
Copilot CLI 集成展示另一种模式：通过 envVars() 构造环境变量列表，在启动子进程时注入。无需修改 Copilot 本身，仅通过标准环境变量接口即可完成端点劫持，将请求路由到本地 Ollama。
169K Star 的 Ollama 正在从"模型运行器"向"本地 AI 操作系统"演进。v0.21.0 的更新表明项目团队正在加速整合外部生态——从被动响应的代码补全，到主动学习的 Agent 系统，本地大模型的应用场景正在显著拓宽。
