本機模型

alc --ollama claude 會把 Claude Code 指向 Ollama 伺服器的 Anthropic Messages 端點，並依照「一次只回答一個請求」的伺服器來設定這個 session。

alc --ollama claude
alc doctor          # the Ollama section: server, model pulled, tool calling, context

alc 會設定什麼

• 每一個模型別名 —— ANTHROPIC_DEFAULT_MODEL、sonnet／opus／haiku 各層、 ANTHROPIC_SMALL_FAST_MODEL —— 全部釘在 profile 的模型上（有設定 small_model 時，haiku 那一層改指向它），這樣 Claude Code 就不會向 Ollama 要求它根本沒有的 Claude model ID。
• CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC=1，讓附帶的請求不會在真正的請求 開始之前，先佔住伺服器唯一的處理槽。
• CLAUDE_CODE_MAX_CONTEXT_TOKENS 取自 Ollama 回報的視窗（模型已載入時看 /api/ps，否則看 /api/show），讓自動壓縮跟著實際的視窗走。伺服器沒開 時會略過。
• 除非你自己設定過，否則補上 API_FORCE_IDLE_TIMEOUT=0 與 API_TIMEOUT_MS=1800000，讓 Claude Code 最多等三十分鐘才等到第一個 token， 而不是六分鐘後就放棄這個請求。

讓第一輪短一點

Claude Code 開場的第一個請求就有 25k 到 40k tokens，而筆電等級的模型每秒只讀 得了幾十個 token —— 第一個 token 出現前要先等上好幾分鐘。有幫助的做法：

• 選擇 ollama show <model> 列有 tools 的模型。
• 少開 MCP server、plugin 和 skill；每一個都會把工具 schema 加進第一個請求。
• 把 context 設在 64k 到 128k（OLLAMA_CONTEXT_LENGTH）：Claude Code 至少 需要 64k，而在 24 GB 的 Mac 上開 256k 視窗，只是白白預留一堆用不到的 KV cache。OLLAMA_KV_CACHE_TYPE=q8_0 可以再把剩下的用量減半。
• OLLAMA_KEEP_ALIVE=4h（或 -1），讓 prompt cache 撐過閒置的那幾分鐘。
• session 進行中不要 ollama pull，也不要再跑第二個模型。