1. 项目概述：打造一个云端专属的AI编程伙伴

最近在折腾Cursor，这个基于GPT的代码编辑器确实好用，但有时候网络延迟或者API调用限制让人有点头疼。特别是处理一些本地项目，或者想用一些自定义的、更强大的模型时，总感觉有点束手束脚。于是我就琢磨着，能不能自己搭一个私有的、部署在云端的AI编程助手，让它24小时在线，随时听候差遣，还能和Cursor无缝集成？

这个想法听起来有点复杂，但实际操作下来，我发现用 Hetzner 、 Ollama 和 Tailscale 这三样工具组合，就能轻松实现。简单来说，就是在Hetzner租一台性价比高的云服务器，在上面用Ollama运行一个开源的代码大模型（比如CodeLlama、DeepSeek-Coder），然后用Tailscale组建一个虚拟的私有网络，把云服务器和你的本地电脑（运行Cursor的机器）安全地连接起来。最后，在Cursor里配置一下，让它把代码补全和聊天的请求都发到你自己云端的模型上。

这么做的核心价值是什么？首先是 隐私和安全 ，你的代码和对话完全在自己的掌控之中，不会流到第三方。其次是 自由和定制 ，你可以随意切换、尝试不同的开源模型，不受商业API的模型列表限制。再者是 性能和成本 ，对于高频使用的开发者，长期来看可能比按Token付费更划算，而且你可以根据需求选择不同配置的服务器。最后是 网络体验 ，通过Tailscale建立的点对点加密隧道，延迟通常比直接访问某些海外API要低且稳定得多。

这个方案特别适合对代码隐私有要求、喜欢折腾新技术、或者希望拥有一个不受限的AI编程环境的开发者。接下来，我就把整个搭建过程、踩过的坑以及一些优化心得，毫无保留地分享出来。

2. 核心组件选型与架构设计

在动手之前，我们需要理解每个组件扮演的角色，以及为什么选择它们。一个清晰的架构能让你在后续部署时心中有数，遇到问题也知道该从哪个环节排查。

2.1 为什么是Hetzner、Ollama和Tailscale？

这个组合不是凭空想出来的，而是经过了对成本、易用性、性能和安全性等多方面的权衡。

Hetzner：性价比极高的云服务器提供商 我们的AI模型需要一定的计算资源，尤其是GPU。公有云大厂的GPU实例价格令人咋舌。Hetzner的吸引力在于其极高的性价比，特别是在欧洲地区。它提供专用的“AX”系列服务器，搭载消费级的AMD或Intel CPU，价格亲民；更有吸引力的是其“GPU”系列服务器，配备了NVIDIA RTX系列或Tesla系列显卡。对于运行像CodeLlama 7B/13B这类参数规模的模型，一台配备RTX 4090或类似性能显卡的服务器，其推理速度已经足够流畅，而月租成本远低于同性能的AWS或GCP实例。选择Hetzner，核心诉求就是用更低的成本获得更强的算力。

Ollama：本地大模型运行的瑞士军刀 Ollama的出现，极大地简化了在本地（或服务器上）运行大型语言模型的过程。它把模型下载、环境配置、服务启动等繁琐步骤打包成了一个简单的命令行工具。你只需要一句 ollama run codellama:7b ，它就会自动处理剩下的一切。它支持众多热门的开源模型，并且提供了标准的OpenAI兼容的API接口（ /api/chat , /api/generate 等），这使得像Cursor这类原本为OpenAI API设计的工具，可以几乎无缝地切换到Ollama上。它的轻量化和易用性，是我们能在云服务器上快速部署模型服务的关键。

Tailscale：基于WireGuard的零配置组网工具 我们的服务器在云端，Cursor在本地，如何让它们安全、低延迟地通信？传统方案可能是配置复杂的VPN服务器，或者暴露服务器的公网IP和端口（极度不安全）。Tailscale完美地解决了这个问题。它利用WireGuard协议，在你的所有设备（服务器、笔记本电脑、手机等）之间建立一个加密的Mesh网络。每台设备都会获得一个固定的、私有的Tailscale IP地址（如 100.x.x.x ）。你只需要在所有设备上登录同一个Tailscale账号，它们就能像在同一个局域网内一样互相访问，无需配置防火墙规则、端口转发或记住复杂的IP地址。这对于需要从不同网络环境（公司、家庭、咖啡馆）访问云端助手的开发者来说，是革命性的便利和安全保障。

整体架构流如下 ：

1. 你在Hetzner上创建一台云服务器（假设系统为Ubuntu 22.04）。
2. 在这台服务器上安装Ollama，并拉取运行你想要的代码模型（如 deepseek-coder:6.7b ）。
3. 在同一台服务器上安装Tailscale，并加入你的Tailscale网络。
4. 在你的本地开发电脑上安装Tailscale，并加入同一个网络。
5. 此时，你的本地电脑可以通过服务器的Tailscale IP（例如 http://100.101.102.103:11434 ）访问到Ollama服务。
6. 在Cursor的设置中，将AI提供商的自定义API端点指向上述地址。
7. Cursor发送的请求通过Tailscale加密隧道直达你的云端服务器，由Ollama的模型处理并返回结果。

2.2 模型选择：CodeLlama vs. DeepSeek-Coder vs. 其他

Ollama支持很多代码模型，选哪个直接影响到助手的能力。以下是我实测过的一些主流选择：

模型名称 (Ollama Pull 命令)	参数规模	主要特点	适用场景	硬件需求建议
codellama:7b	70亿	Meta官方出品，通用代码生成与补全，支持多种编程语言，平衡性好。	全栈开发、日常代码补全、代码解释。	16GB+ RAM (无GPU可运行，较慢) / 8GB+ GPU显存 (流畅)
codellama:13b	130亿	同上，能力更强，代码生成质量更高，逻辑更清晰。	对代码质量要求较高的复杂任务、系统设计。	32GB+ RAM / 16GB+ GPU显存
deepseek-coder:6.7b	67亿	专注于代码，在HumanEval等基准测试上表现优异，尤其擅长Python。	Python/Java/Go/JS等主流语言开发，代码补全精准度高。	16GB+ RAM / 8GB+ GPU显存 (流畅)
deepseek-coder:33b	330亿	能力更强，接近甚至部分超越GPT-3.5 Turbo的代码能力。	企业级项目、复杂算法实现、代码重构。	需要高端GPU (如A100, 4090) 或大量CPU内存
qwen2.5-coder:7b	70亿	通义千问代码模型，对中文注释和理解有优化，支持长上下文。	中文项目、需要处理长代码文件的场景。	16GB+ RAM / 8GB+ GPU显存
llama3.2:3b	30亿	非常轻量，速度快，具备基础的代码理解和生成能力。	硬件资源有限、对延迟极其敏感、简单补全任务。	8GB+ RAM即可运行

选择建议 ：对于初次尝试，我强烈推荐从 deepseek-coder:6.7b 或 codellama:7b 开始。它们在消费级GPU（如RTX 4060 Ti 16G, RTX 4070）上运行速度非常快，且代码能力已经足够应对日常开发80%以上的场景。如果你的服务器没有GPU，只有CPU，那么请做好心理准备，响应速度会慢很多（可能一次补全需要10-30秒），这时 llama3.2:3b 可能是更实际的选择。

3. 云端服务器部署全流程

理论清晰了，我们开始动手。第一步是在Hetzner上把服务器环境搭建好。

3.1 Hetzner服务器选购与初始化

登录Hetzner Cloud控制台，点击“Create Project”然后“Add Server”。

1. 选择位置 ：根据你的物理位置，选择延迟较低的数据中心。例如，国内用户通常选择芬兰（Helsinki）或德国（Nuremberg/Falkenstein），网络相对稳定。
2. 选择镜像 ：选择“Ubuntu 22.04”或“Ubuntu 24.04”。这两个版本社区支持最完善，教程最多。
3. 选择服务器类型 ：这是关键。
   • CPU机型（CAX系列） ：如果你预算非常有限，或者只想先体验流程，可以选择CAX11（2 vCPU， 4GB RAM）或CAX21（4 vCPU， 8GB RAM）。用CPU跑小模型（3B）勉强可行。
   • GPU机型（GPU系列） ：这才是发挥威力的地方。寻找配备 NVIDIA GeForce RTX 4090 或 RTX 4080 的机型。例如，“RTX 4090”机型通常有24GB显存，足以流畅运行70亿甚至130亿参数的模型。价格大约在每月100-150欧元左右，相比其他云厂商，性价比突出。
4. 配置SSH密钥 ： 务必提前创建并上传SSH公钥 。这是安全登录服务器的唯一推荐方式。在本地终端用 ssh-keygen -t ed25519 生成密钥对，然后将 .pub 文件内容粘贴到Hetzner控制台。
5. 其他设置 ：服务器名称可以取 ai-coding-assistant ，其他保持默认。点击“Create & Buy Now”下单。

服务器创建成功后，控制台会显示它的公网IP地址。我们使用SSH密钥登录：

ssh -i ~/.ssh/你的私钥文件名 root@你的服务器公网IP

首次登录会提示加入已知主机，输入 yes 即可。

3.2 基础环境与GPU驱动安装

登录后第一件事是更新系统并安装必要工具。

apt update && apt upgrade -y
apt install -y curl wget git build-essential

如果你购买的是 GPU服务器 ，必须安装NVIDIA驱动和CUDA工具包，这是Ollama利用GPU加速的前提。

1. 安装驱动 ：Ubuntu 22.04/24.04提供了相对简单的方式。

   # 添加NVIDIA官方驱动仓库
   add-apt-repository ppa:graphics-drivers/ppa -y
   apt update
   # 安装推荐版本的驱动（通常会安装最新稳定版）
   apt install -y nvidia-driver-550
   

   安装完成后，重启服务器： reboot 。等待几分钟后重新SSH登录。
2. 验证驱动 ：使用 nvidia-smi 命令。如果看到GPU信息表格，说明驱动安装成功。表格里会显示GPU型号、显存大小、驱动版本等。
3. （可选）安装CUDA Toolkit ：Ollama运行某些模型可能需要CUDA库。虽然其Docker镜像或二进制包可能自带，但手动安装更稳妥。访问 NVIDIA CUDA Toolkit Archive ，根据你的系统选择版本（如12.4）。按照官网的“Linux -> x86_64 -> Ubuntu -> .deb”安装指南操作即可。通常步骤是下载 .deb 包并用 dpkg -i 安装，然后运行 apt update && apt install -y cuda-toolkit-12-4 。

注意事项 ：Hetzner的GPU服务器镜像有时已预装了驱动。在安装前，可以先运行 nvidia-smi 检查一下。如果已经存在，就跳过驱动安装步骤，直接进行下一步。盲目重复安装可能导致冲突。

3.3 Ollama的安装与模型部署

Ollama的安装极其简单。官方提供了一键安装脚本。

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

这个脚本会自动检测你的系统架构，添加Ollama的软件源，并安装ollama服务和命令行工具。

安装完成后，启动Ollama服务并设置为开机自启：

systemctl start ollama
systemctl enable ollama

现在，你可以拉取并运行你心仪的模型了。例如，拉取并运行DeepSeek-Coder 6.7B模型：

# 拉取模型（会下载约4GB的文件）
ollama pull deepseek-coder:6.7b
# 以服务模式运行该模型（默认会在11434端口启动API服务）
ollama run deepseek-coder:6.7b

ollama run 命令会启动一个交互式会话。但对于我们的场景，我们需要Ollama作为后台服务一直运行。因此，更常见的做法是 创建模型服务 。

Ollama允许你为特定模型创建一个“运行实例”。我们可以创建一个Systemd服务单元来管理它，但Ollama本身的服务已经可以托管多个模型。更简单的方式是，确保Ollama服务在运行，然后通过其API与模型交互。 ollama run 在前台运行一个模型实例，适合测试。对于生产性使用，Ollama服务在后台启动后，首次通过API调用某个模型时，会自动加载它。

让我们先测试一下API是否工作。打开另一个SSH终端（或者用 tmux / screen 在当前会话新建窗口），运行：

curl http://localhost:11434/api/generate -d '{
  "model": "deepseek-coder:6.7b",
  "prompt": "写一个Python函数，计算斐波那契数列的第n项。",
  "stream": false
}'

如果看到返回了一段JSON，其中包含生成的代码，说明Ollama和模型都运行正常。按 Ctrl+C 停止前台运行的 ollama run 命令（如果你刚才启动了它）。现在，Ollama主服务（ systemctl status ollama ）应该仍在后台运行，并准备好接收API请求。

3.4 Tailscale安装与网络配置

接下来，我们要用Tailscale把这台服务器纳入我们的私有网络。

1. 在服务器上安装Tailscale ：

   # 添加Tailscale的GPG密钥和软件源
   curl -fsSL https://pkgs.tailscale.com/stable/ubuntu/$(lsb_release -cs).noarmor.gpg | tee /usr/share/keyrings/tailscale-archive-keyring.gpg >/dev/null
   curl -fsSL https://pkgs.tailscale.com/stable/ubuntu/$(lsb_release -cs).tailscale-keyring.list | tee /etc/apt/sources.list.d/tailscale.list
   # 安装
   apt update
   apt install -y tailscale
   

2. 启动并登录Tailscale ：

   tailscale up
   

   执行这个命令后，它会输出一个链接。 复制这个链接，在你自己常用的浏览器中打开它 。这会引导你登录Tailscale账号（可以使用Google、GitHub等账号注册和登录）。授权后，你的这台云服务器就成功加入了你的Tailscale网络。

3. 获取服务器的Tailscale IP ：

   tailscale ip -4
   

   这个命令会输出一个以 100. 开头的IP地址，例如 100.101.102.103 。记下它，这就是你的云端AI助手在虚拟局域网中的地址。

4. 验证连通性 ：在服务器上，你现在可以尝试ping一下你其他已经安装了Tailscale的设备（比如你的笔记本电脑）的Tailscale IP。但更重要的验证是：确保Ollama的API可以通过这个Tailscale IP被访问。 默认情况下，Ollama服务监听在 0.0.0.0:11434 ，这意味着它接受来自所有网络接口的连接。所以，通过Tailscale IP访问应该是没问题的。你可以在服务器本机上用Tailscale IP再测一次：

   curl http://100.101.102.103:11434/api/tags
   

   这个API会列出服务器上所有已拉取的模型。如果返回了模型列表JSON，完美。

安全加固提示 ：虽然Tailscale网络是加密和认证的，但为了进一步安全，你可以考虑修改Ollama的监听地址，只绑定在Tailscale的网络接口上。这需要修改Ollama的配置文件（ /etc/ollama/ollama 或 ~/.ollama/config.json ），将 OLLAMA_HOST 设置为你的Tailscale IP。但这对初学者稍显复杂，且非必须。保持默认，配合Tailscale的零信任网络，安全性已经足够。

4. 本地环境配置与Cursor集成

云端服务就绪，现在轮到本地了。目标是在你的开发电脑上安装Tailscale，并配置Cursor使用我们自建的AI服务。

4.1 本地Tailscale客户端安装

前往 Tailscale官网下载页面 ，选择对应你本地操作系统的客户端（Windows, macOS, Linux）并安装。安装后打开Tailscale应用，用 同一个账号 登录。登录成功后，你的本地电脑也会获得一个 100.x.x.x 的IP地址。

验证网络连通性：

• 在本地电脑的命令行/终端中 ，ping一下你的云服务器的Tailscale IP：

  # Windows
  ping 100.101.102.103
  # macOS / Linux
  ping -c 4 100.101.102.103
  

  应该能收到回复。
• 更进一步，测试直接访问Ollama API ：

  # 在本地终端执行
  curl http://100.101.102.103:11434/api/tags
  

  如果成功返回服务器上的模型列表，恭喜！最关键的私有网络通道已经打通。

4.2 Cursor编辑器配置详解

这是最后一步，也是让一切努力变现的一步。我们需要让Cursor使用我们自己的Ollama服务。

1. 打开Cursor设置 ：在Cursor中，按 Cmd+, (Mac) 或 Ctrl+, (Windows/Linux) 打开设置。

2. 进入AI提供商设置 ：在设置侧边栏，找到 “AI” 或 “AI Provider” 相关选项。

3. 选择自定义/本地模型 ：Cursor通常提供几个选项：“OpenAI”, “Anthropic”, 以及 “Local/Other” , “Custom” 或 “Self-hosted” 。选择这个自定义选项。

4. 配置API端点 ：关键配置来了。

   • API Base URL ：这里填入你的Ollama服务地址。格式为： http://你的服务器Tailscale IP:11434 。例如： http://100.101.102.103:11434 。
   • API Key ：Ollama默认不需要API密钥。 这个字段可以留空，或者随意填写一个非空字符串（如 ollama ） 。因为Cursor的UI可能要求此字段必填，但Ollama服务端不验证它。
   • 模型名称 ：这里填写你在Ollama上拉取的模型名称，例如 deepseek-coder:6.7b 。 必须与 ollama list 中显示的名称完全一致 。
   • 其他参数 ：像 temperature , top_p 等高级参数，Cursor可能提供设置项，你可以根据模型特性调整。对于代码生成，通常 temperature 可以设低一点（如0.1-0.3）以获得更确定性的输出。

5. 保存并测试 ：保存设置。现在，尝试在Cursor中做一些操作来测试：

   • 在代码文件中，尝试触发自动补全（通常是输入时自动触发或按 Tab ）。
   • 打开Cursor的Chat面板（通常边栏或快捷键 Cmd+L ），问它一个编程问题，比如“如何用Python读写JSON文件？”。

如果配置正确，Cursor的界面应该会显示正在连接你的自定义端点，并在几秒内（取决于模型大小和网络延迟）返回结果。 第一次调用某个模型时，Ollama需要将其加载到内存/显存中，可能会花费10-30秒，后续调用就会非常快了。

4.3 高级配置：使用OpenAI兼容格式

Ollama的API设计为与OpenAI API部分兼容。Cursor对“自定义”模式的支持，本质上也是期望一个OpenAI兼容的端点。Ollama的 /v1/chat/completions 端点正是为此而生。

在你的配置中， API Base URL 也可以尝试指向这个更标准的端点： http://100.101.102.103:11434/v1 。然后模型名称同样填写 deepseek-coder:6.7b 。

有时候，Cursor的旧版本或特定设置可能对 /v1 路径支持更好。如果使用根路径（ http://...:11434 ）不工作，可以尝试换成 /v1 路径。

实操心得 ：在配置过程中，最常遇到的问题就是Cursor提示“无法连接到AI服务”或“模型不可用”。99%的原因出在网络或模型名称上。

1. 网络诊断 ：一定要先在本地终端用 curl 命令测试 http://[Tailscale-IP]:11434/api/tags 是否能返回数据。如果不行，检查Tailscale两端是否在线（控制台面板 https://login.tailscale.com/admin/machines ），检查服务器防火墙是否放行了11434端口（ sudo ufw allow 11434 如果用了UFW）。
2. 模型名称诊断 ：在服务器上运行 ollama list ，确认模型名称的拼写和标签完全正确。Cursor里填写的模型名必须和这个列表里的一模一样。
3. API格式诊断 ：尝试用 curl 模拟Cursor的请求。一个简单的OpenAI格式的聊天请求如下，在本地终端运行：

curl http://100.101.102.103:11434/v1/chat/completions -H "Content-Type: application/json" -d '{
  "model": "deepseek-coder:6.7b",
  "messages": [{"role": "user", "content": "Hello, world!"}],
  "stream": false
}'

如果这个能返回JSON，但Cursor不行，可能是Cursor的请求格式有细微差别，需要查看Cursor的日志或尝试不同的API Base URL路径。

5. 性能调优、监控与成本控制

一切搭建完成后，我们还需要让它运行得更稳定、更高效、更省钱。

5.1 Ollama服务优化与模型管理

默认安装的Ollama服务可能没有针对生产环境优化。我们可以进行一些调整。

1. 调整Ollama的并发和超时设置 ：编辑Ollama的环境配置文件。对于systemd服务，可以创建覆盖文件。

   sudo systemctl edit ollama
   

   在打开的编辑器中，添加以下内容（根据你的服务器内存和GPU显存调整）：

   [Service]
   Environment="OLLAMA_NUM_PARALLEL=2" # 并行处理的请求数，GPU强可以增加
   Environment="OLLAMA_HOST=0.0.0.0:11434" # 明确指定监听地址
   # 以下环境变量可以控制模型加载行为
   Environment="OLLAMA_KEEP_ALIVE=24h" # 模型在内存中保持的时间
   # 对于GPU，可以指定使用的GPU（如果有多卡）
   # Environment="CUDA_VISIBLE_DEVICES=0"
   

   保存退出后，重启服务： sudo systemctl restart ollama 。

2. 模型加载策略 ：Ollama默认在第一次请求时加载模型，并在闲置一段时间后卸载以节省内存。 OLLAMA_KEEP_ALIVE 环境变量可以控制这个时间。对于专用服务器，如果你希望助手随时响应，可以设置为一个很长的时间（如 -1 表示永不卸载，或 24h ）。注意这会持续占用GPU显存。

3. 多模型管理 ：你可以拉取多个模型，但不要同时运行它们（除非显存极大）。在Cursor中切换模型，只需要在设置里修改“模型名称”字段。Ollama服务会根据请求的模型名动态加载。首次切换时会有一个加载时间。

5.2 系统监控与日志排查

为了确保服务稳定，我们需要知道它运行得怎么样。

1. 查看Ollama服务状态与日志 ：

   # 查看服务状态
   sudo systemctl status ollama
   # 实时查看日志（按Ctrl+C退出）
   sudo journalctl -u ollama -f
   

   日志里会显示模型的加载、卸载、API请求和错误信息，是排查问题的第一现场。

2. 监控GPU使用情况 ：在服务器上，定期运行 nvidia-smi 可以查看GPU利用率、显存占用、温度和功耗。如果你发现响应变慢，可以看看是不是GPU显存满了或者利用率一直100%。

3. 监控系统资源 ：使用 htop 或 glances 工具监控CPU和内存使用情况。如果使用CPU模式，内存是关键。

4. Tailscale状态检查 ：

   tailscale status
   

   这个命令会列出你网络中的所有设备及其连接状态。确保你的服务器和本地电脑都是“active”状态。

5.3 成本分析与优化策略

使用云服务器，成本是需要持续关注的。

1. Hetzner成本构成 ：主要是服务器月租费。例如，一台RTX 4090服务器月租约120欧元。流量费用在Hetzner Cloud里通常很便宜，除非你有海量的数据进出，否则可以忽略不计。

2. 核心优化策略：关机！ 这是节省成本最有效的方法。你不需要助手7x24小时工作。可以在不用的时候（比如睡觉、非工作时间）将Hetzner服务器 关机 。Hetzner关机后 只收取IP地址和存储的少量费用 （每月几欧元），计算资源（CPU/GPU）不再计费。

   • 手动操作 ：在Hetzner Cloud控制台，点击服务器，选择“Power Off”。
   • 自动化脚本 ：可以写一个简单的脚本，通过Hetzner API在固定时间（如晚上11点）关机，早上（如8点）开机。结合本地cron或云函数实现。

3. 模型选择与资源平衡 ：在性能和成本间权衡。 7B 模型在RTX 4090上响应极快（毫秒级），而 70B 模型可能需要更贵的A100/H100服务器。对于大多数个人开发场景， 7B-13B 的模型已经能提供非常好的辅助。

4. 警惕“吸血鬼”进程 ：确保没有其他未知进程占用大量CPU/GPU，导致不必要的资源消耗和电费。定期用 nvidia-smi 和 htop 检查。

6. 常见问题与故障排除实录

在实际搭建和使用过程中，你几乎一定会遇到下面这些问题。这里是我踩过坑后的解决方案汇总。

6.1 连接类问题

问题1：Cursor提示“无法连接到AI服务”或“Connection refused”。

• 排查步骤 ：
  1. 本地到服务器网络 ：在本地终端执行 ping 100.xx.xx.xx 。不通？检查Tailscale两端是否在线，尝试在两端重启Tailscale服务 ( sudo systemctl restart tailscaled 或客户端重启)。
  2. 服务器端口监听 ：在服务器上执行 sudo netstat -tlnp | grep 11434 。看看是否有进程在监听11434端口。如果没有，说明Ollama服务没起来，运行 sudo systemctl start ollama 。
  3. 服务器防火墙 ：如果服务器启用了UFW，确保放行了11434端口： sudo ufw allow 11434 。Hetzner Cloud控制台也有一个“Firewall”功能，检查是否在那里被阻止。
  4. Ollama绑定地址 ：确认Ollama监听在 0.0.0.0 。检查 /etc/ollama/ollama 文件或环境变量 OLLAMA_HOST 。默认就是 0.0.0.0:11434 ，不要改成 127.0.0.1 。
  5. 用curl在本地测试 ：这是黄金标准。在本地电脑运行： curl -v http://100.xx.xx.xx:11434/api/tags 。 -v 参数会输出详细过程，看卡在哪一步（DNS解析、TCP连接、HTTP请求）。

问题2：Tailscale显示设备是“offline”或“not connected”。

• 解决方案 ：
  1. 在问题设备上重启Tailscale守护进程： sudo systemctl restart tailscaled (Linux) 或重启Tailscale客户端 (Win/Mac)。
  2. 检查设备时间是否准确，时间偏差太大会导致认证失败。
  3. 登录Tailscale管理后台，检查该设备是否被“禁用”（disabled）。有时新设备需要手动批准。
  4. 对于服务器，如果换了内核或做了重大更新，可能需要重新认证：先 tailscale down ，再 tailscale up 。

6.2 模型与API类问题

问题3：Cursor提示“模型不可用”或返回无关内容。

• 排查步骤 ：
  1. 模型名称 ：核对Cursor中填写的模型名，必须与 ollama list 输出的名字 完全一致 ，包括大小写和冒号后的标签（如 :7b , :6.7b-instruct ）。
  2. 模型是否已拉取 ：在服务器上运行 ollama list ，确认模型存在。如果没有，用 ollama pull 拉取。
  3. API路径 ：尝试将Cursor的API Base URL从 http://...:11434 改为 http://...:11434/v1 。
  4. API格式测试 ：用6.1节最后的 curl 命令测试OpenAI格式的API，看是否能正常返回。如果不能，查看Ollama日志 ( sudo journalctl -u ollama -n 50 ) 看具体错误。

问题4：模型响应速度极慢，或者第一次请求超时。

• 原因与解决 ：
  1. 首次加载 ：第一次请求某个模型时，Ollama需要从磁盘加载到内存/显存，耗时很长（10-60秒不等）。这是正常现象，后续请求就快了。
  2. CPU模式 ：如果没有GPU或GPU驱动未装好，Ollama会回退到CPU模式。对于7B模型，CPU推理可能需要10-30秒生成一个回答。检查 nvidia-smi 确认GPU是否被使用。
  3. 显存不足 ：如果模型太大（如33B），而GPU显存不足，系统会使用内存和磁盘交换，速度急剧下降。换用更小的模型或升级服务器。
  4. 设置 OLLAMA_KEEP_ALIVE ：在服务器环境变量中设置 OLLAMA_KEEP_ALIVE=24h ，让模型长时间驻留内存，避免闲置卸载后重新加载。

6.3 性能与稳定性问题

问题5：使用一段时间后，Cursor补全卡住或无响应。

• 可能原因 ：
  1. 服务器内存/显存耗尽 ：运行 nvidia-smi 和 htop 检查。如果显存满了，Ollama可能会崩溃或卡死。尝试重启Ollama服务： sudo systemctl restart ollama 。
  2. Ollama进程崩溃 ：查看日志 sudo journalctl -u ollama -n 100 寻找错误信息。常见于模型本身bug或硬件不稳定。
  3. 网络波动 ：Tailscale是P2P连接，在某些复杂网络环境下可能不稳定。可以尝试在服务器和客户端都重启Tailscale。

问题6：如何升级Ollama或模型？

• 升级Ollama ：在服务器上重新运行安装脚本 curl -fsSL https://ollama.com/install.sh | sh ，它会自动升级。
• 升级模型 ：Ollama的模型如果有更新，需要重新拉取。使用 ollama pull <model-name> 会拉取最新版本。注意，这不会删除旧版本，旧版本仍会占用磁盘空间。可以用 ollama list 查看，使用 ollama rm <model-name> 删除不再需要的旧版本。

搭建并运行这样一个云端AI编程助手，就像拥有了一位不知疲倦、随时在线的资深编程伙伴。它完全在你的控制之下，没有使用限制，没有隐私担忧。从成本角度看，一台性能足够的GPU服务器月租，可能还不及频繁使用商业API一个月的花费。更重要的是，这个过程让你深入了解了现代AI工具链的部署和集成，这种掌控感是单纯使用SaaS服务无法比拟的。