$ loading_
将代码讲解、补测试和加注释等简单任务分流到本地 Ollama,节省 Claude API 成本。
复制安装指令,让 AI 自动完成配置 · 推荐新手
"ollama-mcp" 暂无可直接复制的安装信息,请查看页面文档或源码仓库。
请用简洁中文解释这段 Python 代码的作用、输入输出和关键逻辑,并指出可读性改进建议:
python
for i, item in enumerate(items):
if item.get('active'):
result.append(transform(item))
返回一段结构清晰的代码说明,并附上可执行的可读性优化建议。
请为下面的 TypeScript 函数编写 Jest 单元测试,覆盖正常情况、边界情况和异常输入:
ts
export function normalizeEmail(email: string) {
return email.trim().toLowerCase();
}
生成可直接使用的 Jest 测试代码,包含多个测试用例与覆盖说明。
请为这段旧的 JavaScript 代码补充行内注释和函数注释,保持原逻辑不变,注释重点说明关键步骤与潜在风险:
js
function sync(users){return users.filter(u=>u.id).map(u=>save(u))}
输出带清晰注释的代码版本,帮助团队更快理解和维护旧代码。
将 Claude Code 连接到本地 llama.cpp,便于低成本测试与运行本地大模型。
将高 token 开发任务转给本地 Ollama 模型,节省 API 成本并提升开发效率。
将非关键大模型任务转交给自控模型处理,节省高端模型配额与成本。
连接 Ollama 本地大模型到 MCP 客户端,便于查看模型并发起问答
通过 MCP 将编码任务委派给 Codex,并进行安全校验与结果验证。
将 Claude Code 记录转为可查询分析,便于审计成本、安全与效率洞察。