本地小模型生成代码
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Codeeli是一款面向本地小型大语言模型的开源自托管代码生成工具，核心目标是解决中小参数大模型（4B-8B）无法一次生成完整可用项目的痛点。它本身不是大模型，而是一层工作流工具，需要用户对接自己本地运行的大模型使用，整体项目轻量，代码完全开源托管在GitHub，没有提供公共云服务版本。
Codeeli的核心设计是把「生成整个项目」这个大任务拆分为两个步骤，适配小模型的能力边界：首先要求模型输出严格JSON格式的项目文件清单，包含每个文件的名称和功能描述，格式不合格会自动重试最多3次；验证通过后再逐个生成每个文件的内容，生成过程会把已生成文件作为上下文传入，最后将所有文件直接写入用户指定的本地工作目录。
它支持对接Ollama、任意OpenAI兼容接口、LiteLLM三种模型源，用户可以在UI界面直接编辑内置的提示词模板和项目配方（比如「单文件index.html」「小型Python CLI」这类项目风格预设），不需要修改源代码。生成完成后还支持一键运行项目，直接在界面查看运行输出的日志。
Codeeli完全免费开源，不存在任何收费项目，支持Linux和macOS系统，可以通过官方提供的一键脚本完成安装，会自动克隆代码到本地、创建虚拟环境并安装依赖，要求环境具备Git和Python 3.10以上版本。因为功能需要直接读写本地文件、调用本地模型，官方刻意不提供在线演示，认为公共云演示要么有安全风险，要么只是无法反映真实体验的空模拟。
优点方面，它精准击中了本地小模型代码生成的痛点，用简单的工程改进大幅提升了输出可用代码的概率；全程本地运行，代码不流出设备，隐私性好；逻辑透明，没有复杂难调试的黑盒Agent逻辑，提示词还可灵活自定义。缺点则是仅支持Linux和macOS，没有Windows版本；必须本地预先部署好大模型才能使用，对纯新手有一定门槛；目前定位就是生成小型项目，无法支撑大型开发需求。
它适合习惯本地部署大模型、关注数据隐私的开发者，适合用来快速生成小型工具、原型项目，也适合想要测试小型开源大模型代码能力的研究者。
Codeeli的代码托管在GitHub，安装脚本从GitHub拉取资源，中国用户一般可通过正常网络或代理获取资源，工具本身部署后完全本地运行，不依赖后续境外网络访问。
本测评基于公开资料整理,不构成购买建议,请以 codeeli.com 官网实际信息为准。
自托管开源思路，适合本地AI编程探索。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。