Intermedio 11 minIDE

IntelliJ e JetBrains + Ollama: l'assistente IA locale nel proprio IDE

Collegare IntelliJ (o PyCharm, WebStorm, GoLand…) a Ollama significa avere un assistente di programmazione in stile Copilot che però gira sulla tua macchina: chat sul tuo progetto, completamento a fine riga, refactoring — senza che una sola riga venga inviata a un server di terzi. Questa guida passa in rassegna i plugin compatibili con Ollama, mostra come collegare il tutto tramite un «proxy AI» e indica quali modelli per il codice scegliere in base alla tua scheda grafica.

Di Thomas P.·Agg. 2026-08-27·Testato su Windows, macOS e Linux

#Perché un LLM locale nel tuo IDE

Gli assistenti cloud (GitHub Copilot, JetBrains AI, Cursor) sono comodi ma inviano il contesto del tuo codice — a volte l’intero file, a volte l’intero repository — a server remoti. Per codice soggetto a NDA, software proprietario o semplicemente per principio, è inaccettabile. Un LLM locale collegato a IntelliJ risolve il problema alla radice: il modello gira sulla tua GPU, il prompt e il completamento non lasciano mai la macchina.

L'altro argomento è il costo. Un abbonamento a Copilot o JetBrains AI si paga ogni mese, a tempo indeterminato. Una volta installato Ollama e scaricato un modello per il codice, puoi usare il completamento e la chat senza quote, senza fatturazione per token, anche offline. Il compromesso riguarda la qualità: un piccolo modello locale non eguaglia un modello cloud di punta, ma un Qwen 3.8 27B o un Devstral 24B si avvicina per il completamento e la chat di tutti i giorni.

Privacy
Il codice, i prompt e le risposte rimangono in locale. Nulla viene registrato nei log sul cloud.
Nessun abbonamento
Nessun costo ricorrente una volta scaricato il modello. Utilizzo illimitato.
Hors-ligne
Funziona in treno, su una rete isolata o dietro un proxy aziendale con restrizioni rigide.
Controllo del modello
Scegli la dimensione e la quantizzazione e puoi cambiare modello in base all'attività.

#I plugin JetBrains che comunicano con Ollama

Il kit Copilota Locale

Questa guida ti porta al modello. Il kit ti porta al copilota che scrive codice nel tuo editor.

  • Spazio online a vita
  • PDF + file
  • Aggiornamenti a vita
Il kit Copilote Local →o tutti i kit a vita — 49 € →

L'ecosistema JetBrains non offre un supporto nativo universale per Ollama: si passa attraverso un plugin del marketplace. Tre opzioni coprono quasi tutte le esigenze, ciascuna con un punto di forza diverso.

ProxyAI (ex-CodeGPT)
Il più completo per l'uso locale. Chat, completamento inline, modifica del codice selezionato e un connettore Ollama integrato. È il «proxy AI» menzionato nel titolo: fa da ponte tra l'IDE e il daemon Ollama.
Continue
Open source, ampiamente configurabile tramite un file di configurazione. Chat, autocompletamento e azioni sul codice, con supporto di primo livello per Ollama come provider. Ideale se vuoi regolare finemente ogni modello.
JetBrains AI Assistant
L’assistente ufficiale di JetBrains. Dal 2025 può collegarsi a un modello locale tramite Ollama o LM Studio per la modalità offline. Pratico se vuoi restare nell’ecosistema JetBrains, ma meno flessibile per il completamento locale.
i
Un daemon, più client
Tutti questi plugin si collegano allo stesso endpoint Ollama (http://localhost:11434). Puoi installarne due in parallelo — ad esempio ProxyAI per la chat e Continue per il completamento — purché puntino allo stesso server. Il modello viene caricato una sola volta in VRAM da Ollama.

#Prerequisiti

Si presume che Ollama sia già installato e funzionante. Per il resto bastano un IDE JetBrains recente e almeno un modello per la programmazione già scaricato.

Un IDE JetBrains 2024.1+
IntelliJ IDEA, PyCharm, WebStorm, GoLand, Rider, PhpStorm… I plugin indicati sopra si installano su tutta la gamma dallo stesso marketplace.
Ollama funzionante
Il daemon installato e raggiungibile su http://localhost:11434. Prova con ollama list prima di configurare qualsiasi cosa.
Un modello per chat e codice
qwen3.5:9b è un buon punto di partenza versatile (256k di contesto, visione). In Q4_K_M occupa circa 6,6 GB di VRAM.
Una GPU consigliata
Il completamento deve rispondere in meno di un secondo per essere utile. Una RTX 3060 da 12 GB fa girare senza difficoltà un modello 7B; senza GPU, limitati alla chat, non al completamento automatico.
Terminale — preparare Ollama
# Vérifier que le daemon répond
ollama list

# Modèle de code polyvalent (chat + edit)
ollama pull qwen3.5:9b

# Tester l'API que les plugins vont utiliser
curl http://localhost:11434/api/tags

#Configurare ProxyAI + Ollama

ProxyAI (ex CodeGPT) è il percorso più diretto verso un assistente locale completo in JetBrains. Il suo connettore Ollama gestisce la chat, la modifica della selezione e il completamento, senza chiave API né account.

  1. 01
    Installare il plugin
    Settings → Plugins → Marketplace, cerca «ProxyAI» (o «CodeGPT» a seconda della versione) e installalo. Riavvia l'IDE se richiesto.
  2. 02
    Scegliere il fornitore Ollama
    Settings → Tools → ProxyAI → Providers. Seleziona Ollama (Local) come fornitore, anziché le opzioni cloud (OpenAI, Anthropic…).
  3. 03
    Verificare l'URL del server
    Il campo Base URL deve puntare a http://localhost:11434. Se Ollama è in esecuzione su un'altra macchina della rete, inserisci il suo indirizzo IP al posto di localhost.
  4. 04
    Selezionare il modello
    Nell'elenco dei modelli, scegli quello che hai scaricato (ad esempio qwen3.5:9b). ProxyAI interroga Ollama per elencare i modelli disponibili.
  5. 05
    Provare la chat
    Apri il pannello ProxyAI (icona nella barra laterale) e fai una domanda su un file aperto. La risposta deve arrivare in locale, senza avvisi di connessione esterna.
→
Aggiungere contesto alla chat
Seleziona del codice prima di aprire la chat, oppure usa il comando per aggiungere un file al contesto: il modello risponde così sul tuo codice specifico anziché nel vuoto. I modelli piccoli hanno una finestra di contesto limitata: non caricarci tutto il progetto in una volta, concentrati sui file pertinenti.

#Continue e l'AI Assistant nativo

Se preferisci regolare ogni dettaglio, Continue espone la sua configurazione in un file anziché nei menu. Vi si dichiarano esplicitamente il provider Ollama, il modello di chat e — separatamente — il modello di completamento. È più verboso ma molto più preciso, soprattutto per assegnare un modello piccolo e veloce all'autocompletamento e uno più grande alla chat.

Continue — config.json (estratto)
{
  "models": [
    {
      "title": "Qwen 3.5 9B",
      "provider": "ollama",
      "model": "qwen3.5:9b",
      "apiBase": "http://localhost:11434"
    }
  ],
  "tabAutocompleteModel": {
    "title": "Autocomplete",
    "provider": "ollama",
    "model": "qwen2.5-coder:7b-base",
    "apiBase": "http://localhost:11434"
  }
}

Da JetBrains AI Assistant, la procedura è più ben definita: nei parametri dell'assistente, attiva l'uso di modelli locali e indica Ollama. È utile per mantenere un solo strumento, ma l'assistente nativo è soprattutto pensato per il cloud JetBrains; la sua completazione locale è meno matura di quella di ProxyAI o Continue. Per un utilizzo del 100% locale serio, si consiglia piuttosto questi ultimi due.

#Quali modelli per il codice scegliere in base alla VRAM

La regola è semplice: più il modello è grande, migliori sono le sue risposte, ma più VRAM consuma e più lentamente risponde. Le famiglie Qwen 3.5 / Qwen 3.8 coprono tutta la gamma e nel 2026 rappresentano un punto di riferimento per la programmazione con modelli locali; Devstral 24B (specializzato come agente di programmazione) e Granite 4.2 sono buone alternative. Ecco i valori di riferimento con quantizzazione Q4_K_M (il miglior compromesso tra dimensioni e qualità).

Leggero 3B — ~2 GB VRAM
granite4.2:3b. Risoluzione rapida dei problemi, domande semplici, consumi molto contenuti. Funziona anche su una GPU di fascia bassa o sulla CPU per usi non interattivi.
Polivalente 9B — ~6,6 GB di VRAM
qwen3.5:9b. Il punto di equilibrio: buone prestazioni in chat, editing e refactoring, 256k di contesto e capacità visive. Adatto a una RTX 3060 da 12 GB / 4070 da 12 GB.
Comfort 12B — ~7,6 GB VRAM
gemma4:12b. Nettamente migliore nel ragionamento e nei refactoring su più file, multimodale e con licenza Apache 2.0. Funziona bene su una RTX 4080 da 16 GB.
Fascia alta 27B — ~18 GB di VRAM
qwen3.8:27b. Il più vicino al cloud per la programmazione in locale (262k di contesto, visione). Richiede una RTX 4090 da 24 GB o un Mac Apple Silicon con almeno 32 GB di memoria unificata. Consiglio: imposta il suo ragionamento su «low», perché tende a ragionare troppo per impostazione predefinita.
i
Due modelli, due ruoli
La chat tollera la latenza; il completamento no. Si separano quindi spesso i ruoli: un modello potente (Gemma 4 12B o Qwen 3.8 27B) per la chat e le modifiche, e un modello base dedicato (qwen2.5-coder:7b-base) per l'autocompletamento durante la digitazione. Ollama mantiene entrambi in memoria finché rientrano nella VRAM.

#Completamento locale: attenzione al FIM

Il completamento in stile Copilot si basa sul « fill-in-the-middle » (FIM): il modello deve completare il codice nel mezzo, conoscendo ciò che precede E ciò che segue il cursore. Non tutti i modelli lo supportano. Le varianti instruct sono addestrate per la chat, non per il FIM — per il completamento automatico, usa le varianti base, progettate specificamente per questo.

Terminale — modelli di completamento (base = FIM)
# Modèle base de référence pour le FIM (autocomplétion inline)
ollama pull qwen2.5-coder:7b-base

# En Q4_K_M il tient dans ~4,7 Go et reste LA référence 2026 pour la complétion
ollama list
Modello base, non instruct
Per il completamento, scegli qwen2.5-coder:7b-base, che rimane il punto di riferimento per il FIM nel 2026. Un modello instruct produrrà completamenti prolissi o fuori formato.
Velocità prima di tutto
Nell'autocompletamento, la velocità conta più della precisione. Un modello base dedicato che risponde in meno di mezzo secondo è più utile di un grande modello di chat che impiega 2 secondi.
GPU quasi obbligatoria
Senza accelerazione hardware, il completamento arriva troppo tardi per stare al passo con la digitazione. Riserva quindi l'IA locale alla chat.
!
Completamento lento o incoerente?
Due cause classiche: un modello instruct usato dove serve un modello base (il FIM fallisce), oppure un modello troppo grande per la GPU che viene eseguito in parte sulla CPU. Controlla il tag del modello (-base) e monitora la VRAM con nvidia-smi mentre digiti.

#Cosa l'IA locale non fa ancora nell'IDE

L'IA locale ha fatto progressi, ma restano delle differenze rispetto agli assistenti cloud di fascia alta. È utile conoscerle per calibrare le proprie aspettative ed evitare delusioni.

Il ragionamento multi-file
I repository di grandi dimensioni superano la finestra di contesto dei modelli locali. Il modello vede i file che gli fornisci, non l'intera architettura. Copilot Workspace o Cursor indicizzano tutto il progetto; in locale, il processo è ancora artigianale.
Le modalità agente avanzate
Far eseguire comandi, avviare test e iterare in un ciclo (come fanno Cline e Cursor Agent) richiede un modello che gestisca l'uso degli strumenti in modo affidabile. I piccoli modelli locali spesso non ci riescono; occorre puntare a un modello dedicato al codice (Devstral 24B, Qwen3-Coder 30B o GLM 4.7 Flash) e accettare alcuni fallimenti.
La qualità intrinseca sul codice complesso
Per problemi algoritmici avanzati o framework recenti poco rappresentati nell'addestramento, un modello locale da 8 a 12B resta indietro rispetto a un modello cloud di punta.
L'integrazione curata nel prodotto
Rilevamento automatico del linguaggio, numerose azioni contestuali, risoluzione di PR… gli strumenti locali stanno recuperando terreno, ma restano un passo indietro rispetto all'esperienza curata degli assistenti commerciali.

In pratica, l'esecuzione locale eccelle nel completamento del codice, nelle conversazioni su un file, nella spiegazione del codice e nel refactoring localizzato. Per le attività complesse svolte da agenti e l'analisi di un intero repository, il cloud mantiene il vantaggio — da qui l'utilità di mantenere entrambe le opzioni e di instradare le richieste in base alla sensibilità del codice.

#Risoluzione dei problemi

Il plugin non elenca nessun modello
Non raggiunge Ollama. Verifica che il daemon sia in esecuzione (ollama list) e che l'URL sia http://localhost:11434. Se Ollama è su un'altra macchina, avvialo con OLLAMA_HOST=0.0.0.0 e usa l'indirizzo IP di quella macchina come destinazione.
« Connection refused »
Ollama non è avviato, o un firewall blocca la porta 11434. Prova con curl http://localhost:11434/api/tags dalla stessa macchina dell'IDE.
Il modello non appare nella lista
L'etichetta non corrisponde. Copia il nome esatto restituito da ollama list, inclusa l'etichetta (qwen3.5:9b e non qwen3.5).
Risposte molto lente
Il modello viene eseguito in parte sulla CPU. Passa a una dimensione inferiore o a Q4_K_M e verifica con nvidia-smi che la GPU venga effettivamente utilizzata.
Completamento vuoto o assurdo
Stai utilizzando un modello instruct per il FIM. Passa a una variante -base (qwen2.5-coder:7b-base).
L'IDE rallenta durante la generazione
Due modelli caricati saturano la VRAM. Riduci la dimensione di uno dei due, o attiva un plugin alla volta.

#Per approfondire

Il valore dell'assistente locale nell'IDE dipende dal daemon e dalla GPU che lo fanno funzionare. Queste guide completano la configurazione.

Installare Ollama
La base: installare e avviare il daemon che serve i tuoi modelli di codice sulla porta 11434.
Copilot gratuito in locale: Cline, Tabby & CodeGeeX in VS Code
L'equivalente per VS Code, per confrontare gli approcci e i plugin da un editor all'altro.
Usare Ollama in Claude Code e Cursor
Per collegare gli stessi modelli locali ad altri assistenti e scegliere tra locale e cloud in base al compito.
Questa guida ti è stata utile?

Un feedback, un errore, una precisazione? Facci sapere, così la guida migliora per tutti.