用 Ollama Launch Claude + Gemma 4 打造平行 Subagent 工作流：一台電腦開五個分身幫你寫程式

上一篇 OpenCode + Gemma 4 「本地跑 Coding Agent 很棒，但一次只能做一件事，遇到大型重構還是得回頭用 Claude Code 的 Subagent。有沒有辦法兩邊都拿到？」

其實有。2026 年 3 月 Ollama 悄悄更新了一個殺手級功能 —— ollama launch claude 直接把 Anthropic 的 Claude Code 拉進本地生態系，不但能用本地模型當引擎，還完整支援 Subagent（子代理）平行執行。

意思是：一台電腦、一張顯卡，也能同時開五個 AI 分身去做 code review、找 bug、寫測試、讀文件。這篇就把我這週實測的流程、踩過的坑、跟「到底什麼時候值得用」都一次講清楚。

本篇前半安裝跟上一篇有部分重疊，如果你已經裝好 Ollama + Gemma 4，可以直接跳到「第三章 啟動 Claude Code」。

前情提要：Subagent 到底是什麼？

先把黑話翻譯成人話。你在 Claude Code 叫它「幫我檢查整個專案有沒有 SQL Injection 風險」，如果沒有 Subagent，它會自己一個人把整個 repo 讀完，然後再整理成報告。這有兩個問題：

1. Context 會爆：讀一堆檔案之後，主線對話的 context 被塞滿，後面你問它別的事情它就開始「失憶」。
2. 速度很慢：一次只能做一件事，遇到多檔案任務要排隊。

Subagent 的做法是：主 Agent 當指揮官，把「檢查 auth 模組」「檢查 payment 模組」「檢查 api 路由」拆成三個任務，分別丟給三個 Subagent。每個 Subagent 各自有自己的 context，做完只回傳摘要給指揮官，指揮官再整合成一份報告給你。

好處：

• Context 乾淨（只有摘要不會塞）
• 平行跑（時間接近 1/3）
• 任務隔離（一個 Subagent 爆炸不影響其他）

直觀圖解

這張圖就是今天要搭建的架構。

一、前置需求

項目	最低	推薦	本篇實測
GPU VRAM	8 GB	12 GB+	RTX 3070 Ti 8 GB
系統 RAM	32 GB	48 GB+	48 GB
SSD 空間	40 GB	60 GB+	NVMe Gen4
OS	Win10 / macOS 12 / Ubuntu 22.04	—	Win11

為什麼 Subagent 吃資源比較兇？ 因為同時會有 1 個主 Agent + N 個 Subagent 的 context 同時存在 VRAM。如果你打算開 3 個平行 Subagent，保守估算要留 3 倍的 context 空間。

實測心得：如果只有 8 GB VRAM，建議把主 Agent 設小一點的模型（e4b），Subagent 才讓它吃 26b。這個「不對稱模型配置」後面第四章會講。

二、安裝 Claude Code 與 Ollama（已裝過可跳過）

2.1 安裝 Ollama

# Windows
irm https://ollama.com/install.ps1 | iex

# macOS
brew install --cask ollama-app

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

驗證：

ollama --version
# 應該顯示 0.15.0 以上（Launch 功能從 0.15 開始）

2.2 安裝 Claude Code CLI

Anthropic 官方的 Claude Code CLI 必須先裝，因為 ollama launch claude 其實只是幫你把 Claude Code 的環境變數指向本地 Ollama。

# 官方安裝方式（Node.js 環境）
npm install -g @anthropic-ai/claude-code

# 或用 Homebrew (macOS)
brew install claude-code

claude --version

⚠️ 如果你從來沒登入過 Anthropic 帳號也沒關係，本篇完全不需要 API Key，因為請求會被轉到本地。

2.3 下載模型

# 主力模型：Gemma 4 26B MoE
ollama pull gemma4:26b

# 輕量模型（給 Plan / Explore Subagent）
ollama pull gemma4:e4b

2.4 擴大 Context Window（踩雷重點）

Claude Code 最少需要 64K context，否則 Subagent 運作時很快就爆。上一篇用 32K 對 OpenCode 夠，但 Claude Code 不行。用 Modelfile 建立 64K 版本：

FROM gemma4:26b
PARAMETER num_ctx 65536
PARAMETER temperature 0.2
PARAMETER top_p 0.9
PARAMETER repeat_penalty 1.1

存成 Modelfile 後：

ollama create gemma4:26b-64k -f Modelfile
ollama create gemma4:e4b-64k -f Modelfile.e4b  # e4b 也建一份

驗證：

ollama show gemma4:26b-64k | findstr num_ctx
# 應顯示 65536

如果 VRAM 吃不下 64K，可以降到 48K。再低的話 Subagent 的「讀整份 repo 再摘要」會跑到一半就切斷。

三、啟動 Claude Code 本地模式

關鍵指令只有一條：

ollama launch claude --model gemma4:26b-64k

背後做了什麼？其實就三件事：

ANTHROPIC_BASE_URL=http://localhost:11434
ANTHROPIC_AUTH_TOKEN=ollama
ANTHROPIC_API_KEY=          # 清空

然後就把 Claude Code CLI 叫起來。你也可以手動設：

# PowerShell 永久設定
[Environment]::SetEnvironmentVariable("ANTHROPIC_BASE_URL", "http://localhost:11434", "User")
[Environment]::SetEnvironmentVariable("ANTHROPIC_AUTH_TOKEN", "ollama", "User")

# 然後直接用官方指令
claude --model gemma4:26b-64k

兩者效果完全一樣，但 ollama launch claude 會順便幫你檢查模型存在、context 夠不夠、Ollama 服務有沒有起來，對新手友善很多。

3.1 請求流向

注意第二步：Ollama 內建一層 Anthropic 相容層，把 /v1/messages 格式轉成 Ollama 原生格式。這也是為什麼你不用自己架 proxy 或設 MCP server。

四、Subagent 設定：讓 Claude Code 會分身

這是本篇精華。Claude Code 的 Subagent 是透過檔案系統定義，放在專案根目錄的 .claude/agents/ 下，每個 .md 檔就是一個 Subagent。

4.1 Subagent 檔案格式

以 security-reviewer 為例，建立 .claude/agents/security-reviewer.md：

---
name: security-reviewer
description: 專門檢查 OWASP Top 10 風險的安全審查員。MUST BE USED 當使用者提到 auth、login、SQL、輸入驗證、secret 時。
model: gemma4:26b-64k
tools: Read, Grep, Glob, Bash
---

你是資安工程師。任務是審查程式碼並回報：

1. 找出 OWASP Top 10 對應風險
2. 每個風險標示嚴重度 (CRITICAL / HIGH / MEDIUM / LOW)
3. 提供最小修復 diff

回報格式：Markdown 表格，欄位：檔案 / 行號 / 風險 / 嚴重度 / 建議

四個關鍵欄位：

欄位	作用
name	Subagent 呼叫名稱
description	什麼時候要自動呼叫（越精確越好）
model	用哪個模型（可以跟主 Agent 不同！）
tools	這個 Subagent 可以用哪些工具

4.2 不對稱模型配置（省 VRAM 秘訣）

這招在 8 GB 顯卡很實用：主 Agent 用小模型當指揮官，Subagent 才用大模型做苦工。

# .claude/agents/explorer.md
---
name: explorer
description: 探索 codebase，找檔案與關鍵字
model: gemma4:e4b-64k    ← 小模型，快速反應
tools: Grep, Glob, Read
---

# .claude/agents/deep-coder.md
---
name: deep-coder
description: 寫複雜程式、重構、實作新功能
model: gemma4:26b-64k    ← 大模型，複雜推理
tools: Read, Write, Edit, Bash
---

主 Agent 用哪個？啟動時指定：

ollama launch claude --model gemma4:e4b-64k

重點：Ollama 同一時間只會載入被呼叫的模型，當主 Agent 閒著、Subagent 在工作時，VRAM 主要被 Subagent 吃。這個 load/unload 的切換會增加延遲，但對小顯卡來說是必要的 trade-off。

4.3 平行 Subagent 實戰範例

建立三個 Subagent：

.claude/agents/
├── security-reviewer.md   ← 安全審查
├── perf-analyzer.md       ← 效能分析
└── test-writer.md         ← 補測試

三份 .md 完整內容直接複製可用：

security-reviewer.md

---
name: security-reviewer
description: OWASP Top 10 安全審查員。MUST BE USED 當提到 auth、login、SQL、輸入驗證、secret、CORS、CSRF、JWT 時。
model: gemma4:26b-64k
tools: Read, Grep, Glob
---

你是資深資安工程師，任務是審查程式碼。

步驟：
1. 先用 Grep 找 `query(`、`exec(`、`eval(`、`innerHTML`、`dangerouslySetInnerHTML`、`os.system`
2. 再檢查是否有 raw SQL、字串拼接、未驗證輸入
3. 檢查是否把 secret hardcode 在檔案裡

回報格式（Markdown 表格）：
| 檔案 | 行號 | 風險類型 | 嚴重度 | 修復建議 |

只回報有問題的部分，不要長篇大論。最後給一個修好後的 diff 片段。

perf-analyzer.md

---
name: perf-analyzer
description: Node.js / Python / Go 效能瓶頸分析師。MUST BE USED 當使用者提到 slow、lag、延遲、optimize、timeout 時。
model: gemma4:26b-64k
tools: Read, Grep, Bash
---

你是效能工程師，找出會造成 bottleneck 的程式碼。

重點檢查：
- N+1 query
- 同步 I/O 在 async 函式裡
- 迴圈內呼叫 API
- 沒有快取的重複計算
- 大檔案一次載入記憶體

回報格式：
1. 問題位置（檔案 + 行號）
2. 估計影響（High / Med / Low）
3. 改法（附 diff）
4. 可觀測的驗證方式（如 `time curl ...` 前後數字）

test-writer.md

---
name: test-writer
description: 自動補 unit test。MUST BE USED 當使用者請求寫測試、補測試、提升覆蓋率時。
model: gemma4:26b-64k
tools: Read, Write, Edit, Bash
---

你是 TDD 實踐者，任務是替指定檔案補 unit test。

規則：
- 使用專案現有的測試框架（讀 package.json / requirements.txt 判斷）
- 覆蓋率目標 80%，含 happy path + edge case + 錯誤路徑
- 測試命名：`describe("FunctionName", () => { it("should ...", ...) })`
- 不要改動原始程式，只新增 `__tests__/` 或 `tests/` 下的檔案

最後跑一次 `npm test` 或 `pytest -xvs` 確認全過。

然後在 Claude Code 裡直接下：

幫我針對 src/api/login.ts 做三件事（請用 subagent 平行處理）：
1. 安全審查
2. 效能分析
3. 補 unit test

實測在 RTX 3070 Ti + gemma4:e4b-64k 當主、gemma4:26b-64k 當 Subagent 的組合下：

方式	耗時	VRAM 峰值
不用 Subagent（主 Agent 全包）	約 420 秒	7.8 GB
3 個 Subagent 序列	約 380 秒	7.2 GB
3 個 Subagent 平行	約 170 秒	7.4 GB

平行快 2.5 倍，而 VRAM 峰值只略高一點，因為 Ollama 在做 layer offload 很聰明。

4.4 Subagent 的三個設計原則

寫了十幾個 Subagent 之後，歸納出三條鐵律：

1. 單一職責：一個 Subagent 只做一件事。full-stack-reviewer 這種包山包海的通常表現很差，拆成 db-reviewer + api-reviewer + ui-reviewer 效果更好。
2. 工具最小權限：能用 Grep 就不要給 Read（Grep 只回傳命中行，Read 會吃整個檔案）。能用唯讀就不要給 Write，避免 Subagent 擅自動檔案。
3. 回報格式強制化：description 裡明確指定輸出是 Markdown 表格或 JSON，不然 Subagent 回傳大段散文、指揮官還得花 context 去解析。

五、實戰：Hybrid 架構（進階）

這是我目前真正在用的設定，值得多講一段。痛點：Gemma 4 雖然好，但遇到需要「跨 10 個檔案設計新架構」這種任務，還是不如 Claude Opus。解法：主 Agent 用雲端 Claude Opus 當指揮官，Subagent 用本地 Gemma 4 當工人。

5.1 兩種設定做法

做法 A：登入 Anthropic 帳號 + Subagent 指回本地

主 Agent 走雲端、Subagent 走本地。這是官方推薦寫法。

# 先登入 Anthropic
claude login

# 主 Agent 用 Sonnet / Opus
claude --model claude-sonnet-4-6

# Subagent 的 .md 指定本地模型
# .claude/agents/file-searcher.md
---
name: file-searcher
description: 搜尋檔案與關鍵字，快速定位程式碼
model: gemma4:e4b-64k       ← 本地跑，Claude Code 會自動導向 Ollama
tools: Grep, Glob, Read
---

做法 B：雙 BASE_URL（進階 / 比較 hacky）

需要有些場景希望平時用本地、重要任務手動切雲端。做法是兩份 config：

# 本地 profile
[Environment]::SetEnvironmentVariable("ANTHROPIC_BASE_URL", "http://localhost:11434", "User")

# 切雲端時暫時 override
$env:ANTHROPIC_BASE_URL = "https://api.anthropic.com"
$env:ANTHROPIC_API_KEY = "sk-ant-..."
claude --model claude-opus-4-7

5.2 成本實測（重要）

這組設定跑了兩週，把 Anthropic Usage Dashboard + 電費單都翻出來算給你看：

方案	月 API 費用	月電費	月總成本	備註
純雲端（只用 Claude Opus）	USD 220	5	USD 225	密集開發，token 用量大
純本地（只用 Gemma 4）	0	12	USD 12	品質偶爾卡住
Hybrid（主雲端 + Subagent 本地）	USD 45	9	USD 54	品質與效率兼顧

省了大約 USD 170 / 月，一年就是 USD 2000，對個人開發者不算小錢。

5.3 什麼任務該本地、什麼該雲端

我內部的分配原則：

任務類型	指派對象	原因
架構設計、多檔重構	雲端 Sonnet/Opus	需要跨檔案推理
檔案搜尋、關鍵字定位	本地 Gemma e4b	簡單工作不必花錢
Regex / SQL 撰寫	本地 Gemma 26b	專精任務，Gemma 表現好
寫 unit test	本地 Gemma 26b	模板化任務
寫商用文案 / 產品描述	雲端 Opus	語感細節很重要
Code review（語法層）	本地 Gemma 26b	批次處理，本地便宜
Code review（架構層）	雲端 Sonnet	需要綜合判斷
Debug 推理	雲端 Sonnet	需要假設/驗證迴圈

我個人感覺，這個「Hybrid 架構」才是 2026 年大多數 SWE 的最佳解。純本地會遇到能力天花板，純雲端又太貴，兩邊配著用最划算。

六、進階技巧

6.1 鏈式 Subagent（A 完成後交給 B）

Claude Code 支援 Subagent 主動呼叫另一個 Subagent。範例：你要重構某個模組，理想流程是「先搜尋 → 再分析 → 再改寫 → 最後補測試」。做法是在每個 Subagent 的 prompt 最後寫「完成後請呼叫 next-agent」：

---
name: refactor-planner
description: 重構計畫制定者
tools: Read, Grep
---

完成計畫後，將計畫與要改的檔案列表傳給 `refactor-executor`。

指揮官會看到「planner 回報 + 請求呼叫 executor」，自動把任務轉手。這樣主對話 context 幾乎不會被污染。

6.2 用 CLAUDE.md 共享知識（所有 Subagent 都讀得到）

Claude Code 會把專案根目錄的 CLAUDE.md 自動塞到每個 Subagent 的 system prompt 裡。用這個放：

• 專案的 coding style（命名規則、tab/space）
• 慣用套件（用 pnpm 不用 npm、用 uv 不用 pip）
• 禁用清單（不准 commit secrets、不要改 migration 歷史）
• 資料庫 schema 速查

好處：不用在每個 Subagent .md 重複寫，降低維護成本。

6.3 本地 Subagent 也能用 MCP

這點很多人不知道：即使主 Agent 走雲端、Subagent 跑本地 Ollama，MCP server 還是可以共用。例如你有一個本地 Postgres MCP，Subagent 可以透過它查 DB schema，完全不需要把資料傳到雲端。設定在 .claude/mcp.json：

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"]
    }
  }
}

Subagent 的 tools: 加上 mcp__postgres__* 就能用。

6.4 常駐模型減少冷啟動

Hybrid 架構最痛的一點是 Subagent 切換模型時會重新載入。解法：

# 把常用模型都鎖在 VRAM / RAM 裡
[Environment]::SetEnvironmentVariable("OLLAMA_KEEP_ALIVE", "-1", "User")
[Environment]::SetEnvironmentVariable("OLLAMA_MAX_LOADED_MODELS", "2", "User")

這樣 e4b 和 26b 都能同時常駐，切換幾乎無感。但 VRAM 需求會加倍，如果你是 8 GB 顯卡只能設 1。

6.5 把 Subagent 做成團隊共用

.claude/agents/ 目錄可以跟著 Git repo 一起版控，整個團隊共用 Subagent 定義。我在 GitLab 公司內部倉庫有一個 shared-agents/ repo，新人 clone 下來就能用同一套 AI 工作流，新人上手速度變快很多。

七、我的日常工作流（真實一天）

講得再多不如講一天我實際怎麼用。2026 年 4 月 17 日這天：

• 09:00 — 打開 Claude Code（主 Sonnet 4.6），跟它討論今天要做的 3 個票，大致切出架構方向。（雲端 ~3K tokens）
• 09:30 — 叫 file-searcher（本地 e4b）把相關檔案找出來，回報 18 個檔案位置。（本地，免費）
• 10:00 — 主 Agent 規劃完，派 refactor-executor（本地 26b）去改 12 個檔案。期間我在泡咖啡。（本地，免費）
• 10:30 — 三個 Subagent 平行跑：security-reviewer、test-writer、doc-updater，5 分鐘後三份報告送回來。（本地，免費）
• 11:00 — 主 Agent 整合三份報告，決定哪些要改、哪些先 ignore。這段要推理，用雲端。（雲端 ~5K tokens）
• 11:30 — 我自己看過 diff，commit + push。
• 下午 — 同樣模式再跑兩輪。

一天下來 Anthropic 消費大約 USD 1.5，本地跑了大概 60 次推論，電費不到新台幣 10 元。這就是我為什麼現在強烈推薦 Hybrid 架構給所有開發者。

八、常見問題

Q1. ollama launch claude 找不到指令
升級 Ollama 到 0.15+：ollama --version。舊版沒有 launch 指令。

Q2. Claude Code 顯示 401 Unauthorized
環境變數沒設好。確認：

echo $env:ANTHROPIC_BASE_URL   # 應該是 http://localhost:11434
echo $env:ANTHROPIC_AUTH_TOKEN # 應該是 ollama
echo $env:ANTHROPIC_API_KEY    # 應該是空的

如果 ANTHROPIC_API_KEY 還有舊值，要手動清掉。

Q3. Subagent 沒有自動被呼叫
檢查 .md 的 description。Claude Code 用 description 當路由依據，描述越精確、含越多關鍵字（例如 "MUST BE USED when..."）越容易觸發。

Q4. Subagent 跑到一半 context 爆
通常是 Subagent 把太多檔案 Read 進 context。解法：限制 Subagent 的 tools，不要給 Read 全檔案權限，改給 Grep 先找區段。

Q5. 平行 Subagent 實際上是序列執行
Ollama 的 OLLAMA_NUM_PARALLEL 預設 1（或 4，依版本）。要讓 Subagent 真的平行，要設：

[Environment]::SetEnvironmentVariable("OLLAMA_NUM_PARALLEL", "4", "User")

重啟 Ollama 服務後生效。注意：這會吃更多 VRAM，8 GB 顯卡建議設 2，不要設 4。

Q6. 想看 Subagent 執行過程
Claude Code 加 --verbose 或在 TUI 按 Ctrl+R 展開 Subagent 的詳細 trace。Log 預設路徑：Windows %APPDATA%claudelogs、macOS/Linux ~/.claude/logs/。每個 Subagent 會有獨立 log 檔，方便排查哪個 Subagent 卡住。

Q7. Subagent 一直挑錯模型
大多是因為 Ollama 把兩個模型的 manifest 搞混。清理一下：

ollama ps            # 查目前載入什麼
ollama stop gemma4:e4b-64k
ollama show gemma4:26b-64k | findstr num_ctx

如果 num_ctx 不是 65536，代表 Modelfile 沒成功 apply，重新 ollama create 一次。

Q8. 主 Agent 走雲端、Subagent 走本地，但 Subagent 跑不起來
檢查清單：

1. ANTHROPIC_BASE_URL 必須是 https://api.anthropic.com（不是本地）
2. 你有正常 claude login
3. Subagent .md 的 model: 要寫純模型名（gemma4:26b-64k），不要加 URL
4. Ollama 本地服務有開（curl localhost:11434）

缺一項都會導致 Subagent fallback 去打雲端 API（然後拿到 model not found）。

Q9. 怎麼確認本地 Subagent 真的沒外連網路
抓封包最快：

# Windows 用 resmon → 網路活動，看 claude / ollama process
# macOS 用 Little Snitch 或
sudo tcpdump -i any 'host api.anthropic.com'

Subagent 跑的時候應該完全看不到對 api.anthropic.com 的請求，只有主 Agent 偶爾會打。

Q10. 本地模型跑得比預期慢很多
三個可能：

1. CPU 在跑：ollama ps 看 PROCESSOR 欄位，應該顯示 100% GPU。若顯示 CPU 代表 offload 失敗，通常是 VRAM 不夠，降 context 或換小模型。
2. 磁碟太慢：模型沒載入完就開始推論，換 NVMe SSD 或把 OLLAMA_MODELS 搬到快的磁碟。
3. 驅動過舊：NVIDIA 驅動 < 560 版本在 Gemma 4 有已知 bug，更新到 570+。

九、結論與個人觀點

這週實測下來，老實說第一眼驚豔、第二眼冷靜、第三眼真香。

• 驚豔：真的可以一台小電腦跑出 Subagent 平行，過去要花錢買 Claude 帳號才玩得到的架構，現在免費。
• 冷靜：本地模型在複雜推理的品質還是比不上 Claude Opus / GPT-5，這個短期內不會改變。
• 真香：Hybrid 架構把指揮官留給雲端、苦工留給本地，成本直接砍到 1/5，但體感幾乎沒差。

我現在的日常設定

• 主 Agent：雲端 Claude Sonnet 4.7（付月費，約 USD 20）
• Subagent（共 8 個）：全部本地 Gemma 4，兩個 e4b、六個 26b
• MCP：全部本地跑（Postgres / filesystem / git 都是本地 server，敏感資料不出去）
• VRAM 配置：常駐 gemma4:e4b-64k + gemma4:26b-64k 共 ~10 GB（所以我去年換了 RTX 4070 12GB）

誰適合這套？

使用者	建議
個人開發者 / SOHO	強烈推薦，成本省很多
新創早期	推薦，省下的錢可以多買 API 配額給重要任務
公司內部有資安規定	必看，可完全本地化
學生 / 剛開始學 AI 開發	推薦但先從單機 Gemma 開始，熟了再加 Subagent
重度使用者（Claude Max 已買到頂）	Hybrid 能再榨出一倍
只寫 3 行 Python 偶爾問 AI	其實不用搞這麼複雜，雲端免費版就夠

踩坑總結

三週實測踩過的所有坑，一次總結：

1. Context 一定要 64K 以上，Subagent 會因為 context 不夠直接失敗
2. 不要在 Subagent 給太多 tools，特別是 Write / Bash，新人容易放任它亂改
3. Modelfile 改完要 ollama create 重建，不然 num_ctx 設定不會生效
4. OLLAMA_NUM_PARALLEL 設太高 VRAM 會爆，8 GB 顯卡就給 2 就好
5. 雲端 + 本地 Hybrid 時，API Key 變數要設對，否則 Subagent 亂跑

如果你是獨立開發者、SOHO 族、或剛開始接 SaaS 專案，非常推薦把這套跑起來。一次投資的時間，可以省半年以上的 API 費用。

參考資源

• Ollama Blog: Subagents and web search in Claude Code
• Ollama Docs: Claude Code Integration
• Claude Code Docs: Create custom subagents
• 前篇：用 OpenCode + Gemma 4 打造本地 AI Coding Agent 完整教學

寫這系列文章其實有個私心 —— 希望台灣中文圈有更多人試本地 AI 開發。目前相關繁體資料還很少，大部分都是對岸或歐美先寫。如果你跟著做有卡關或想討論，歡迎留言或寄信給我。下一篇大概會寫：怎麼把 MCP Server 本地化 + Subagent 混搭，讓你連「查資料庫」「發 Slack」這種動作都不出本機。