在本地 LLM 和 LM Studio 中使用 Cursor

抱歉，我需要您提供要翻译的具体文本内容（文章正文），才能为您完成简体中文翻译。请把需要翻译的文字粘贴在这里，我会保持原有的 markdown 格式和技术术语不变进行翻译。

前置条件

• 已安装 Cursor
• 已安装 LM Studio
• 已安装 ngrok
• 能够运行 LLM 的本地机器

本指南将使用模型 zai-org/glm-4.6v-flash。

第一步 – 安装 LM Studio

1. 从官方网站下载 LM Studio。
2. 安装该应用程序。
3. 启动 LM Studio。

第 2 步 – 下载模型

1. 打开 LM Studio。
2. 在应用内下载您想使用的模型。
3. 本文中，请下载 zai-org/glm-4.6v-flash。
4. 等待下载完成后再继续。

第3步 – 安装 ngrok

ngrok 允许你将本地服务器暴露到互联网，并提供公共 URL。

• 官方网站：

如果你使用 Homebrew（macOS/Linux），可以通过以下方式安装：

brew install ngrok

Step 4 – 设置 ngrok

1. 创建一个 ngrok 账户（如果您还没有的话）。
2. 从仪表板获取您的 auth token。
3. 对本地安装进行身份验证：

ngrok config add-authtoken {your_token}

第5步 – 在 LM Studio 中启动本地服务器

1. 打开 LM Studio。
2. 启用 开发者模式（设置 → 开发者）。
3. 点击 启动本地服务器。

LM Studio 将现在通过兼容 OpenAI 的 API 为你的 LLM 提供服务。

Step 6 – 使用 ngrok 暴露本地服务器

打开终端并运行：

ngrok http 1234

注意： 1234 必须与 LM Studio 用于本地服务器的端口相匹配（默认是 1234）。

命令启动后，ngrok 会显示一个公网 URL，例如：

复制此 URL —— 在配置 Cursor 时需要用到它。

Typical ngrok output:

🚪 One gateway for every AI model. Available in early access *now*: https://ngrok.com/r/ai

Session Status                online
Account                       your_account (Plan: Free)
Version                       3.35.0
Region                        United States (us)
Latency                       19ms
Web Interface                 http://127.0.0.1:4040

现在，你已经拥有一个由 LM Studio 提供的本地运行的 LLM，并通过 ngrok 暴露到互联网，随时可以与 Cursor 配合使用。祝编码愉快！

Forwarding

https://something.ngrok-free.app → http://localhost:1234

Connections

HTTP Requests

20:10:37.113 EST POST /v1/chat/completions 200 OK
20:06:13.115 EST POST /v1/chat/completions 200 OK
20:04:59.112 EST POST /v1/chat/completions 200 OK
20:04:42.221 EST POST /v1/chat/completions 200 OK
20:03:11.002 EST POST /v1/chat/completions 200 OK
20:03:05.636 EST POST /v1/chat/completions 200 OK
20:02:22.796 EST POST /v1/chat/completions 200 OK

第7步 – 打开 Cursor 设置

启动 Cursor 并导航至：

Settings → Models / OpenAI Configuration

第8步 – 配置 OpenAI 基础 URL

1. 启用 OpenAI API 密钥。
2. 为 API 密钥输入任意占位符值（例如 1234）。
3. 将 ngrok URL 粘贴到 Override OpenAI Base URL。
4. 在 URL 末尾追加 /v1。

你的最终 URL 应该是：

https://yours.ngrok-free.app/v1

第 9 步 – 添加自定义模型

1. 点击 Add Custom Model。
2. 为本地 LLM 输入一个名称（例如 GLM4.6‑local）。

⚠️ Windows 用户：
必须输入 LM Studio 内部报告的精确模型名称。
本例中为：zai-org/glm-4.6v-flash

完成！ 🎉

就这样——设置已完成。现在可以打开 Cursor Chat，输入提示并发送。Cursor 会通过 ngrok 将请求路由到在 LM Studio 中运行的本地 LLM。

最后思考

使用 Cursor 与本地 LLM 相结合可以：

• 降低 API 成本
• 提升隐私保护
• 试验自定义或开源模型

LM Studio 和 ngrok 让整个过程出奇地简便。配置完成后，使用体验几乎与使用托管的 OpenAI 模型相同——只不过所有操作都在你的机器上运行。

祝你玩得开心！🚀