Come usare ego (lite) con un modello locale

Questo tutorial collega un modello Qwen locale a ego (lite) su Windows. Le registrazioni usano DeepSeek Harness con un modello etichettato Qwen3.5 9B Local Demo per cercare alloggi a Tokyo su Airbnb e restituire tre annunci.

La configurazione è composta da tre parti: Ollama esegue il modello, il tuo Agent Harness gestisce la conversazione ed esegue gli strumenti ed ego (lite) apre le pagine web tramite la Skill ego-browser. Scaricare un modello non basta a collegarlo al browser.

Puoi usare un altro modello locale e un altro Harness, purché supportino le chiamate agli strumenti, il caricamento di ego-browser e l'esecuzione dei suoi comandi sul computer Windows su cui è installato ego (lite).

Prima di iniziare: prepara il software

Installa queste applicazioni sullo stesso computer Windows:

• Ollama per Windows: scarica il modello e lo rende disponibile in locale. Dopo l'installazione, apri l'applicazione e lasciala in esecuzione.
• Il tuo Agent Harness: le registrazioni usano DeepSeek Harness. Deve supportare Ollama in locale o una connessione a un modello compatibile con OpenAI, oltre all'esecuzione di comandi in locale.
• ego (lite): installalo e completa la configurazione iniziale, così il tuo Harness può caricare la Skill ego-browser. Dopo la configurazione, chiudi completamente l'Harness e riaprilo, poi avvia una nuova sessione.

Mantieni la connessione a internet per il download iniziale del modello e per i siti web che vuoi visitare. L'inferenza del modello può avvenire in locale, mentre il browser continua ad accedere alle pagine online.

Configura il modello locale con Ollama

La clip di configurazione apre il sito web di Ollama, cerca qwen3.5 e mostra la famiglia di modelli e le dimensioni disponibili. Segui i passaggi qui sotto per installare e collegare la variante 9B usata in questo tutorial. La clip non mostra il download del modello né la configurazione del provider nell'Harness.

1. Verifica Ollama e scarica Qwen

Apri PowerShell in Windows Terminal ed esegui:

ollama --version
ollama list
ollama pull qwen3.5:9b
ollama list

Attendi il termine del download. L'elenco finale deve includere qwen3.5:9b. Usa il tag esplicito :9b per scaricare la dimensione prevista invece di affidarti al tag predefinito della famiglia. La pagina ufficiale del modello riporta i dettagli del download e del modello. Lascia libera altra memoria per il contesto del modello e per le altre applicazioni: la dimensione del download non corrisponde alla memoria totale necessaria durante l'esecuzione.

Se PowerShell non trova ollama, completa l'installazione di Ollama e apri un nuovo terminale. Se non riesce a connettersi al servizio, apri Ollama dal menu Start di Windows. Per i dettagli sull'installazione e sul servizio, consulta le istruzioni di configurazione per Windows.

2. Imposta la lunghezza del contesto

Le attività nel browser accumulano istruzioni, testo delle pagine e risultati degli strumenti. Nelle impostazioni dell'applicazione Ollama, imposta la lunghezza del contesto su 64k o più, se il computer ha abbastanza memoria disponibile. La guida alla lunghezza del contesto di Ollama consiglia almeno 64.000 token per le attività degli agenti e spiega quanta memoria aggiuntiva serve.

Per un'installazione solo CLI, puoi invece avviare il servizio da PowerShell con:

$env:OLLAMA_CONTEXT_LENGTH = "65536"
ollama serve

Usa questo metodo in alternativa all'applicazione Ollama in esecuzione. Prima chiudi normalmente l'applicazione nell'area di notifica, così non avvii un secondo servizio sulla stessa porta. Lascia aperta questa finestra di PowerShell e usa un altro terminale per i comandi successivi. L'impostazione d'ambiente qui sopra vale solo per questa sessione del terminale: impostala di nuovo quando avvii un nuovo servizio dalla CLI.

3. Verifica che il modello risponda

In PowerShell, esegui:

ollama run qwen3.5:9b

Invia un breve messaggio, ad esempio Reply with one sentence to confirm you are ready. Attendi la risposta, poi digita /bye per uscire dalla chat con il modello. Lascia Ollama in esecuzione.

In questo modo verifichi che il modello sia in grado di generare testo. La connessione al browser verrà verificata quando eseguirai l'attività descritta più avanti.

4. Collega il tuo Harness a Ollama in locale

Nella configurazione dei modelli o dei provider supportata dal tuo Harness, aggiungi la connessione locale. Per una connessione compatibile con OpenAI, usa questi valori, tratti dalla documentazione sulla compatibilità di Ollama:

Aggiungi il provider tramite le impostazioni o il file di configurazione supportati dal tuo Harness. Usa il formato di file supportato dalla versione installata del tuo Harness e lascia invariate le impostazioni non correlate quando aggiungi il provider.

Usa l'ID esatto del modello restituito da ollama list. Un nome visualizzato, da solo, non crea né rinomina un modello Ollama.

Usa l'indirizzo di connessione locale richiesto dall'integrazione Ollama del tuo Harness. Prima di salvare il provider, verifica se si aspetta una connessione Ollama nativa o una connessione compatibile con OpenAI.

Salva la configurazione e scegli il modello locale nel selettore dei modelli dell'Harness. Nella registrazione, Qwen3.5 9B Local Demo è già selezionato sotto la casella del messaggio. Si tratta di un'etichetta visualizzata: quando configuri la tua connessione, usa l'ID del modello restituito da ollama list. Harness diversi usano impostazioni dei provider o file di configurazione diversi, quindi segui il metodo di configurazione supportato dal tuo Harness.

Invia un breve messaggio di prova dall'Harness con il modello locale selezionato. Mentre il modello genera la risposta, esegui questo comando in un altro terminale:

ollama ps

Controlla il modello in esecuzione e il suo valore CONTEXT. Un elenco vuoto significa che al momento non è caricato nessun modello: ripeti il controllo durante la generazione. In questo modo puoi distinguere una voce di modello salvata da un modello effettivamente in esecuzione in Ollama.

Passaggio 1: imposta le autorizzazioni della sessione

Con il modello Qwen locale selezionato, apri il menu delle autorizzazioni sotto la casella del messaggio. Nell'interfaccia di DeepSeek Harness mostrata nella registrazione, passa da Workspace Write a Full access, seleziona I understand the risks and want to continue e scegli Enable Full access.

Queste sono autorizzazioni dell'Harness per eseguire strumenti sul tuo computer e sono separate dalla configurazione del modello in Ollama. Se usi un altro Harness, scegli le autorizzazioni corrispondenti per i comandi locali ed esamina le eventuali richieste di approvazione.

Passaggio 2: carica la Skill ego-browser

Avvia una nuova sessione. Digita /ego-browser, seleziona ego-browser dal selettore dei comandi a barra, aggiungi uno spazio e inserisci l'attività nello stesso messaggio. Verifica che il modello Qwen locale sia ancora selezionato, poi invia il messaggio.

La registrazione chiede all'agente di cercare alloggi a Tokyo su Airbnb e di trovare tre opzioni economiche. Puoi usare:

Usa ego-browser per cercare su Airbnb un alloggio a Tokyo, in Giappone. Confronta tre annunci economici e restituisci i loro link e i prezzi mostrati nella pagina.

Passaggio 3: lascia lavorare il modello locale

Qwen genera le azioni successive tramite l'Harness. L'Harness esegue i comandi di ego-browser, apre Airbnb in uno Space di ego (lite), applica i filtri di ricerca e legge gli annunci. Passa allo Space dell'agente per guardare le azioni nel browser, mentre le tue schede restano nel tuo Space.

Lascia in esecuzione Ollama e l'Harness fino al termine dell'attività. Per continuare, il modello ha bisogno sia del servizio di inferenza locale sia dell'esecuzione degli strumenti da parte dell'Harness.

Passaggio 4: controlla il risultato

L'attività registrata termina con una tabella di tre annunci, con link e informazioni sui prezzi, nella conversazione dell'Harness. Le pagine del browser usate dall'agente restano disponibili in ego (lite), così puoi aprire i link restituiti e confrontarli con la risposta.

Risoluzione dei problemi

Ollama non riesce a connettersi o il modello manca

Apri Ollama, esegui ollama list e cerca qwen3.5:9b. Completa il download prima di riprovare. Se il servizio è in esecuzione ma l'Harness non riesce a connettersi, confronta il tipo di connessione, l'URL di base e l'ID esatto del modello con la tabella qui sopra.

Il modello non compare nell'Harness

Salva la configurazione del provider locale e riavvia l'Harness se non aggiorna l'elenco dei modelli. Verifica che il provider riesca a connettersi al servizio Ollama in esecuzione. Un modello elencato da Ollama deve comunque essere aggiunto o rilevato tramite l'integrazione del provider dell'Harness.

Il modello risponde, ma il browser non si muove

Verifica che l'Harness abbia caricato ego-browser e stia effettuando chiamate agli strumenti. Se la Skill manca, completa la configurazione di ego (lite) e riavvia l'Harness. Controlla le autorizzazioni di esecuzione locale e le eventuali approvazioni in sospeso. L'Harness deve eseguire i comandi sullo stesso computer Windows su cui si trova ego (lite).

L'attività è lenta, esaurisce la memoria o si interrompe

Leggi l'errore nell'Harness o in Ollama prima di riprovare. Chiudi le applicazioni non necessarie che usano molta memoria e inizia con un'attività più semplice nel browser. Durante la generazione, controlla con ollama ps il modello caricato e il contesto. Se scegli un modello più piccolo, scaricalo e aggiorna anche l'ID del modello nell'Harness: deve comunque supportare le chiamate agli strumenti.

Airbnb ti chiede di accedere

Apri lo Space dell'agente, completa tu l'accesso o la verifica, poi chiedi all'agente di continuare.

Per approfondire

• DeepSeek Harness descrive l'interfaccia usata nelle registrazioni.
• Il tuo Agent Harness spiega i requisiti per un altro Harness.
• Skills spiega come un agente ottiene l'accesso agli strumenti del browser.
• Space spiega dove si trovano le pagine dell'agente.
• Ollama per Windows descrive l'installazione e la configurazione del servizio.
• Lunghezza del contesto di Ollama descrive le impostazioni del contesto e l'uso della memoria.