LM Studio 部署本地模型后如何通过 API 接入 Cursor 实现全代码补全

要把 Cursor 的大脑换成本地运行的 Llama 3 或 Qwen 2.5，核心就在于利用 LM Studio 模拟 OpenAI 的 API 接口。很多人卡在配置上，其实就是因为没对齐 Base URL 和模型名称。

第一步：LM Studio 端开启 Server
加载完模型后，点击左侧的 <-> 按钮进入 Local Server 界面。最关键的操作是：关闭 CORS 限制（开启 Cross-Origin Resource Sharing），否则 Cursor 在调用请求时可能会被拦截。启动 Server 后，你会看到一个 http://localhost:1234/v1 的地址，把这个地址记下来。

第二步：Cursor 端的 API 劫持
进入 Settings -> Models，不要在默认的 Claude/GPT 列表里找，直接拉到最下面找到 OpenAI API Key 配置项。

配置技巧：
1. API Key: 随便填，比如 lm-studio，因为本地模型不需要鉴权，但 Cursor 要求这个字段不能为空。
2. Base URL: 填入 http://localhost:1234/v1。
3. Override Model Name: 这一步最容易踩坑。你必须在下方手动添加一个模型名称，且这个名称必须与 LM Studio 顶栏显示的 Exact Model ID 完全一致（包括版本号）。

第三步：实现全代码补全 (Tab Completion)
Cursor 的 Tab 补全默认走的是它们自己的原生小模型，无法直接通过 OpenAI API 接口替换。但如果你想让对话和代码重写走本地模型，在 Chat 窗口切换到刚才手动添加的本地模型 ID 即可。

如果你追求极致的本地化，可以通过 .cursorrules 文件强制 AI 遵循本地模型的推理逻辑。在项目根目录创建该文件，写入：

You are running on a local LLM via LM Studio. 
Prioritize concise code snippets over long explanations. 
Strictly follow the project's existing naming conventions.

踩坑经验分享：
上下文长度截断：本地模型很容易在长文件中“失忆”。在 LM Studio 的右侧配置面板中，手动将 Context Length 从默认的 2048 调高到 8192 甚至更高（取决于你的显存），否则代码写到一半就会出现逻辑断层。

显存溢出导致响应慢：如果发现 Cursor 调用本地模型时卡顿严重，检查 GPU Offload 进度条。确保模型尽可能多地加载到 GPU 而不是 CPU，否则 API 响应延迟会让你怀疑人生。

内存占用优化：建议选择 GGUF 格式的 Q4_K_M 量化版本，在保持逻辑能力的同时，能显著降低推理时的内存压力。