Codex调用本地 Ollama gemma4:e4b 模型突破 4K 上下文限制经验总结

在 Codex App 中调用本地 Ollama 的 gemma4:e4b 模型时，生成约 4K tokens 后自动停止，其根本原因在于 Ollama 默认的上下文窗口（Context Window）仅为 4096 tokens。

上下文窗口是指模型在一次推理中能够”看到”的最大 token 数量，包括输入提示词（Prompt）和模型生成的输出（Output）的总和。一旦总 token 数达到 4096 的上限，模型就会停止生成，表现为”自动跳出停止运行”。

特别说明：Codex 作为 AI 编程助手，其 Agent 工作流需要处理大量代码上下文，官方建议至少使用 32K-64K 的上下文窗口。因此，突破 4K 限制不仅是解决生成中断问题的需要，更是充分发挥 Codex 能力的必要条件。

第一步 先运行基础模型 gemma4:e4b

第二步 通过 Modelfile 创建专用模型（最方便有效的方法）

这是最稳定、最推荐的方式。通过创建 Modelfile 定制一个上下文窗口更大的模型版本。官方推荐64K模型是最佳推荐。因为我已经有64K模型了，实际使用中还是有不够用的现象，所以我再创建一个128K的模型，gemma4最大是可以创建256k模型。

注意这一步必须要在>>>提示符下运行，在出现的 >>> 提示符下，依次输入以下命令

/set parameter num_ctx 131072
/save gemma4:e4b-128k
/bye

第三步 验证模型

在linux提示符下，用ollama指令启动刚才创建的专用modelfile

ollama run gemma4:e4b-128k

第四步 在codex app中配置对应的上下文窗口参数

返回到winodws，打开codex，进入setting参数配置页面。

将codex config.toml配置文件的model配置成ollama运行的专用模型名称，这样就将上下文窗口限制改为128K。

以上就是我在试验用codex桌面端接入wsl2 ubuntu系统下ollma各种模型的实际经验汇总。适合小白用户，可以避坑节省时间。

到现在实际测试了qwen2.5:7b, qwen3.5:9b, gemma4:e4b, 在32GB内存无独显笔记本上使用，gemma4表现最强，强烈推荐。

未经允许不得转载：阿帕克软件-Apecsoft » Codex调用本地 Ollama gemma4:e4b 模型突破 4K 上下文限制经验总结