Continue 完整使用攻略：开源 IDE AI 助手的深度指南
是什么 / 适合谁
Continue 是一款开源的 IDE AI 助手，专为 VS Code 和 JetBrains 系列 IDE 打造。它的核心卖点是“自由”——你可以在本地或云端接入任意 LLM（大语言模型），无论是闭源的 GPT-4、Claude，还是开源的 Llama、Qwen、DeepSeek，甚至是本地运行的模型。它不像 GitHub Copilot 那样绑定特定服务，而是把模型选择权完全交给你。
适合人群：
- 开发者：需要代码补全、解释、重构、文档生成等日常编程辅助。
- 开源爱好者：希望完全掌控 AI 工具，避免数据外泄或依赖商业 API。
- 模型实验者：想在不同 LLM 之间切换对比，或使用本地模型进行离线开发。
- 预算敏感用户：不想为 Copilot 或 Cursor 付费，愿意用开源模型或自建服务。
不适合人群：
- 需要强 Agent 能力（如自动修复复杂 bug、多步骤任务编排）的用户。
- 完全依赖英文界面、不愿配置的“即开即用”用户。
- 对私有化部署或模型接入没有兴趣的纯小白。
阶段学习路径
第1天：安装与基础配置
安装插件
- VS Code：在扩展商店搜索“Continue”，点击安装。
- JetBrains：在插件市场搜索“Continue”，安装后重启 IDE。
配置模型
- 安装后，点击侧边栏的 Continue 图标，打开设置面板。
- 在“Models”中添加你的 LLM：
- 使用本地模型：推荐 Ollama（免费开源），下载后运行
ollama pull codellama，然后在 Continue 中选择“Ollama”作为 provider，模型名填 codellama。
- 使用云端 API：如 OpenAI，填入 API Key 和模型名（如
gpt-4o）。注意：如果你无法直接访问 OpenAI，可以考虑国内合规的 API 服务（如阿里云通义千问、百度文心等），它们通常提供兼容 OpenAI 的接口。
基础操作
- 代码补全：在编辑器中输入代码，Continue 会自动弹出建议，按 Tab 接受。
- 聊天：选中代码后，按
Ctrl+I（VS Code）或 Cmd+I（Mac）打开对话窗口，输入自然语言指令（如“解释这段代码”）。
- 内联编辑：选中代码后，按
Ctrl+Shift+I 打开内联编辑窗口，输入修改要求。
第1天目标：能正常使用代码补全和基础聊天功能。
第1周：掌握核心工作流
上下文管理
- 在聊天中，可以通过
@ 符号引用文件、符号或代码片段（如 @file:main.py）。
- 利用“上下文切片”功能：选中代码后，右键选择“Add to Context”，将多个片段加入对话，实现跨文件分析。
自定义指令
- 在设置中创建“自定义指令”（Custom Commands），例如：
fix：自动修复选中代码中的错误。 refactor：对代码进行重构建议。
- 调用方式：在聊天中输入
/fix 或 /refactor。
模型切换与对比
- 在聊天窗口顶部，可以随时切换模型。推荐同时配置一个快速模型（如
gpt-4o-mini）和一个深度模型（如 claude-3.5-sonnet）。
- 对于复杂任务（如算法设计），先用快速模型生成初稿，再用深度模型优化。
第1周目标：能高效利用上下文和自定义指令，提升日常编程效率。
进阶：深度定制与自动化
本地模型微调
- 如果你有特定代码库，可以用 Continue 结合 Ollama 或 llama.cpp 运行微调后的模型（如 CodeLlama-7B）。
- 操作：在本地用 LoRA 微调模型后，修改 Continue 的
config.json，指定模型路径。
多模型协作
- 利用 Continue 的“模型链”功能：设置一个任务由多个模型依次处理（如先用代码模型生成代码，再用语言模型写注释）。
- 配置方法：在
config.json 中定义 chain 字段，指定每个步骤的模型和 prompt。
集成到 CI/CD
- 通过 Continue 的 CLI 工具，在 CI 流程中自动调用模型进行代码审查或文档生成。
- 示例：在 GitHub Actions 中运行
continue review --diff，对 PR 的代码变更进行 AI 审查。
优势
- 开源免费：无订阅费，代码完全透明，可自行审计安全性。
- 模型自由：支持任意 LLM，包括本地模型，数据不出网。
- 双 IDE 支持：VS Code 和 JetBrains 生态全覆盖，无缝迁移。
- 可扩展性：通过插件和自定义指令，能实现复杂工作流。
短板
- Agent 能力弱：相比 Cline（基于 Claude 的强 Agent 工具），Continue 的自动执行能力有限，无法自主完成多步骤任务（如“修复所有 lint 错误并提交代码”）。
- 界面全英文：目前无中文界面，对英语不熟练的用户有门槛。
- 配置复杂：模型接入和指令定制需要一定技术背景，新手容易卡在配置环节。
- 性能依赖模型：使用本地模型时，响应速度受硬件限制（如 7B 模型在 CPU 上可能延迟 2-3 秒）。
价格规划
- 完全免费：使用本地模型（如 Ollama 上的 CodeLlama）或开源 API（如 Groq 的免费层）。
- 低成本方案：使用国内合规 API（如阿里云通义千问，按量计费，每百万 token 约 2 元）。
- 商业方案：如果团队需要稳定服务，可自建模型服务器（如 vLLM + Llama 70B），成本取决于硬件。
建议：个人开发者优先用本地模型，团队可混合使用本地 + 云端 API。
不合适怎么办
如果 Continue 无法满足需求，可以考虑以下替代方案：
- 需要强 Agent 能力：换用 Cline（VS Code 插件）或 Open Interpreter（命令行工具）。
- 需要中文界面：尝试国内产品如“通义灵码”（阿里出品，支持 VS Code，免费）。
- 需要零配置即开即用：使用 GitHub Copilot（付费，但体验流畅）或 Codeium（免费版有限制）。
- 需要更强大的代码补全：考虑 Tabnine（支持本地模型，但收费）。
总结：Continue 是开源社区的诚意之作，适合愿意折腾、追求自由的开发者。如果你能接受它的配置门槛，它能成为你编程工具箱中极具性价比的一环。
