Continue：开源AI编程

为什么需要 Continue：摆脱绑定，让模型与规则自己做主

商业 AI 编程助手（如 GitHub Copilot）的核心问题是“锁定”：模型固定、订阅固定、数据路径固定。团队无法把代码提交给不被允许的模型服务商，无法替换更便宜的 DeepSeek 或本地 7B 模型，也无法在助手行为中强制注入团队编码规范。对金融、政企等数据敏感行业，代码出境本身即合规红线，标准商业助手基本不可用。

Continue 的解法是四件事：其一，模型可插拔，任意 OpenAI 兼容 API、Anthropic、Gemini、DeepSeek 以及本地 Ollama/vLLM 都能作为 Chat 或补全模型；其二，配置即代码，“用什么模型、带什么上下文、允许调用哪些工具”全部写在 ~/.continue/config.json 中，可入库评审、可版本化；其三，数据可控，纯本地模型方案下代码不出内网；其四，规则可注入，项目级 .continuerules 与 MCP（模型上下文协议，一种让 AI 调用外部工具的标准）让助手行为对齐团队规范。

与同类工具相比，Continue 的气质是“可编程的助手平台”：它不像 Cursor 一样要求你换 IDE，也不像 Cline 那样把自主 Agent 作为唯一重心，而是把补全、对话、编辑、Agent 四种模式都作为可配置的组件交由用户自由组合。

安装与环境配置：3 步就绪

第一步，安装扩展。VS Code 扩展市场搜索 “Continue“（扩展 ID：Continue.continue），或直接用命令行安装。JetBrains 系在插件市场搜索 ”Continue” 安装。

第二步，配置模型。首次安装默认接入 Continue Hub 网关（免 API Key 即可使用免费额度模型）；正式使用建议编辑 ~/.continue/config.json 指定云端或本地模型。打开方式：VS Code 中按 Cmd/Ctrl+Shift+P → 输入 “Continue: Open config“。模型 API Key 以环境变量方式引用（如 ”apiKey”: "ANTHROPIC_API_KEY"，Continue 会自动读取同名环境变量）。

第三步，验证。按 Ctrl+L（macOS 为 Cmd+L）打开 Continue 面板确认模型已加载，然后新建代码文件开始输入，验证 Tab 自动补全是否触发。

# 命令行安装 VS Code 扩展（扩展 ID：Continue.continue）code --install-extension Continue.continue # 验证：VS Code 中按 Ctrl+L（macOS：Cmd+L）打开聊天面板

// ~/.continue/config.json（2.x 语法）{  "models": [    {      "title": "Claude Sonnet",      "provider": "anthropic",      "model": "claude-sonnet-4-20250514",      "apiKey": "ANTHROPIC_API_KEY"    },    {      "title": "本地 Qwen2.5-Coder",      "provider": "ollama",      "model": "qwen2.5-coder:7b"    }  ],  "autocomplete": {    "title": "本地补全",    "provider": "ollama",    "model": "qwen2.5-coder:1.5b"  }}

快速上手：15 分钟跑通 Chat + 自动补全

最小可用路径：装扩展 → 选模型 → 用 Chat 问代码 → 用 Tab 补全 → 用 Ctrl+I 改代码。全程不需要写业务代码，核心是熟悉三个入口和一条配置链路。

1. 安装扩展后，点击侧边栏 Continue 图标或按 Ctrl+L（macOS：Cmd+L）打开聊天面板；首次启动会自动接入 Continue Hub，无需 API Key。

2. 点面板顶部的模型选择器确认当前模型；如已配置 Ollama（终端先执行 ollama pull qwen2.5-coder:7b），切换到本地模型。

3. Chat 试点：打开一个 Python 或 TypeScript 文件，选中一个函数，按 Ctrl+L 输入“解释这段代码的作用”，观察回答是否引用选中代码。

4. 自动补全试点：新建文件输入几行代码（如 for 循环），停顿约 1 秒，出现行内补全建议后按 Tab 接受。

5. Edit 试点：选中一段代码按 Ctrl+I，输入“改为异步实现”，在 diff 预览中确认改动，按 Ctrl+Enter 应用。

6. 进阶：在项目根目录创建 .continuerules 写入团队规范（如“禁止使用 any”），后续 Chat 与编辑都会自动遵循；按 Ctrl+Shift+P 执行 "Continue: Open config" 随时调整配置。

跑通以上流程后，你已经掌握 Continue 的日常使用闭环；剩余价值在于把模型、规则和外部工具接成团队自己的配置基线。

核心能力详解：5 大支柱

支柱一 · Tab 自动补全。Continue 的补全引擎独立于 Chat，可指定专门的补全模型。补全模型不需要很大——本地 1.5B~7B 的代码模型（如 Qwen2.5-Coder）延迟可达百毫秒级，也可使用 Continue Hub 提供的免费补全模型。开启 RAG（检索增强生成，从代码库检索相关片段拼入上下文）后，补全能感知同一仓库的符号与用法。

支柱二 · 多轮 Chat 与上下文注入。Chat 支持 @ 语法显式注入上下文：@文件、@文件夹、@终端、@Git diff、@文档（网页）、@代码库（向量检索）等，把“问当前打开的文件”扩展为“问整个上下文”。回答受 .continuerules 规则约束，适合做代码评审与方案咨询。

支柱三 · Edit 内联编辑与斜杠命令。按 Ctrl+I 选中代码直接修改，改动以 diff 呈现、逐处应用；内置 /edit、/comment、/terminal 等斜杠命令（Actions），也支持在配置中自定义团队专用命令。

支柱四 · Agent 模式与 MCP 集成。2.x 引入的 Agent 模式让模型自主调用工具完成多步任务：读写文件、执行终端命令、调用外部服务。在 config.json 的 mcpServers 字段声明后，Agent 可操作 GitHub、数据库、内部 API 等外部系统。

支柱五 · 定制化底座。blocks（配置块）架构把输入（Input）、上下文（Context）、输出（Output）、模型（Model）拆成可组合的数据块；配合 Assistant（自定义助手：指定模型、系统提示词、工具集），团队可以把“需求分析助手”“代码评审助手”固化成可分享的配置，通过 Continue Hub 分发。

生产部署与监控：从上线到运维

团队统一配置（开源版）。把 config.json 作为模板纳入 Git 仓库，通过环境变量注入各成员的 API Key，禁止把 Key 写死在配置文件里；.continuerules 随仓库分发，保证全组助手行为一致。缺点是开源版没有集中管理面，配置变更靠代码评审与手动同步。

私有化部署（数据敏感场景）。在内网用 Ollama 或 vLLM 部署开源模型（如 Qwen2.5-Coder、DeepSeek-Coder），Continue 通过 OpenAI 兼容接口接入，代码完全不出内网。补全用小模型（1.5B~7B），Chat/Agent 用 7B~70B 分级部署，按 GPU 显存与吞吐规划。

可观测性与审计。Continue 侧没有集中监控，建议在模型出口统一加一层网关（如 LiteLLM 代理）：所有请求经网关转发，天然获得 token 用量、成本、请求时延与模型输出日志；本地模型则记录 GPU 利用率与补全 P50/P95 时延。需要 SSO、审计日志、托管配置的团队，可评估 Continue Enterprise（企业版）或自建网关实现同等能力。

<p class="para-label">避坑清单：</p>

<ul class=“dash-list“><li>2.0 配置不兼容 1.x：1.x 的 config.yaml/旧 JSON 需按 blocks 语法重写，升级前备份并阅读官方迁移说明，直接沿用会静默失效。</li><li>”开源=数据安全”是常见误解：接云端模型时代码仍会发送到对应模型服务商，真正的私有化必须使用本地模型或自托管网关。</li><li>补全不触发先查 autocomplete 块：自动补全与 Chat 是两套模型配置，自建环境必须显式配置 autocomplete（provider+model），仅配 models 不会生效。</li></ul>

版本迭代

Continue 2023 年 7 月开源，0.x 阶段打磨 Chat、补全与 Edit 三项基础能力；2024 年 10 月发布 1.0 首个稳定版；2025 年 4 月 2.0 以 blocks 架构重构“配置即数据”，并加入 Agent 模式、MCP 与 Assistant；此后以周级节奏快速迭代补全与 Agent 生态。

AI 应用场景

常见误区

面试题