PearAI：开源 AI 代码编辑器全攻略

为什么需要 PearAI：闭源 AI 编辑器之外的开源选择

AI 编程已成为日常开发标配，但主流 AI 编辑器存在两个硬伤：一是闭源，代码上下文会发送到厂商服务器，金融、政企等场景难以通过合规评审；二是订阅制，Cursor、Windsurf 按席位收费，团队规模一大就是持续成本。自己用 VS Code 拼装 AI 插件则要面对另一组问题——补全、聊天、终端助手来自不同插件，配置分散，提示词不统一，维护成本高，体验割裂。

PearAI 的解法是「开源发行版」：直接 fork VS Code 内核，预装并预配置 Continue（开源 AI 助手）与 Ollama（本地模型运行时），下载安装后立刻拥有对话、内联编辑、Tab 补全、终端 AI 四类核心能力。模型层完全自选——接 Anthropic、OpenAI 等云端 API，或跑本地模型让代码不出机器；配置以 config.yaml 形式存在磁盘上，可纳入 Git 仓库审计与复用。相比闭源工具，它的差异在于把「选择权与可见性」交给用户。

与 Cursor 相比，PearAI 的气质差异是「整合而非自研」：不魔改内核、不绑定自家模型栈，而是把 VS Code 的生态与开源 AI 中间件粘合起来。代价是部分 Cursor 专有体验（如深度 agent 化操作）在 PearAI 上需要借助 Continue 的规则与提示词自行逼近，稳定性也随版本波动。适合愿意接受配置换取主权与低成本的团队。

安装与环境配置：3 步就绪

第一步，下载安装。在官网 [trypear.ai](https://trypear.ai) 选择对应平台的安装包（Windows 为 .exe，macOS 为 .dmg，Linux 为 .AppImage），也可从 GitHub Releases 页下载，或按下方命令从源码构建。

第二步，启动与迁移。开源版无需注册 PearAI 账号，打开即为完整编辑器。若已有 VS Code 使用习惯，在「设置 → 迁移/导入」中读取原 settings.json 与快捷键配置；VS Code 扩展可直接从扩展市场安装，无需额外适配。

第三步，配置模型。按 Cmd+L（Windows/Linux 为 Ctrl+L）打开 AI 对话面板，进入模型配置入口，填入 Anthropic / OpenAI / DeepSeek / Gemini 等 API Key；或选择本地 Ollama 模型。模型配置写入 ~/.continue/config.yaml（或 config.json）。验证方式：在对话中输入「用 Python 写一个快速排序」，能返回代码即配置成功；使用本地模型时需先确认 Ollama 服务已启动。

# 源码构建（可选路径，适用于 macOS / Linux）git clone https://github.com/pearai/pearai.gitcd pearainpm installnpm run dev # 本地模型：安装 Ollama 并拉取代码模型brew install ollama     # macOSollama pull qwen2.5-coder:7bollama serve            # 启动本地推理服务

快速上手：10 分钟跑通第一个 AI 编程会话

思路：不写任何配置，用「提问 + 改代码 + 修报错」三个动作验证全链路是否打通，再决定是否切换本地模型。

1. 打开项目：File → Open Folder，选择一个真实代码仓库。

2. 对话问答：按 Cmd+L 打开 AI 面板，输入「解释这个项目的启动流程」。可以先选中某段代码再提问，或在对话框用 @ 引用文件，让回答带上上下文。

3. 内联编辑：在代码区选中一个函数，按 Cmd+I 发起内联请求，例如「给这个函数加上空值校验」，预览 diff 后按 Tab 接受。

4. 终端排错：在集成终端中故意运行一条会报错的命令，调出终端 AI 助手，让 AI 解释报错原因并给出修复命令。

5. 切换本地模型：在模型配置中把模型切到 Ollama 下的本地模型（如 qwen2.5-coder:7b），重复第 2~4 步，确认断网场景可用。

以上 5 步全部走通，说明安装、模型链路、编辑器集成均正常。进阶技巧：将 ~/.continue/config.yaml 中的提示词（系统提示）改成团队约定格式，让 AI 输出统一风格的代码注释与 commit 信息，这一步对后续生产部署很有价值。

核心能力详解：5 大支柱

支柱一：开箱即用的 AI 助手（Continue 集成）。PearAI 出厂内置 Continue，对话面板支持 @ 引用文件、选区与终端输出作为上下文；支持多会话历史回溯；模型可随时热切换。这是整个编辑器最核心的交互入口，本质上是把 Continue 的开源能力做成零配置的默认组件。

支柱二：Tab 自动补全。基于 Continue 的补全模型体系，可指定云端模型或本地代码模型（如 DeepSeek-Coder、Qwen-Coder 系列）。补全质量取决于所选模型而非编辑器本身——选本地 7B 级别模型时补全可用但复杂逻辑生成能力弱于大参数模型，这一点需要结合硬件资源权衡。

支柱三：内联编辑（Cmd+I）。对选中代码直接下达修改指令，以 diff 形式预览与回退，避免在聊天面板和代码区之间来回切换。适合「加注释、改命名、补校验」这类局部重构，是多文件修改的基础操作单元。

支柱四：终端 AI。集成终端内直接调起 AI 助手，自动携带最近的终端输出作为上下文，用于解释报错、生成修复命令。对刚接触陌生技术栈的开发者，这一步能显著降低「看不懂报错」的卡顿时间。

支柱五：VS Code 生态兼容。settings.json、keybindings、tasks、launch.json 与扩展市场全部沿用 VS Code 体系，迁移成本趋近于零；团队既有的分享配置、代码风格插件、CI 集成脚本均无需改写。

生产部署与监控：从上线到运维

个人与小团队：直连云端模型。API Key 存入系统密钥链，在 Anthropic / OpenAI 等厂商控制台查看 token 用量与费用，无需自建任何中间件。注意给 Key 设置月度预算上限，防止聊天和补全流量失控。

团队标准化：配置入 Git + 统一网关。把 ~/.continue/config.yaml 纳入仓库，统一 apiBase 指向公司内网网关（如 Azure OpenAI、vLLM 或任何 OpenAI 兼容服务），新员工克隆仓库后一条命令完成模型接入。示例配置如下，仅需替换为自己的网关地址：

合规与离线环境：本地模型。在装有 GPU 的内网机器部署 Ollama 或 vLLM，PearAI 侧直接选择本地模型，代码与提示词均不出内网。建议配合扩展白名单与只读配置，便于安全审计。

可观测性。PearAI 本身不提供用量仪表盘：token 成本在模型厂商后台或网关层统计；对话质量与补全准确率无内置指标，需要团队自行抽检。生产环境建议在网关层记录请求日志，并定期 review 仓库中 config.yaml 的变更，防止个别成员私自改成外部模型导致数据外发。

<p class="para-label">避坑清单：</p>

<ul class="dash-list"><li>开箱即用不等于零成本：默认对话与补全要走云端模型，必须填自己的 API Key；真正免费只有本地 Ollama 模型，且本地 7B 级模型的复杂推理能力明显弱于大参数云端模型</li><li>别期待与 Cursor 100% 对齐：Tab 补全质量取决于所选模型而非编辑器，Cursor 的部分专有交互（如跨文件 agent 操作）在 PearAI 上需要自定义提示词逼近，存在体验差异</li><li>升级节奏快、注意版本锁定：项目迭代频繁，偶发回归；生产环境不要追最新版，固定版本号并延迟升级，升级前查看 GitHub Releases 的变更说明</li></ul>

# ~/.continue/config.yaml 片段：统一走内网 OpenAI 兼容网关models:  - name: internal-llm    provider: openai    apiBase: https://llm.internal.example.com/v1    apiKey: ${INTERNAL_LLM_KEY}    default: true

版本迭代

PearAI 于 2024 年 10 月以 v0.1.0 开源首发并迅速登上 Hacker News 热榜，此后保持快节奏迭代：从「具备核心 AI 编辑能力」到「补终端排错、强化内联编辑」，再到「稳定会话管理与编辑体验」。各版本具体发布日期以 GitHub Releases 为准；截至训练数据，可能已有更新版本。

AI 应用场景

常见误区

面试题

参考来源

• webpagePearAI 官网下载安装包与产品功能介绍
• webpagePearAI GitHub 仓库源码、Releases 与 Issue 讨论
• webpageOllama 官网本地模型下载、安装与运行教程
• webpagePearAI 官方 X 账号版本动态与功能预告