Continue 是一款 VSCode 和 JetBrains 插件，它本身不提供 AI 模型，但它提供了多種接入 AI 模型的方法來(lái)實(shí)現(xiàn)多種場(chǎng)景下的功能，值得關(guān)注的是，它還是一款開源 AI 代碼助手，已經(jīng)在 GitHub 上獲得了超過(guò)2萬(wàn)個(gè)Star。

Continue主要特色

聊天功能（Chat）：在VSCode的側(cè)邊欄中與AI互動(dòng)，幫助理解和迭代代碼。

自動(dòng)補(bǔ)全（Autocomplete）：實(shí)時(shí)提供代碼補(bǔ)全建議，提升編碼效率。

代碼編輯（Edit）：無(wú)需切換文件即可直接修改代碼。

快捷操作（Actions）：為常見用例提供快捷操作。

除此之外，Continue支持高度的自定義和擴(kuò)展性，例如通過(guò)不同的模型配置（Chat Model和Autocomplete Model）、上下文提供器（Context Providers）以及斜杠命令（Slash Commands）來(lái)滿足開發(fā)者的個(gè)性化需求。

deepseek使用方法

運(yùn)行vscode的打開插件搜索框進(jìn)行安裝，或這直接下載本站提供安裝包。安裝完成后，Continue的圖標(biāo)將出現(xiàn)在左側(cè)邊欄。為了更好的體驗(yàn)，可以將Continue移動(dòng)到右側(cè)邊欄。

點(diǎn)擊左側(cè)continue插件圖標(biāo)，配置對(duì)應(yīng)的ollama 和 deepseek-r1模型選擇

選擇對(duì)應(yīng)的模型之后，就可以開始相關(guān)的ai功能

功能特點(diǎn)

AI模型配置

Continue的強(qiáng)大功能離不開其背后的多樣化AI模型支持。作為一個(gè)開源的AI編程助手，Continue構(gòu)建了完整的模型生態(tài)系統(tǒng)，包括聊天模型（Chat Model）、自動(dòng)補(bǔ)全模型（Autocomplete Model）、重排序模型（Reranking Model）和嵌入模型（Embeddings Model）。這些模型各司其職，又相互配合，為用戶提供全方位的智能編程體驗(yàn)。更重要的是，Continue支持靈活配置各類模型，用戶可以根據(jù)自己的需求選擇不同的模型提供商，打造個(gè)性化的AI編程環(huán)境。

聊天模型（Chat Model）

聊天模型是一種專為對(duì)話場(chǎng)景設(shè)計(jì)的大型語(yǔ)言模型（LLM），通常包含405B+參數(shù)，能夠回答復(fù)雜問題并生成高質(zhì)量代碼。在Continue中，聊天模型被廣泛用于聊天、編輯和快捷操作功能。

推薦的聊天模型包括：

Claude 3.5 Sonnet

GPT-4

Gemini 1.5 Pro

自動(dòng)補(bǔ)全模型（Autocomplete Model）

自動(dòng)補(bǔ)全模型專為"中間填充"（Fill-In-The-Middle，F(xiàn)IM）任務(wù)設(shè)計(jì)，能夠根據(jù)代碼的前綴和后綴預(yù)測(cè)中間的內(nèi)容。相比聊天模型，自動(dòng)補(bǔ)全模型的參數(shù)量更?。ㄍǔ?B），但在特定任務(wù)上表現(xiàn)更優(yōu)。

推薦的自動(dòng)補(bǔ)全模型包括：

Codestral配合Mistral或Vertex AI

本地運(yùn)行的Qwen2.5-Coder 1.5B配合Ollama

DeepSeek模型

DeepSeek是目前最火的開源模型之一，既然是全開源方案，自然是要支持配置開源的聊天模型和自動(dòng)補(bǔ)全模型。

重排序模型（Reranking Model）

重排序模型是一種專門訓(xùn)練用于評(píng)估文本相關(guān)性的模型。它接收兩段文本（通常是用戶問題和文檔）作為輸入，返回一個(gè)0到1之間的相關(guān)性分?jǐn)?shù)，用于估計(jì)該文檔對(duì)回答問題的幫助程度。與LLM相比，重排序模型通常體積更小、運(yùn)行速度更快、成本也更低。

在Continue中，重排序模型主要用于@Codebase功能，幫助篩選向量搜索后最相關(guān)的代碼片段。

推薦的重排序模型包括：

Voyage AI的rerank-2模型：目前最佳的代碼重排序模型

Cohere的rerank-english-v3.0：優(yōu)秀的通用重排序模型

LLM作為重排序器：雖然可行但不推薦，因?yàn)槌杀靖咔覝?zhǔn)確度較低

嵌入模型（Embeddings Model）

嵌入模型是專門用于將文本轉(zhuǎn)換為向量表示的AI模型，這些向量可以快速比較以確定文本之間的相似度。與LLM相比，嵌入模型同樣具有體積小、速度快、成本低的特點(diǎn)。

在Continue中，嵌入模型在索引過(guò)程中生成向量，并被@Codebase功能用于對(duì)代碼庫(kù)進(jìn)行相似度搜索。

推薦的嵌入模型包括：

Voyage AI的voyage-code-3：最佳的在線嵌入模型

Ollama的nomic-embed-text：推薦的本地部署選項(xiàng)

Transformers.js：VSCode默認(rèn)的嵌入模型，使用all-MiniLM-L6-v2

更新日志

發(fā)生了什么變化
@sestinj在#4927中的碰撞
@religiot在#4925中在/gui中從4.5.9添加到4.5.11
在#4892中，@religiot將二進(jìn)制文件中的tar fs從2.1.1提升到2.1.2
在#4782中，@creditor將蘋果操作/代碼簽名證書從3導(dǎo)入到5
修復(fù)#4774：在#4863中添加@mdelder對(duì)系統(tǒng)提示的錯(cuò)誤處理
@RomneyDa在#4929中修復(fù)了yaml上下文長(zhǎng)度
在WatsonX中對(duì)所有呼叫使用fetchwithRequestOptions。通過(guò)@飛濺#4812
在#4753中通過(guò)@ferenci84在IntelliJ擴(kuò)展中實(shí)現(xiàn)差異緩存
@RomneyDa在#4939中對(duì)UI進(jìn)行了助理選擇和凹口調(diào)整
修復(fù)#4950中@Jazzcort的計(jì)數(shù)令牌錯(cuò)誤
@religiot在#4953中在/docs中將凹凸圖像大小從1.2.0調(diào)整到1.2.1
通過(guò)@metcalfc在#4959中添加對(duì)Docker模型運(yùn)行器的支持
@sestinj在#4907中創(chuàng)建的初始提供者
LS工具@RomneyDa在#4957
修復(fù)（拼寫錯(cuò)誤）：在#4882中使用@uinstinct自定義概述文檔
修復(fù)：#4941中@aadarshkt使用openAI適配器處理自定義模型
@chezsmithy在#4948中的feat/brocket提示緩存
修復(fù)（文檔）：在#4930中使用@uinstinct更正openai api密鑰名
[Doc]上下文拼寫錯(cuò)誤文件替換為#4928中@YuseiUeno的文件
添加谷歌gemini-2.5-pro-exp-03-25等；@zhyhang在#4915中將硅流提升到再錨模型提供商
#4935中@religiot在/extensions/vscode中添加了Bump tar fs
壯舉：在#4870中為@Patrick Erichsen的塊添加動(dòng)畫省略號(hào)
@metcalfc在#4960中提供的inceptionlabs提供商