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 模型的方法來實(shí)現(xiàn)多種場景下的功能，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2萬個(gè)Star。

Continue for Windows 開源版

Continue主要特色

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

自動補(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）來滿足開發(fā)者的個(gè)性化需求。

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移動到右側(cè)邊欄。

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

選擇對應(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話場景設(shè)計(jì)的大型語言模型（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。

自動補(bǔ)全模型（Autocomplete Model）

自動補(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)測中間的內(nèi)容。相比聊天模型，自動補(bǔ)全模型的參數(shù)量更小（通常為3B），但在特定任務(wù)上表現(xiàn)更優(yōu)。

推薦的自動補(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，嵌入模型在索引過程中生成向量，并被@Codebase功能用于對代碼庫進(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

文檔：更新continue-mcp.mdx，以提及@Patrick-Erichsen在#6741中提到的新的mcp服務(wù)器
根據(jù)@TyDunn在#6753中的建議調(diào)整最佳模型建議
構(gòu)建：修復(fù) #6758 中 @exigow 提出的 jetbrains-release/bump-version CI 作業(yè)問題
構(gòu)建：@exigow 在 #6760 中從 jetbrains-release/build 中移除了 buildPlugin
任務(wù)：由@tomasz-stefaniak在#6770中升級