Continue.dev 插件 config.yaml 详解:在 VS Code 与 IDEA 里混搭补全与对话模型

拿旗舰大模型跑行内补全不仅慢还烧钱。本文详解开源插件 Continue 新版 config.yaml 标准结构、通过 roles 把聊天重构与毫秒级行内补全拆给不同模型,并在 VS Code 与 IDEA 间无缝共用。

NNathaniel bigo··原创首发·AI 辅助撰写
9 分钟读完
资料核对于 2026-11-19 · 依据官方文档与公开资料整理 其他 账号

在 Java 后端扎堆的 IntelliJ IDEA 或前端常用的 VS Code 里,开源扩展 Continue 之所以一直是“自带密钥(BYOK)”开发者的心头好,核心在于它允许你像拼积木一样拆解模型分工:侧边栏深度重构调用最聪明的旗舰云端模型,而每秒都在触发的打字行内补全则交给零成本、毫秒级响应的轻量 FIM(Fill-in-the-Middle)专用模型。

之前在介绍如何把 DeepSeek API 接入 VS Code 时简单提到了 Continue,但新版 Continue 已经全面从早期的 config.json 升级到了结构更清晰的 config.yaml。这篇教程把它的角色拆分、密钥保护与跨 IDE 同步一次讲透。

本站开发者订阅直达入口:高频跑多文件重构与工具链调用时,搭配固定月费的主力订阅往往比纯烧按量 API 更省钱。国内无境外信用卡可通过支付宝、微信支付或 AlipayHK 在本站免密自助开通 Claude Code 订阅(Pro / Max)、ChatGPT Plus 或浏览 AI 会员充值总览。

一、搞懂 roles 角色分工:别拿旗舰推理模型硬跑自动补全

很多新手装上 Continue 后只填了一个旗舰大模型,结果打字时等两三秒才蹦出一行灰色续写,月底一看账单还被高频触发的补全请求吃掉一大截。在 config.yaml 里,每个模型条目都必须通过 roles 数组明确划定职责边界:

Continue config.yaml 模型角色分工

黄金搭配公式非常明确:

  • chat + edit + apply:交给指令遵循与跨文件逻辑最强的官方旗舰模型(例如 Anthropic Claude Sonnet 或 OpenAI 主力模型),只在你主动提问或按 Ctrl+I(IDEA 为 Ctrl+J)框选改代码时计费。
  • autocomplete:单独配给专门训练过“中间填空(FIM)”能力的小尺寸代码模型(例如本机 Ollama 跑 qwen2.5-coder:1.5b / 7b,或云端极速 Codestral 模型)。如果省略不写 roles,Continue 默认不会把模型用于 autocomplete,这也是很多人配完发现打字没灰色提示的原因。
  • embed:驱动 @codebase 与 @docs 本地向量检索,挂一个轻量本地嵌入模型(如 nomic-embed-text)即可免去云端检索开销。

二、~/.continue/config.yaml 完整实战模板

无论你在 VS Code 还是 JetBrains 系列 IDE(IntelliJ IDEA、PyCharm、GoLand)里安装了 Continue 扩展,它们默认都读取用户主目录下的同一份全局配置文件:

  • macOS / Linux:~/.continue/config.yaml
  • Windows:%USERPROFILE%\.continue\config.yaml

点击 Continue 侧边栏右上角的小齿轮图标即可直接打开该文件。下面是一份可以直接复用的“云端强脑对话 + 本地极速免费补全 + MCP 挂载”标准配置:

yaml
name: Fullstack Mix Config
version: 1.0.0
schema: v1

models:
  # 1. 主力对话与改写模型:使用官方云端旗舰 API
  - name: Claude Sonnet (Chat & Edit)
    provider: anthropic
    model: claude-sonnet-4-5
    apiKey: ${{ secrets.ANTHROPIC_API_KEY }}
    roles:
      - chat
      - edit
      - apply

  # 2. 毫秒级行内补全模型:调用本机 Ollama 跑轻量 FIM 模型
  - name: Local Qwen Coder Autocomplete
    provider: ollama
    model: qwen2.5-coder:1.5b
    apiBase: http://localhost:11434
    roles:
      - autocomplete

  # 3. 本地代码库语义检索向量模型
  - name: Local Nomic Embed
    provider: ollama
    model: nomic-embed-text:latest
    roles:
      - embed

rules:
  - 生成代码优先遵循当前文件已有的命名风格与错误处理约定,不要输出多余的寒暄解释。
  - 修改 TypeScript 文件时严禁引入显式 any 类型。

mcpServers:
  - name: filesystem-docs
    command: npx
    args:
      - -y
      - "@modelcontextprotocol/server-filesystem"
      - ./docs

配置里的 ${{ secrets.ANTHROPIC_API_KEY }} 会从同目录下的本地环境变量文件(~/.continue/.env)或系统密钥库读取真实键值,防止你截屏分享配置或备份仓库时泄露明文 Key。如果你还没在本机装好本地推理服务,可以先照着 Ollama 安装与常用命令指南跑一句 ollama pull qwen2.5-coder:1.5b 和 ollama pull nomic-embed-text。

重度编码配额与双引擎互补建议:在开源插件或终端智能体里处理大型单体仓库时,不少工程师会同时备好一套包月封顶的官方订阅兜底复杂架构攻坚。可按需前往查看 Claude Max 5x / 20x 充值说明、Claude Pro iOS 自助卡密 或 ChatGPT Pro 充值页。

三、在 VS Code 与 IDEA 之间无缝协同的四步要点

在 VS Code 或 IDEA 混搭模型四步

对于前后端双开的工程师(前端开 VS Code 写 React,后端开 IntelliJ IDEA 写 Spring Boot),Continue 最大的省心之处在于改一次全局 config.yaml,两个 IDE 同时生效。日常使用再留意三个细节:

  1. JetBrains IDEA 快捷键冲突微调:在 IDEA 里经常碰到插件行内改写快捷键与系统自带智能提示打架(正如配置 IDEA 版 GitHub Copilot 插件 时常见的键位冲突)。建议进入 IDEA 的 Settings -> Keymap,搜索 Continue,把展开侧边栏与内联编辑绑到不冲突的组合键上。
  2. 项目级 .continue/rules/ 覆盖团队规范:全局 config.yaml 里的 rules 只管你个人习惯;对于具体业务仓库的框架约束,可以在项目根目录下创建 .continue/rules/*.md 提交到 Git,团队成员打开仓库自动叠加生效。
  3. 调优深度思考模型的补全延迟:如果你把带有长链思考(Thinking)的混合模型拿来做快速局部编辑,觉得等待前奏太久,可以在该模型的 requestOptions 下通过额外请求体参数关闭非必要的冗长思考过程,专心用于复杂架构问答。

当然,自己折腾多套按量 API 密钥加本地显卡模型适合喜欢高度定制的极客;如果你希望在主力生产环境省掉维护本地服务和盯 Token 账单的精力,直接开通官方一站式固定订阅会省心很多。需要正规直连订阅服务的开发者,可前往查看贝果研究社 Claude Code 订阅与配置方案或 ChatGPT Plus 自助充值专页。

常见问题

我以前写的旧版 config.json 升级插件后还能用吗?

Continue 仍保留了对存量 config.json 的向后兼容读取,但官方所有新特性(如模块化 rules、mcpServers 与 Hub 配置块组合)均围绕 config.yaml 构建。当同一目录下同时存在 .yaml 与 .json 时,系统会优先以 config.yaml 为准,建议趁早迁移过去避免两边改乱。

为什么我的笔记本一开本地 Ollama 跑 7b 补全风扇就狂转且出字慢?

行内自动补全对首字延迟(TTFT,最好低于 300 毫秒)极其敏感。如果你的轻薄本没有独立显卡或统一内存小于 16GB,跑 7b 模型的实时补全确实会吃力。把 autocomplete 角色换成体量极小的 qwen2.5-coder:1.5b,内存占用仅 1GB 出头,敲代码时的流畅度反而远胜跑不动的大参数模型。

国内没有海外信用卡,怎么开通 Claude Code 或 ChatGPT 编程订阅?

可直接在 本站充值中心 使用支付宝、微信支付或 AlipayHK 下单获取自助卡密,支持免上号兑换 Claude Pro、Claude Max 与 ChatGPT Plus / Pro,可开具增值税发票;实时价格、兑换前提与售后边界(封号不在质保范围)以对应商品页说明为准。

小结

  1. 新版 Continue 统一在 ~/.continue/config.yaml 中管理配置,一份文件即可同时驱动 VS Code 与 JetBrains IDEA。
  2. 务必通过 roles 把重度对话重构(chat / edit / apply)与高频行内填空(autocomplete)拆给不同量级的模型,兼顾代码质量与零延迟省钱。
  3. 善用 ${{ secrets.变量名 }} 隔离敏感 API Key,并把团队业务约束放进项目级 .continue/rules/ 目录随仓库共享。

Nathaniel 的更多内容

  1. 01

    独立开发者用 ChatGPT + Codex 跑通产品全流程:市场验证、PRD、原型到代码上线复盘清单

    单人做独立产品最容易陷入「闭门写两个月代码上线零用户」或「AI 写到一半目录越改越崩」。本文整理「ChatGPT 负责市场验证、PRD 与复盘 + Codex 负责工程实现与测试」的五阶段双轨流程,附起手提示词与 7 项上线复盘清单。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成规范文件命名规则、整理混乱目录树与合并零散发票抬头清单脚本

    面对满桌面的「新建文件夹」「最终版2」和上百张零散电子发票,手工改名抄台账耗时又容易漏重。本文分享先脱敏取样、再用 ChatGPT 生成带预演和回滚日志的本地 Python 脚本,离线安全完成目录整理与发票抬头合并去重的实战流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外邮件营销(EDM)受众分层文案、A/B 主题行测试与防进垃圾箱自检

    做海外独立站或出海 SaaS 邮件营销(EDM),最怕千人一面群发被直接送进垃圾箱。本文结合 Gmail/Yahoo 批量发件人规范,梳理用 ChatGPT 设计受众分层文案、批量生成 A/B 主题行矩阵并开展发前垃圾词与合规自检的实战提示词。

    ChatGPT0
  4. 04

    用 ChatGPT 写 Notion Formula 2.0 公式、Obsidian Dataview 查询与 Airtable 自动化脚本

    给 Notion 数据库写多条件 Formula 2.0 公式、给 Obsidian 写 Dataview 动态看板,或在 Airtable 里写自动化脚本,经常因为一个小括号或类型不匹配报错半天。本文整理三大工具的通用上下文喂料规范与三套直接可复制的生成提示词。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 处理复杂 JSON / YAML / XML 字段映射、格式转换与校验规则编写实战

    对接第三方 API、迁移 Kubernetes 配置或解析政企 XML 报文时,手工对照几百行嵌套字段既慢又容易漏掉空值与类型边界。本文整理用 ChatGPT 完成字段映射表梳理、生成确定性转换脚本以及编写 JSON Schema / Pydantic / XSD 校验规则的实战流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 准备本科/硕士毕业论文答辩:提炼答辩 PPT 结构、模拟导师犀利追问与 3 分钟自述稿

    毕业论文写完后,要在 3–5 分钟内讲清研究价值并顶住答辩评委的连环追问并不轻松。本文整理在严格遵守高校学术规范的前提下,用 ChatGPT 提炼答辩 PPT 结构、打磨 3 分钟口语自述稿并开展模拟导师犀利追问的排练流程与提示词。

    ChatGPT0

同产品的其他教程

  1. 01

    用 ChatGPT 速读英文产品手册、开源文档与 GitHub Issue 并沉淀团队中文内训手册

    团队引入海外 SaaS 工具或开源框架时,全英文文档晦涩冗长、真正的坑全藏在几十页 GitHub Issue 讨论里。本文分享速读拆解英文手册、归类 Issue 排障库以及重构团队中文内训 SOP 的完整实战流程。

    ChatGPT其他 AI 工具0
  2. 02

    用 ChatGPT 写油猴脚本(Tampermonkey)与浏览器书签小工具解决网页繁琐重复操作实战

    每天在后台系统里重复勾选几十个复选框、手工复制网页表格或清理遮挡阅读的侧边栏,既枯燥又浪费时间。本文分享不会写 JS 也能用 F12 配合 ChatGPT 写出油猴脚本与书签小工具的完整实战流程。

    ChatGPT其他 AI 工具0
  3. 03

    用 ChatGPT 写高质量 SQL 窗口函数(RANK / LAG / SUM OVER)做留存与漏斗分析实战

    做用户留存率、复购间隔与有序转化漏斗时,多层自连接既难读又拖垮数据库,窗口函数则是高效解法。本文整理数据库方言喂数规范、CTE 分层提示词以及用内置沙盒先验证再上线的完整实战流程。

    ChatGPT其他 AI 工具0
  4. 04

    ChatGPT 连接 Canva、Figma、Linear、Jira、Dropbox 等第三方应用搜不到数据或授权失效怎么办

    在 ChatGPT 接入 Canva、Figma、Linear、Jira 或 Dropbox 后,明明显示已连接却搜不到文件工单,或老提示授权失效怎么办?本文拆解账号错绑、OAuth 范围漏选、权限继承与管理员拦截 5 步排障法。

    ChatGPT其他 AI 工具0
  5. 05

    Anthropic Contextual Retrieval(上下文增强检索)是什么、怎么实现:给文档块自动补背景摘要结合缓存降失误率

    长文档切成小块后丢了公司名、年份和主语指代导致 RAG 频频搜错?本文按 Anthropic 官方技术文章详解 Contextual Retrieval 原理、官方公开评测失误率下降 49% 至 67% 的组合架构,以及用 Claude 提示词缓存低成本批量生成切片背景的完整 Python 代码。

    Claude其他 AI 工具0
  6. 06

    RAG 知识库回答不准怎么调优:切片大小(Chunking)、BM25 + 向量混合检索与 Rerank 重排序三步排查法

    搭好的 RAG 企业知识库一问具体型号、报错码或跨行表格就答非所问?本文按 OpenAI 与 Anthropic 官方检索文档,给出先隔离检索与生成故障、再按结构化切片(Chunking)、BM25 加向量混合召回(RRF)与 Rerank 重排序逐层调优的三步法。

    Claude其他 AI 工具0

0 条评论

登录 后参与评论

还没有评论,来抢沙发~