Continue.dev 插件 config.yaml 詳解:在 VS Code 與 IDEA 裏混搭補全與對話模型

拿旗艦大模型跑行內補全不僅慢還燒錢。本文詳解開源插件 Continue 新版 config.yaml 標準結構、通過 roles 把聊天重構與毫秒級行內補全拆給不同模型,並在 VS Code 與 IDEA 間無縫共用。

NNathaniel bigo··原創首發·AI 輔助撰寫
9 分鐘讀完
資料核對於 2026-11-19 · 依據官方文檔與公開資料整理 其他 帳號

在 Java 後端扎堆的 IntelliJ IDEA 或前端常用的 VS Code 裏,開源擴展 Continue 之所以一直是“自帶密鑰(BYOK)”開發者的心頭好,核心在於它允許你像拼積木一樣拆解模型分工:側邊欄深度重構調用最聰明的旗艦雲端模型,而每秒都在觸發的打字行內補全則交給零成本、毫秒級響應的輕量 FIM(Fill-in-the-Middle)專用模型。

之前在介紹如何把 DeepSeek API 接入 VS Code 時簡單提到了 Continue,但新版 Continue 已經全面從早期的 config.json 升級到了結構更清晰的 config.yaml。這篇教學把它的角色拆分、密鑰保護與跨 IDE 同步一次講透。

本站開發者訂閱直達入口:高頻跑多文件重構與工具鏈調用時,搭配固定月費的主力訂閱往往比純燒按量 API 更省錢。國內無境外信用卡可通過支付寶、微信支付或 AlipayHK 在本站免密自助開通 Claude Code 訂閱(Pro / Max)、ChatGPT Plus 或瀏覽 AI 會員充值總覽。

一、搞懂 roles 角色分工:別拿旗艦推理模型硬跑自動補全

很多新手裝上 Continue 後只填了一個旗艦大模型,結果打字時等兩三秒才蹦出一行灰色續寫,月底一看帳單還被高頻觸發的補全請求吃掉一大截。在 config.yaml 裏,每個模型條目都必須通過 roles 數組明確劃定職責邊界:

Continue config.yaml 模型角色分工

黃金搭配公式非常明確:

  • chat + edit + apply:交給指令遵循與跨文件邏輯最強的官方旗艦模型(例如 Anthropic Claude Sonnet 或 OpenAI 主力模型),只在你主動提問或按 Ctrl+I(IDEA 為 Ctrl+J)框選改代碼時計費。
  • autocomplete:單獨配給專門訓練過“中間填空(FIM)”能力的小尺寸代碼模型(例如本機 Ollama 跑 qwen2.5-coder:1.5b / 7b,或雲端極速 Codestral 模型)。如果省略不寫 roles,Continue 預設不會把模型用於 autocomplete,這也是很多人配完發現打字沒灰色提示的原因。
  • embed:驅動 @codebase 與 @docs 本地向量檢索,掛一個輕量本地嵌入模型(如 nomic-embed-text)即可免去雲端檢索開銷。

二、~/.continue/config.yaml 完整實戰模板

無論你在 VS Code 還是 JetBrains 系列 IDE(IntelliJ IDEA、PyCharm、GoLand)裏安裝了 Continue 擴展,它們預設都讀取用戶主目錄下的同一份全局配置文件:

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

點擊 Continue 側邊欄右上角的小齒輪圖標即可直接打開該文件。下面是一份可以直接複用的“雲端強腦對話 + 本地極速免費補全 + MCP 掛載”標準配置:

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

models:
  # 1. 主力對話與改寫模型:使用官方雲端旗艦 API
  - name: Claude Sonnet (Chat & Edit)
    provider: anthropic
    model: claude-sonnet-4-5
    apiKey: ${{ secrets.ANTHROPIC_API_KEY }}
    roles:
      - chat
      - edit
      - apply

  # 2. 毫秒級行內補全模型:調用本機 Ollama 跑輕量 FIM 模型
  - name: Local Qwen Coder Autocomplete
    provider: ollama
    model: qwen2.5-coder:1.5b
    apiBase: http://localhost:11434
    roles:
      - autocomplete

  # 3. 本地代碼庫語義檢索向量模型
  - name: Local Nomic Embed
    provider: ollama
    model: nomic-embed-text:latest
    roles:
      - embed

rules:
  - 生成代碼優先遵循當前文件已有的命名風格與錯誤處理約定,不要輸出多餘的寒暄解釋。
  - 修改 TypeScript 文件時嚴禁引入顯式 any 類型。

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

配置裏的 ${{ secrets.ANTHROPIC_API_KEY }} 會從同目錄下的本地環境變量文件(~/.continue/.env)或系統密鑰庫讀取真實鍵值,防止你截屏分享配置或備份倉庫時泄露明文 Key。如果你還沒在本機裝好本地推理服務,可以先照着 Ollama 安裝與常用命令指南跑一句 ollama pull qwen2.5-coder:1.5b 和 ollama pull nomic-embed-text。

重度編碼配額與雙引擎互補建議:在開源插件或終端智能體裏處理大型單體倉庫時,不少工程師會同時備好一套包月封頂的官方訂閱兜底複雜架構攻堅。可按需前往查看 Claude Max 5x / 20x 充值說明、Claude Pro iOS 自助卡密 或 ChatGPT Pro 充值頁。

三、在 VS Code 與 IDEA 之間無縫協同的四步要點

在 VS Code 或 IDEA 混搭模型四步

對於前後端雙開的工程師(前端開 VS Code 寫 React,後端開 IntelliJ IDEA 寫 Spring Boot),Continue 最大的省心之處在於改一次全局 config.yaml,兩個 IDE 同時生效。日常使用再留意三個細節:

  1. JetBrains IDEA 快捷鍵衝突微調:在 IDEA 裏經常碰到插件行內改寫快捷鍵與系統自帶智能提示打架(正如配置 IDEA 版 GitHub Copilot 插件 時常見的鍵位衝突)。建議進入 IDEA 的 Settings -> Keymap,搜尋 Continue,把展開側邊欄與內聯編輯綁到不衝突的組合鍵上。
  2. 項目級 .continue/rules/ 覆蓋團隊規範:全局 config.yaml 裏的 rules 只管你個人習慣;對於具體業務倉庫的框架約束,可以在項目根目錄下創建 .continue/rules/*.md 提交到 Git,團隊成員打開倉庫自動疊加生效。
  3. 調優深度思考模型的補全延遲:如果你把帶有長鏈思考(Thinking)的混合模型拿來做快速局部編輯,覺得等待前奏太久,可以在該模型的 requestOptions 下通過額外請求體參數關閉非必要的冗長思考過程,專心用於複雜架構問答。

當然,自己折騰多套按量 API 密鑰加本地顯卡模型適合喜歡高度定製的極客;如果你希望在主力生產環境省掉維護本地服務和盯 Token 帳單的精力,直接開通官方一站式固定訂閱會省心很多。需要正規直連訂閱服務的開發者,可前往查看貝果研究社 Claude Code 訂閱與配置方案或 ChatGPT Plus 自助充值專頁。

常見問題

我以前寫的舊版 config.json 升級插件後還能用嗎?

Continue 仍保留了對存量 config.json 的向後兼容讀取,但官方所有新特性(如模組化 rules、mcpServers 與 Hub 配置塊組合)均圍繞 config.yaml 構建。當同一目錄下同時存在 .yaml 與 .json 時,系統會優先以 config.yaml 為準,建議趁早遷移過去避免兩邊改亂。

為什麼我的筆記本一開本地 Ollama 跑 7b 補全風扇就狂轉且出字慢?

行內自動補全對首字延遲(TTFT,最好低於 300 毫秒)極其敏感。如果你的輕薄本沒有獨立顯卡或統一內存小於 16GB,跑 7b 模型的實時補全確實會吃力。把 autocomplete 角色換成體量極小的 qwen2.5-coder:1.5b,內存佔用僅 1GB 出頭,敲代碼時的流暢度反而遠勝跑不動的大參數模型。

國內沒有海外信用卡,怎麼開通 Claude Code 或 ChatGPT 編程訂閱?

可直接在 本站充值中心 使用支付寶、微信支付或 AlipayHK 下單獲取自助卡密,支持免上號兌換 Claude Pro、Claude Max 與 ChatGPT Plus / Pro,可開具增值稅發票;實時價格、兌換前提與售後邊界(封號不在質保範圍)以對應商品頁說明為準。

小結

  1. 新版 Continue 統一在 ~/.continue/config.yaml 中管理配置,一份文件即可同時驅動 VS Code 與 JetBrains IDEA。
  2. 務必通過 roles 把重度對話重構(chat / edit / apply)與高頻行內填空(autocomplete)拆給不同量級的模型,兼顧代碼質素與零延遲省錢。
  3. 善用 ${{ secrets.變量名 }} 隔離敏感 API Key,並把團隊業務約束放進項目級 .continue/rules/ 目錄隨倉庫共享。

Nathaniel 的更多內容

  1. 01

    獨立開發者用 ChatGPT + Codex 跑通產品全流程:市場驗證、PRD、原型到代碼上線覆盤清單

    單人做獨立產品最容易陷入「閉門寫兩個月代碼上線零用戶」或「AI 寫到一半目錄越改越崩」。本文整理「ChatGPT 負責市場驗證、PRD 與覆盤 + Codex 負責工程實現與測試」的五階段雙軌流程,附起手提示詞與 7 項上線覆盤清單。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成規範文件命名規則、整理混亂目錄樹與合併零散發票抬頭清單腳本

    面對滿桌面的「新建文件夾」「最終版2」和上百張零散電子發票,手工改名抄台帳耗時又容易漏重。本文分享先脫敏取樣、再用 ChatGPT 生成帶預演和回滾日誌的本地 Python 腳本,離線安全完成目錄整理與發票抬頭合併去重的實戰流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外電郵營銷(EDM)受眾分層文案、A/B 主題行測試與防進垃圾箱自檢

    做海外獨立站或出海 SaaS 電郵營銷(EDM),最怕千人一面群發被直接送進垃圾箱。本文結合 Gmail/Yahoo 批量發件人規範,梳理用 ChatGPT 設計受眾分層文案、批量生成 A/B 主題行矩陣並開展發前垃圾詞與合規自檢的實戰提示詞。

    ChatGPT0
  4. 04

    用 ChatGPT 寫 Notion Formula 2.0 公式、Obsidian Dataview 查詢與 Airtable 自動化腳本

    給 Notion 數據庫寫多條件 Formula 2.0 公式、給 Obsidian 寫 Dataview 動態看板,或在 Airtable 裏寫自動化腳本,經常因為一個小括號或類型不匹配報錯半天。本文整理三大工具的通用上下文喂料規範與三套直接可複製的生成提示詞。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 處理複雜 JSON / YAML / XML 字段映射、格式轉換與校驗規則編寫實戰

    對接第三方 API、遷移 Kubernetes 配置或解析政企 XML 報文時,手工對照幾百行嵌套字段既慢又容易漏掉空值與類型邊界。本文整理用 ChatGPT 完成字段映射表梳理、生成確定性轉換腳本以及編寫 JSON Schema / Pydantic / XSD 校驗規則的實戰流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 準備本科/碩士畢業論文答辯:提煉答辯 PPT 結構、模擬導師犀利追問與 3 分鐘自述稿

    畢業論文寫完後,要在 3–5 分鐘內講清研究價值並頂住答辯評委的連環追問並不輕鬆。本文整理在嚴格遵守高校學術規範的前提下,用 ChatGPT 提煉答辯 PPT 結構、打磨 3 分鐘口語自述稿並開展模擬導師犀利追問的排練流程與提示詞。

    ChatGPT0

同產品的其他教學

  1. 01

    用 ChatGPT 速讀英文產品手冊、開源文檔與 GitHub Issue 並沉澱團隊中文內訓手冊

    團隊引入海外 SaaS 工具或開源框架時,全英文文檔晦澀冗長、真正的坑全藏在幾十頁 GitHub Issue 討論裏。本文分享速讀拆解英文手冊、歸類 Issue 排障庫以及重構團隊中文內訓 SOP 的完整實戰流程。

    ChatGPT其他 AI 工具0
  2. 02

    用 ChatGPT 寫油猴腳本(Tampermonkey)與瀏覽器書籤小工具解決網頁繁瑣重複操作實戰

    每天在後台系統裏重複勾選幾十個複選框、手工複製網頁表格或清理遮擋閱讀的側邊欄,既枯燥又浪費時間。本文分享不會寫 JS 也能用 F12 配合 ChatGPT 寫出油猴腳本與書籤小工具的完整實戰流程。

    ChatGPT其他 AI 工具0
  3. 03

    用 ChatGPT 寫高質素 SQL 窗口函數(RANK / LAG / SUM OVER)做留存與漏斗分析實戰

    做用戶留存率、復購間隔與有序轉化漏斗時,多層自連接既難讀又拖垮數據庫,窗口函數則是高效解法。本文整理數據庫方言喂數規範、CTE 分層提示詞以及用內置沙盒先驗證再上線的完整實戰流程。

    ChatGPT其他 AI 工具0
  4. 04

    ChatGPT 連接 Canva、Figma、Linear、Jira、Dropbox 等第三方應用搜不到數據或授權失效怎麼辦

    在 ChatGPT 接入 Canva、Figma、Linear、Jira 或 Dropbox 後,明明顯示已連接卻搜不到文件工單,或老提示授權失效怎麼辦?本文拆解帳號錯綁、OAuth 範圍漏選、權限繼承與管理員攔截 5 步排障法。

    ChatGPT其他 AI 工具0
  5. 05

    Anthropic Contextual Retrieval(上下文增強檢索)是什麼、怎麼實現:給文檔塊自動補背景摘要結合緩存降失誤率

    長文檔切成小塊後丟了公司名、年份和主語指代導致 RAG 頻頻搜錯?本文按 Anthropic 官方技術文章詳解 Contextual Retrieval 原理、官方公開評測失誤率下降 49% 至 67% 的組合架構,以及用 Claude 提示詞緩存低成本批量生成切片背景的完整 Python 代碼。

    Claude其他 AI 工具0
  6. 06

    RAG 知識庫回答不準怎麼調優:切片大小(Chunking)、BM25 + 向量混合檢索與 Rerank 重排序三步排查法

    搭好的 RAG 企業知識庫一問具體型號、報錯碼或跨行表格就答非所問?本文按 OpenAI 與 Anthropic 官方檢索文檔,給出先隔離檢索與生成故障、再按結構化切片(Chunking)、BM25 加向量混合召回(RRF)與 Rerank 重排序逐層調優的三步法。

    Claude其他 AI 工具0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~