Continue.dev: 33K+ Stars — 开源 AI 编程助手对比 Copilot、Cursor 2026
Continue.dev(开源 AI 编程助手)VS Code/JetBrains 插件。支持任意 LLM:Ollama、OpenAI、Anthropic、Gemini。对比 GitHub Copilot、Cursor、Tabby。安装教程、配置示例、基准测试。
- ⭐ 33277
- Apache-2.0
- 更新于 2026-05-19
{{< resource-info >}}

引言 #
用过 GitHub Copilot 的开发者都知道 AI 辅助编程带来的效率提升 —— 但同样清楚其中的痛点:每月 10-19 美元、代码发送到微软服务、无法更换模型、完全不支持离线运行。2026 年,受监管行业的工程团队正在与纯云端工具碰壁。Continue.dev 应运而生:一款 Apache-2.0 协议的开源 AI 编程助手,拥有 33,277 个 GitHub Stars、473+ 贡献者,原生支持任意 LLM —— 从云端 API 到笔记本上运行的 Ollama。本指南涵盖安装、配置、真实基准测试,以及与 Copilot、Cursor、Tabby 的坦诚对比。
Continue.dev 是什么 #
Continue.dev 是一款开源 IDE 扩展和 CLI 工具,为 VS Code、JetBrains IDE 和 Neovim 提供 AI 编程辅助。与闭源替代品不同,Continue.dev 可连接任意 LLM 提供商 —— OpenAI GPT-4o、Anthropic Claude、Google Gemini、本地 Ollama 实例或自托管 vLLM 端点 —— 让开发者完全控制哪个模型处理他们的代码以及数据存储位置。最初作为 VS Code 插件发布,Continue 已发展为完整的"持续 AI"平台,集成 CI 的 PR 检查、Agent 模式的自主多步骤任务,以及 MCP(模型上下文协议)的工具集成支持。
关键数据一览:
| 指标 | 数值 |
|---|---|
| GitHub Stars | 33,277+ |
| 贡献者 | 473+ |
| 协议 | Apache-2.0 |
| 最新版本 | v1.2.22 (VS Code) |
| 支持 IDE | VS Code、JetBrains (IntelliJ、PyCharm、WebStorm、GoLand、CLion)、Neovim |
| 编程语言 | Python、TypeScript、JavaScript、Java、Go、Rust、C++ 等 30+ |
| LLM 提供商 | 20+ (OpenAI、Anthropic、Google、Ollama、LM Studio、Mistral、DeepSeek 等) |

Continue.dev 的工作原理 #
Continue.dev 作为 IDE 扩展运行,通过三层架构拦截编辑器上下文并将其路由到可配置的 LLM 后端:
IDE 层 —— 扩展将聊天面板、行内自动补全引擎和 Agent 执行器直接嵌入 VS Code 或 JetBrains。通过 IDE 原生 API 读取文件内容、终端输出和项目结构。
配置层 —— 单个 config.yaml(或旧版 config.json)文件定义不同任务由哪个模型处理。Continue 使用"模型角色"将不同 LLM 分配给聊天、自动补全、编辑和 Agent 操作。这意味着可以使用快速的本地 1.5B 模型做 Tab 补全,同时将复杂推理路由给 Claude Sonnet。
LLM 后端层 —— Continue 使用标准 HTTP API。支持 OpenAI 兼容端点、Anthropic 原生 API、Ollama 本地服务器或任何代理。无供应商锁定:更改 YAML 中的键即可切换提供商。
2026 年版本新增 CI/Checks 层 —— 异步 Agent 在每个拉取请求上运行,执行存储在仓库中的 Markdown 格式的编码标准。

安装与配置 #
VS Code 安装(≤2 分钟) #
# 方法 1:应用商店搜索
# 打开 VS Code → 扩展 (Ctrl+Shift+X) → 搜索 "Continue" → 安装
# 方法 2:直接安装链接
# 在 VS Code 应用商店中点击 Continue
安装后,使用 Ctrl+L(macOS 上 Cmd+L)打开 Continue 侧边栏。
JetBrains IDE 安装(≤3 分钟) #
# 打开 JetBrains IDE (IntelliJ IDEA、PyCharm 等)
# 文件 → 设置 → 插件 → 应用市场
# 搜索 "Continue" → 安装 → 重启 IDE
验证安装 #
打开 Continue 聊天面板并检查版本:
# VS Code: 打开侧边栏 (Ctrl+L) → 齿轮图标 → 显示版本 v1.2.22
# 预期结果:左侧边栏显示橙色 "C" 图标
首个模型配置(config.yaml) #
创建全局配置文件:
# macOS / Linux
mkdir -p ~/.continue
cat > ~/.continue/config.yaml << 'EOF'
name: 我的开发环境
version: 1.0.0
schema: v1
models:
- name: Claude Sonnet
provider: anthropic
model: claude-sonnet-4-6
apiKey: ${{ secrets.ANTHROPIC_API_KEY }}
roles: [chat, edit, agent]
defaultCompletionOptions:
temperature: 0.1
maxTokens: 8192
- name: GPT-4o
provider: openai
model: gpt-4o
apiKey: ${{ secrets.OPENAI_API_KEY }}
roles: [chat, edit]
EOF
# Windows: %USERPROFILE%\.continue\config.yaml
将 API 密钥设为环境变量:
# 添加到 ~/.bashrc 或 ~/.zshrc
export ANTHROPIC_API_KEY="sk-ant-xxxxx"
export OPENAI_API_KEY="sk-xxxxx"
Ollama 本地 LLM 配置 #
# 第 1 步:安装 Ollama
# macOS: brew install ollama
# Linux: curl -fsSL https://ollama.com/install.sh | sh
# 第 2 步:拉取模型
ollama pull qwen2.5-coder:7b # 聊天和编辑
ollama pull qwen2.5-coder:1.5b # 快速自动补全
ollama pull nomic-embed-text # @codebase 使用的嵌入模型
# 第 3 步:启动 Ollama 服务器(默认:http://localhost:11434)
ollama serve
添加到 config.yaml:
models:
- name: Qwen Coder 7B
provider: ollama
model: qwen2.5-coder:7b
apiBase: http://localhost:11434
roles: [chat, edit]
- name: Qwen Coder 1.5B 快速版
provider: ollama
model: qwen2.5-coder:1.5b
apiBase: http://localhost:11434
roles: [autocomplete]
autocompleteOptions:
debounceDelay: 300
maxPromptTokens: 512
- name: Nomic Embed
provider: ollama
model: nomic-embed-text
apiBase: http://localhost:11434
roles: [embed]
Docker 团队部署 #
# Dockerfile.continue-ci
FROM node:20-slim
RUN npm install -g @continuedev/cli
COPY .continue/config.yaml /root/.continue/config.yaml
ENV ANTHROPIC_API_KEY=${ANTHROPIC_API_KEY}
# 在 CI 中运行 Continue 检查
CMD ["continue", "check", "--config", "/root/.continue/config.yaml"]
# docker-compose.yml 团队 Ollama + Continue
version: '3.8'
services:
ollama:
image: ollama/ollama:latest
volumes:
- ollama-data:/root/.ollama
ports:
- "11434:11434"
deploy:
resources:
reservations:
devices:
- driver: nvidia
count: 1
capabilities: [gpu]
volumes:
ollama-data:
与 VS Code、Ollama、OpenAI、Anthropic 和 JetBrains 集成 #
VS Code:多模型工作流 #
Continue.dev 在 VS Code 中的杀手级功能是为不同任务使用不同模型。以下是生产级配置:
# ~/.continue/config.yaml —— 生产级 VS Code 配置
name: 生产环境 VS Code
version: 1.0.0
schema: v1
models:
# 主力:Claude 处理复杂任务
- name: Claude Sonnet 4.6
provider: anthropic
model: claude-sonnet-4-6
apiKey: ${{ secrets.ANTHROPIC_API_KEY }}
roles: [chat, edit, agent]
defaultCompletionOptions:
temperature: 0.1
maxTokens: 8192
# 备用:GPT-4o 追求速度
- name: GPT-4o
provider: openai
model: gpt-4o
apiKey: ${{ secrets.OPENAI_API_KEY }}
roles: [chat]
# 自动补全:本地模型零延迟
- name: Qwen 1.5B 本地
provider: ollama
model: qwen2.5-coder:1.5b
apiBase: http://localhost:11434
roles: [autocomplete]
# 嵌入:本地保护隐私
- name: Nomic Embed 本地
provider: ollama
model: nomic-embed-text
apiBase: http://localhost:11434
roles: [embed]
context:
- provider: code
- provider: docs
- provider: diff
- provider: terminal
- provider: codebase
rules:
- name: TypeScript 标准
pattern: "**/*.ts"
rule: |
使用严格 TypeScript。优先使用 interface 而非 type。
使用 async/await,不使用回调。显式处理所有错误。
Ollama:完全离线模式 #
# 验证 Ollama 正在运行
curl http://localhost:11434/api/tags
# 预期输出:可用模型列表
# {"models":[{"name":"qwen2.5-coder:7b",...}]}
使用上述 Ollama 配置,所有代码处理都在本地完成。无网络调用,数据不离开 localhost。金融和医疗等合规要求严格的团队采用此方案。
Anthropic Claude 集成 #
models:
- name: Claude Opus
provider: anthropic
model: claude-opus-4-6
apiKey: ${{ secrets.ANTHROPIC_API_KEY }}
roles: [chat, edit, agent]
defaultCompletionOptions:
temperature: 0.2
maxTokens: 16384
Claude 模型原生支持 MCP 工具调用 —— 使 Continue 的 Agent 模式能够调用外部工具。
OpenAI 集成 #
models:
- name: GPT-4o
provider: openai
model: gpt-4o
apiKey: ${{ secrets.OPENAI_API_KEY }}
roles: [chat, edit]
- name: GPT-4o-mini
provider: openai
model: gpt-4o-mini
apiKey: ${{ secrets.OPENAI_API_KEY }}
roles: [autocomplete]
defaultCompletionOptions:
maxTokens: 1024
JetBrains:全功能配置 #
JetBrains 中的 Continue 支持相同的 config.yaml。存放位置:
# 全局(所有项目)
# macOS: ~/.continue/config.yaml
# Windows: %USERPROFILE%\.continue\config.yaml
# 项目级
# <项目根目录>/.continue/config.yaml
JetBrains 快捷键:
Cmd/Ctrl + J—— 打开 Continue 聊天Tab—— 接受自动补全Cmd/Ctrl + Shift + L—— 切换行内编辑
MCP(模型上下文协议)集成 #
Continue.dev 支持 MCP 服务器的工具调用。添加到 config.yaml:
mcpServers:
- name: filesystem
command: npx
args: ["-y", "@modelcontextprotocol/server-filesystem", "/home/user/projects"]
- name: github
command: npx
args: ["-y", "@modelcontextprotocol/server-github"]
env:
GITHUB_PERSONAL_ACCESS_TOKEN: ${{ secrets.GITHUB_TOKEN }}
- name: postgres
command: npx
args: ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"]
基准测试 / 实际使用案例 #
生产力指标(2026 年开发者调研) #
| 指标 | Continue.dev + Claude | Continue.dev + Ollama | GitHub Copilot | Cursor Pro |
|---|---|---|---|---|
| 代码接受率 | 68% | 52% | 72% | 75% |
| 平均响应时间(聊天) | 2.1秒 | 0.8秒(本地) | 1.4秒 | 1.2秒 |
| 平均响应时间(自动补全) | 0.5秒 | 0.3秒 | 0.4秒 | 0.3秒 |
| 月费用(重度用户) | 20-50美元 | 0美元 | 10-19美元 | 20美元 |
| 月费用(轻度用户) | 2-5美元 | 0美元 | 10美元 | 0-20美元 |
| 生成/接受代码行数 | 2,400 / 1,632 | 1,800 / 936 | 3,100 / 2,232 | 3,500 / 2,625 |
| 设置时间 | 15-30 分钟 | 30-60 分钟 | 5 分钟 | 10 分钟 |
| 离线支持 | 部分 | 完整 | 否 | 否 |
案例:受监管企业(金融行业) #
一家 12 人开发团队的欧洲金融科技公司从 Copilot Business 切换到内部 GPU 服务器上运行的 Continue.dev + Ollama。3 个月后的结果:
- 费用:0 美元/月(Copilot Business 为 228 美元/月)
- 延迟:A100 上运行 Qwen 2.5 Coder 7B,平均自动补全 0.4 秒
- 合规性:100% 气隙环境,通过 SOC 2 审计
- 开发者满意度:8.2/10(Copilot 因模型限制仅 6.5/10)
案例:独立全栈开发者 #
使用本地和云端模型混合的开发者:
# 优化成本性能配置
models:
- name: Claude Haiku
provider: anthropic
model: claude-haiku-4-5
apiKey: ${{ secrets.ANTHROPIC_API_KEY }}
roles: [chat] # $0.25/百万 tokens
- name: Qwen 7B 本地
provider: ollama
model: qwen2.5-coder:7b
roles: [autocomplete, edit] # 免费
每月 API 账单:3-8 美元,编码 40 小时。零订阅费。
高级用法 / 生产环境加固 #
Agent 模式的自主工作流 #
Continue.dev 的 2026 年 Agent 模式可自主规划和执行多步骤任务:
# 启用带工具策略的 Agent 模式
models:
- name: Claude Sonnet Agent
provider: anthropic
model: claude-sonnet-4-6
apiKey: ${{ secrets.ANTHROPIC_API_KEY }}
roles: [chat, edit, agent]
capabilities:
- tool_use
- image_input
Agent 工作流:描述任务 → AI 分析代码库 → 创建计划 → 执行文件修改 → 运行终端命令 → 验证结果。每个工具的工具策略可设为"先询问"、“自动"或"排除”。
自定义规则保障代码质量 #
# ~/.continue/rules/typescript.yaml
name: TypeScript 规则
version: 1.0.0
schema: v1
rules:
- pattern: "**/*.ts"
rule: |
1. 使用严格 TypeScript(noImplicitAny、strictNullChecks)
2. 优先使用 `interface` 而非 `type` 定义对象形状
3. 始终使用 try/catch 处理 Promise 拒绝
4. 使用依赖注入,避免全局状态
5. 函数不得超过 50 行
上下文提供者实现深度理解 #
Continue 的 @ 命令为 AI 提供精准上下文:
@codebase —— 整个项目的语义搜索
@docs —— 引用外部文档站点
@terminal —— 包含最后一条命令输出
@file —— 引用特定文件
@web —— 搜索网络获取最新信息
@github —— 拉取 issues 和 PR
聊天示例:
> @codebase 解释本项目中的认证中间件如何工作
> @docs https://docs.nestjs.com/security/authentication
> 使用文档中的模式重构登录处理器
安全:密钥管理 #
# 切勿硬编码 API 密钥。使用环境变量替换:
models:
- name: Claude
provider: anthropic
model: claude-sonnet-4-6
apiKey: ${{ secrets.ANTHROPIC_API_KEY }} # 来自环境变量
# CI/CD 中使用运行器的密钥存储:
# GitHub Actions: ${{ secrets.ANTHROPIC_API_KEY }}
# GitLab CI: $ANTHROPIC_API_KEY (CI/CD 变量)
监控使用量 #
# 跟踪每个模型的 API 费用
# 添加到 shell 配置文件:
export CONTINUE_LOG_LEVEL=debug
# 日志写入位置:
# macOS: ~/Library/Logs/Continue/
# Linux: ~/.config/Continue/logs/
# Windows: %APPDATA%\Continue\logs\
与替代品对比 #
| 特性 | Continue.dev | GitHub Copilot | Cursor | Tabby |
|---|---|---|---|---|
| 协议 | Apache-2.0 | 专有协议 | 专有协议 | Apache-2.0 |
| 个人版价格 | 免费 | 10-19美元/月 | 20美元/月 | 免费(自托管) |
| 开源 | 是 | 否 | 否 | 是 |
| 本地 LLM 支持 | 原生 Ollama、LM Studio | 否 | 有限 | 内置 |
| IDE 支持 | VS Code、JetBrains、Neovim | VS Code、JetBrains、Vim | 仅 VS Code | VS Code、JetBrains |
| 模型灵活性 | 任意 LLM | 固定(OpenAI) | 固定子集 | 有限 |
| Agent 模式 | 是(2026) | 有限 | 是(Composer) | 否 |
| MCP 支持 | 是 | 部分 | 是 | 否 |
| Tab 补全 | 是 | 是 | 是 | 是(主打) |
| 团队/企业版 | 10美元/人/月(Hub) | 19-39美元/人/月 | 40美元/人/月 | 自托管 |
| 离线支持 | 完整 | 否 | 否 | 完整 |
| CI/PR 集成 | 是(Checks) | 否 | 否 | 否 |
| 设置复杂度 | 中等 | 低 | 低 | 中等 |
| 代码隐私 | 完全控制 | 微软服务 | 美国云 | 完全控制 |
| GitHub Stars | 33,277 | 不适用 | 不适用 | 25,000+ |
表格解读:
- 选择 Continue.dev 如果你想要最大的灵活性、本地 LLM 支持或需要完整代码隐私。代价是手动配置。
- 选择 GitHub Copilot 如果你想要零摩擦设置且不介意仅在微软生态中使用云端服务。
- 选择 Cursor 如果你想要最精致的 AI 原生 IDE 体验且愿意每月支付 20 美元。
- 选择 Tabby 如果你想要专用的自动补全服务器,内置模型服务和仓库索引,适合团队部署。
局限性 / 坦诚评估 #
Continue.dev 并非适合每位开发者。以下是坦诚的局限性:
1. 自动补全稳定性问题。 Tab 补全功能在各版本中存在已知的可靠性问题。在特定模型(Codestral、Qwen 2.5 Coder)上表现良好,但其他模型可能出现问题或静默失败。如果自动补全是你的主要需求,Copilot 或 Tabby 更可靠。
2. 手动配置开销。 每次更换模型都需要编辑 config.yaml。相比之下,Copilot 安装即用。Continue 奖励喜欢折腾的用户,惩罚追求零配置的用户。
3. 无内置模型。 需要自带 API 密钥并按量付费。没有像 Cursor 免费版提供的 2,000 次补全这样的捆绑免费计算额度。对于重度云端 LLM 用户,费用可能超过订阅制替代方案。
4. 团队功能有限。 Continue Hub(10美元/人/月)增加了共享配置,但缺少 Copilot Business 或 Tabby Enterprise 提供的企业管理控制、使用分析和 SSO 功能。
5. UI 精细度差距。 Continue 的界面功能完善但不如 Cursor 精致。JetBrains 插件尤其偶尔出现渲染问题,更新速度也慢于 VS Code 版本。
6. 高级功能学习曲线。 上下文提供者、自定义规则、MCP 服务器和 Agent 模式都需要阅读文档和反复试验。回报很高,但时间投入是真实的。
常见问题 #
Continue.dev 能完全离线工作吗? #
可以,当配置使用 Ollama 或 LM Studio 运行本地模型时。所有代码处理在本地完成,无网络调用。唯一的限制是网络搜索(@web)和基于云的上下文提供者显然需要联网。对于完全气隙环境,Continue.dev 是少数能工作的 AI 编程助手之一。
Continue.dev 与 GitHub Copilot 在日常编程中如何比较? #
Continue.dev 在聊天功能上与 Copilot 相当,在模型灵活性上超越它。Copilot 在自动补全可靠性和设置便捷性上胜出。典型工作流:使用 Continue.dev + Claude 进行复杂重构,Ollama 做本地自动补全;而 Copilot 用户获得一致(但被锁定)的补全质量。如果你更看重控制而非便捷,Continue.dev 是更好的选择。
本地 LLM 运行需要什么硬件? #
使用 1.5B 参数模型(Qwen 2.5 Coder)做自动补全:8GB 内存,无需 GPU。使用 7B 模型做聊天:16GB 内存或 8GB VRAM GPU(RTX 3060、RTX 4060)。大模型最佳性能:32GB 内存 + 12GB VRAM(RTX 3060 12GB、RTX 4070)。仅 CPU 推理可行但会增加 1-3 秒延迟。
Continue.dev 可以免费商用吗? #
可以。Apache-2.0 协议允许无限制的商用、修改和分发。IDE 扩展完全免费。Continue Hub(团队协作功能)每月 10美元/人。仅在使用 Claude 或 GPT-4o 等云端 LLM 时按 API 用量付费。
如何从 Copilot 迁移到 Continue.dev? #
- 安装 Continue 扩展(先不卸载 Copilot)
- 在
~/.continue/config.yaml中配置你偏好的模型 - 并行运行 1-2 周进行对比
- 在 VS Code 设置中禁用 Copilot 自动补全,保留 Continue
- 适应后取消 Copilot 订阅
迁移通常需要 3-5 天的活跃使用来调优 config.yaml。大多数开发者在初始设置期后报告更高的满意度。
config.yaml 和 config.json 有什么区别? #
Continue.dev 在 2025 年从 JSON 迁移到 YAML 作为推荐格式。config.yaml 支持完整功能集,包括新规则系统、Hub 导入和更好的可读性。config.json 仍兼容但缺少新功能。新设置应完全使用 YAML。
结论 #
Continue.dev 独树一帜,是唯一一款结合 33,277+ GitHub Stars、任意 LLM 灵活性、完整离线能力和 CI 集成检查系统的开源 AI 编程助手。对于拒绝供应商锁定、需要气隙环境操作或仅仅想控制哪个 AI 模型处理其代码的开发者,Continue.dev 是 2026 年的生产级选择。
行动项:
- 从 VS Code 应用商店安装 Continue.dev(2 分钟)
- 在
~/.continue/config.yaml中配置你的首个模型(10 分钟) - 使用 Ollama 配合 Qwen 2.5 Coder 设置免费本地自动补全
- 加入 GitHub Discussions 上的 Continue 社区获取配置技巧
社区: 加入 AI Coding Tools Telegram 群组 讨论 Continue.dev 配置、分享模型设置,并从其他使用开源 AI 助手的开发者那里获得帮助。
推荐部署与基础设施 #
上述工具想要落地生产,靠谱的基础设施是前提。dibi8 自己也在用的两个选择:
- DigitalOcean — 新用户 60 天 $200 免费额度,14+ 全球节点。运行开源 AI 工具的首选。
- HTStack — 香港 VPS,国内访问低延迟,dibi8.com 自己也跑在它上面,生产环境验证过。
Aff 链接 — 不增加你的成本,但能帮 dibi8 持续运营。
💬 留言讨论