Continue + Ollama 本地部署代码补全

博主： Inaba
发布时间：2026 年 09 月 20 日
6 次浏览
暂无评论
4439字数
分类：默认分类

# Continue + Ollama 本地部署代码补全

## 部署模型

安装 Ollama，如需自定义安装路径可以参考 [Ollama 本地部署自定义路径](https://atfield.best/archives/18/)

根据自己的电脑配置，部署需要的模型，如：`ollama run qwen2.5-coder:14b`，[ollama.com/library/qwen2.5-coder](https://ollama.com/library/qwen2.5-coder)

直接在终端输入命令即可运行模型，如果本地没有该模型，Ollama 会自动从官网下载

```PowerShell
ollama run qwen2.5-coder:14b
```

## 安装插件

### VS Code

在扩展中搜索找到由 Continue Dev 提供的官方插件 Continue，点击安装

### PyCharm

本人使用比较多的是 PyCharm，因此下面介绍 PyCharm 的安装方法

由于本人在 PyCharm 插件市场没有找到 Continue，因此只能选择手动安装

1. 前往 JetBrains 官方插件市场，找到 [Continue](https://plugins.jetbrains.com/plugin/22707-continue/versions#tabs) 插件
2. 点击下载，选择下载到本地
3. 在 PyCharm 中点击 File -> Settings -> Plugins -> Install plugin from disk...（从本地磁盘安装插件）
4. 选择下载好的 zip 文件
5. 按照提示确定下一步，等待安装完成
6. 点击 Restart IDE，重启 IDE

#### 插件异常处理

安装后打开插件界面，发现界面空白，没有任何显示，IDE 日志中报错：

> noclassdeffounderror: com/intellij/ui/jcef/jbcefapp

可以参考该文进行处理：[PyCharm Continue 插件界面无显示异常处理](https://blog.csdn.net/qq_41962505/article/details/127907528)

## 配置插件

Continue 的配置文件分为两类，一种是全局配置，一种是项目配置

全局配置文件保存在 `~/.continue/config.yaml` 中，里面配置的参数默认对所有项目生效
项目配置文件保存在项目根目录下的 `.continue/configs/` 或 `.continue/agents/` 中

打开插件界面，进入 Configs 界面，里面默认应该有一个配置文件 `Main Config`，可点击直接编辑该文件配置全局配置；
点击右上角的 `+` 按钮，会新建一个文件 `new-config.yaml`，在此配置项目配置，这里定义的配置会覆盖全局配置中同名的部分

这里以新建生成的默认模板为例，简单介绍配置文件的各个字段的作用

```yaml
# This is an example configuration file
# To learn more, see the full config.yaml reference: https://docs.continue.dev/reference

name: Example Config                                # 配置文件的标识名，可自定义
version: 1.0.0                                      # 配置文件版本号，用于跟踪配置文件的迭代
schema: v1                                          # 配置文件架构版本，Continue 用于解析兼容性判断

# Define which models can be used
# https://docs.continue.dev/customization/models
models:                                             # 模型列表
  - name: my gpt-5                                  # 显示名称，在 Continue 下拉菜单中显示的名称
    provider: openai                                # API 协议类型
    model: gpt-5                                    # 实际 API 调用时使用的模型标识符
    apiKey: YOUR_OPENAI_API_KEY_HERE                # 鉴权密钥
  - name: qwen2.5-coder 7b
    provider: ollama
    model: qwen2.5-coder:7b
    roles:                                          # 角色指定，明确告诉 Continue 这个模型用于哪些任务，未指定角色的模型将使用默认角色：chat, edit, apply, summarize
      - apply                                       # 用于决定如何将 AI 生成的编辑应用到文件
      - autocomplete                                # 用于 Tab 键触发的实时代码补全
      - chat                                        # 用于侧边栏的聊天对话
      - edit                                        # 用于根据编辑指令生成代码
  - name: Claude 4 Sonnet
    provider: anthropic
    model: claude-sonnet-4-20250514
    apiKey: ${{ secrets.ANTHROPIC_API_KEY }}        # 密钥引用，避免硬编码
    roles:
      - chat
      - edit
      - apply
    defaultCompletionOptions:                       # 模型默认参数
      contextLength: 200000                         # 模型最大上下文长度
      maxTokens: 64000                              # 模型最大生成 token 数量
    capabilities:                                   # 模型能力列表，在自动检测基础上追加模型能力声明
      - tool_use                                    # 使用工具
      - image_input                                 # 模型支持图片输入
```

这里我们可以在模型列表中添加 qwen2.5-coder:14b 模型，并指定角色为 autocomplete

```yaml
models:
  # ...
  - name: ollama qwen2.5-coder:14b
    provider: ollama
    model: qwen2.5-coder:14b
    roles:
      - autocomplete
    defaultCompletionOptions:
      contextLength: 8192                         # 模型最大上下文长度
      maxTokens: 256                              # 模型最大生成 token 数量
      temperature: 0.1                            # 模型温度
  # ...
```

`contextLength` 属性值建议与 Ollama 配置的 Context Length（num_ctx）保持一致，以避免生成内容被截断

## 验证与排错

配置完成后，在 PyCharm 或 VS Code 中打开一个 Python 文件，输入几行代码，观察是否出现 Tab 补全建议。若补全不生效，可按以下顺序排查：

1. 确认 Ollama 服务已启动：`ollama list` 能看到 `qwen2.5-coder:14b`。
2. 确认 Continue 中当前选中的 autocomplete 模型为 `ollama qwen2.5-coder:14b`。
3. 确认 Ollama 的 `num_ctx` / `OLLAMA_CONTEXT_LENGTH` 与 Continue 的 `contextLength` 一致，避免上下文被静默截断。
4. 查看 Continue 日志和 Ollama 日志，确认请求是否正常发出与返回。

## 后续调优

若需进一步优化响应速度或补全质量，可根据硬件和使用体验继续调整 `contextLength`、`maxTokens` 和 `temperature` 等参数

例如 16GB 显存可将 `contextLength` 设为 16384 来获得更高的补全质量；若感觉补全延迟明显，可适当降低该值，以提升响应速度。
Ollama 端可以设置 `OLLAMA_KEEP_ALIVE=30m`，避免模型频繁卸载导致首次补全变慢。

至此，Continue + Ollama 的本地代码补全环境已搭建完成，可开始日常使用。

最后修改：2026 年 09 月 28 日

如果觉得我的文章对你有用，请随意赞赏

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

评论 *

私密评论

名称 *

🎲

邮箱 *

地址

Continue + Ollama 本地部署代码补全

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

根据经纬度坐标计算两点距离

DDNS + Shadowsocks 回家方案：配置与安全实践

Nginx配置笔记

汽车电子常见安全机制

录屏损坏修复实践

Continue + Ollama 本地部署代码补全

DDNS + Shadowsocks 回家方案：配置与安全实践

根据经纬度坐标计算两点距离

Nginx配置笔记

Ollama 本地部署自定义路径

Continue + Ollama 本地部署代码补全

发表评论 取消回复 使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

Continue + Ollama 本地部署代码补全

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款