Continue —— 你的 AI 结对编程伙伴，深度集成于 VS Code

一句话总结： Continue 不是简单的代码补全，而是一个深度嵌入 VS Code 的 AI 结对编程（Pair Programming）工具。它能理解你的整个代码库上下文，主动为你解释代码、生成测试、重构模块、修复 Bug，甚至能根据你的自然语言指令，在多个文件中协同修改代码，将 Copilot 的能力提升到一个全新的协作维度。

一、超越 Copilot：从“自动完成”到“智能结对”

GitHub Copilot 彻底改变了我们的编码方式，但它更像是一个高效的“打字员”。它擅长根据当前光标位置的上下文预测下一行代码。然而，真正的软件开发是一个系统性的、跨文件的、需要深刻理解业务逻辑的过程。Copilot 在面对以下场景时显得力不从心：

• 解释这段代码：你需要理解一个陌生模块的功能，Copilot 只能基于当前文件片段给出有限解释。
• 为这个函数写单元测试：这需要理解函数的输入、输出、边界条件以及它在整个项目中的角色。
• 将这个功能从 REST API 迁移到 GraphQL：这涉及到对路由、控制器、服务层、数据模型等多个文件的协同修改。

传统的结对编程（Pair Programming）是解决这些问题的有效方法，但成本高昂。Continue 的愿景，就是让 AI 扮演那个经验丰富的“副驾驶”（Navigator）角色，而你则是掌控方向的“驾驶员”（Driver）。它不仅能看懂你正在编辑的文件，还能“阅读”整个项目，建立起全局的认知。

二、Continue vs. Copilot：一场关于“上下文”的革命

Continue 的核心技术是 **RAG（检索增强生成）**。当您提出一个问题时，它会：

1. 检索：在您项目的向量数据库中，找出与问题最相关的代码片段、注释和文档。
2. 增强：将这些相关上下文与您的问题一起，构建成一个丰富的提示（Prompt）。
3. 生成：将提示发送给 LLM，生成一个基于您整个项目知识的、精准的回答或代码修改方案。

这种机制使其能够处理那些需要“大局观”的复杂任务。

三、真实使用体验：一次深度重构之旅

背景：我接手了一个遗留的 Python Flask 项目，其用户认证模块是硬编码的，现在需要将其重构为支持 OAuth 2.0 的通用方案。

传统流程：

1. 花半天时间阅读 auth.py, user.py, routes.py 等相关文件，理解现有逻辑。
2. 查阅 OAuth 2.0 规范和第三方库（如 Authlib）的文档。
3. 手动创建新的服务类、修改路由、更新数据库模型。
4. 编写测试，反复调试，直到一切正常。

使用 Continue 的流程：

1. 启动对话：在 VS Code 底部的 Continue 聊天面板中输入：“I need to refactor the authentication system in this Flask app to support OAuth 2.0 using the Authlib library. The current system is in auth.py and uses hardcoded credentials. Please help me plan and execute this refactor.”
2. 接收计划：Continue 分析了整个项目后，回复了一个详细的四步计划：
   • Step 1: Create a new oauth_service.py to handle OAuth logic.
   • Step 2: Modify auth.py to delegate to the new service.
   • Step 3: Update the login route in routes.py.
   • Step 4: Write integration tests for the new flow.
3. 执行步骤：
   • 我说：“Let’s start with Step 1.” Continue 立刻在正确的位置生成了 oauth_service.py 的完整代码，包含了 authorize, token, userinfo 等核心方法，并附上了详细的注释。
   • 接着，我说：“Now do Step 2.” 它打开了 auth.py，将原有的验证逻辑替换为对新服务的调用，并保留了原有的接口签名以保证向后兼容。
4. 自我验证：
   • 最后，我让它执行 Step 4。它不仅生成了单元测试，还主动提醒我：“Don’t forget to add your OAuth client ID and secret to the environment variables. I’ve added placeholders in .env.example.”

整个重构过程，从理解到实现再到测试，不到一个小时就完成了。Continue 就像一位熟悉项目历史和最佳实践的资深同事，全程陪伴，极大地降低了认知负荷和出错风险。

四、Continue 的核心能力全景

1. 深度 IDE 集成

• 聊天侧边栏：提供一个专用的聊天窗口，用于进行高层次的对话。
• 编辑器内指令：通过 Cmd+L (Mac) / Ctrl+L (Win) 快捷键，在代码上方直接输入指令，如 “Add error handling to this function”。
• 代码块操作：可以高亮一段代码，右键选择 “Ask about this code” 或 “Refactor this code”。

2. 强大的代码库理解

• 自动索引：首次打开项目时，Continue 会自动遍历所有文件，使用 code-embed 模型（或 nomic-embed-text）为其创建向量索引。
• 智能检索：在回答问题时，能精准定位到相关的函数、类、甚至是特定的代码行。
• 忽略配置：支持 .continueignore 文件，可以排除 node_modules、dist 等无关目录，提升索引效率。

3. 灵活的模型后端

• 云模型：支持 OpenAI, Anthropic, Azure OpenAI。
• 本地模型：完美集成 Ollama (llama3:70b-instruct), Llama.cpp, LM Studio。
• 自定义模型：通过其 Python SDK，可以接入任何自定义的 LLM 服务。

4. 可扩展的插件系统

• 官方插件：提供 Jira、Slack、Notion 等集成，可以直接在编码时创建工单或发送消息。
• 自定义插件：开发者可以用 Python 或 TypeScript 编写自己的插件，例如，一个连接内部 API 文档的插件，可以在你调用某个内部服务时，自动显示其接口说明。

5. 开发者为中心的设计

• 透明可控：所有由 AI 生成的代码都带有明显的标记，你可以逐行审查、接受或拒绝。
• 上下文管理：可以手动指定在回答某个问题时，需要包含哪些特定的文件作为上下文。
• 离线优先：当使用本地模型时，所有操作都可以在完全离线的状态下进行，保障代码安全。

五、如何上手？将你的 VS Code 变身 AI 结对伙伴

前提：已安装 VS Code 和 Python 3.9+。

步骤 1：安装 Continue 扩展

1. 打开 VS Code。
2. 进入 Extensions Marketplace (Cmd+Shift+X)。
3. 搜索 “Continue”。
4. 找到由 “Continue” 发布的官方扩展，点击 “Install”。

步骤 2：初始化配置

1. 安装完成后，按下 Cmd+L (Mac) / Ctrl+L，会弹出一个设置向导。
2. 选择模型：
   • 如果你想快速体验，可以选择 “OpenAI”，并输入你的 API Key。
   • 推荐-隐私/成本：选择 “Ollama”。确保你已在本机安装 Ollama 并运行 ollama pull llama3:70b-instruct。
3. 配置上下文：向导会询问你希望包含哪些文件。通常默认设置即可，它会自动忽略常见的无关目录。

步骤 3：开始你的第一次结对编程

1. 打开你的项目。
2. 在任意文件中，将光标放在一段代码上。
3. 按下 Cmd+L，输入你的指令，例如：
   • “Explain what this function does.”
   • “Write a unit test for this class.”
   • “Refactor this to use async/await.”
4. Continue 会在聊天面板中给出回答，并可能在你的代码中提出修改建议。你可以点击 “Accept” 来应用更改。

六、高级实战：自动化日常开发任务

Continue 的真正威力在于它可以被用来自动化那些枯燥但必要的开发任务。

场景：你的团队遵循严格的代码规范，每次提交前都需要：

• 为所有新函数添加 docstring。
• 确保没有 console.log 残留。
• 更新 CHANGELOG.md。

自定义规则：

创建自定义规则

：在项目根目录下创建 .continue/rules.py。

编写 Python 逻辑

：

from continue_sdk import Rule

class AddDocstrings(Rule):
    title = "Add missing docstrings"
    description = "Adds Google-style docstrings to all functions that are missing them."

    def check(self, file_path: str, content: str) -> bool:
        # 检查文件是否缺少 docstring
        return "def " in content and '"""' not in content

    def apply(self, file_path: str, content: str) -> str:
        # 调用 LLM 为函数生成 docstring
        return self.llm.complete(f"Add a Google-style docstring to this Python function:\n\n{content}")

运行规则

：在 Continue 聊天中输入 “/run rules”，它会自动扫描整个项目，找出所有违规之处，并提出修复建议。

通过这种方式，Continue 从一个被动的助手，变成了一个主动的代码质量守护者，帮助团队维持高标准的工程实践。

七、资源与社区

• 官方网站: https://continue.dev
• GitHub 仓库: https://github.com/continuedev/continue (Star: 38k+)
• 核心优势: 深度 IDE 集成、强大的代码库上下文理解、完全本地化支持、高度可扩展，是追求极致开发效率的专业程序员的必备利器。

结语：软件开发的本质是沟通——与计算机沟通，也与未来的自己和同事沟通。Continue 通过赋予 AI 深刻理解代码库的能力，极大地增强了这种沟通的效率和深度。它不是要取代开发者，而是要成为开发者最信任、最默契的结对伙伴，共同创造出更优雅、更健壮的软件。