VS Code + Continue + Ollama：全栈私有化 AI 辅助编程环境搭建指南

在上一篇文章《AI辅助编程：从“复制粘贴”到“氛围编程 (Vibe Coding)”》中，我们探讨了AI如何改变开发者的心智模型。所谓的 氛围编程 (Vibe Coding)，本质上是让开发者从繁琐的语法细节中抽离，通过自然语言驱动 AI 完成复杂的逻辑构建。

要实现这种“行云流水”的体验，一个成熟的 AI Coding Agent 必须具备以下核心能力：

• LLM 语义理解：深度理解代码意图，而非简单的字符补全。
• 项目结构解读：具备 RAG 能力，能扫描工程目录并建立上下文索引（@Codebase）。
• 多文件编辑与生成：能够自动创建文件并跨文件协同重构。
• 内联编辑 (Inline Edit)：支持代码行间的 Diff 对比与一键采纳。
• 工具调用 (Tool Use)：自动运行终端命令或读取系统文件。

1. 商业战场的博弈：能力强大但“金钱”驱动

目前市场上的商业级 AI 编程工具主要由 SaaS 服务驱动，依托闭源大模型提供服务。

AI Coding Agent	License	CLI	VS Code	其他 IDE	Ollama 支持
GitHub Copilot	Commercial	✅	✅	JetBrains, Vim	✅
Claude Code	Commercial	✅	✅	Terminal	✅
Cursor	Commercial	❌	✅	Standalone	✅
Droid	Commercial	✅	✅	Slack	✅

• 优势：依托云端顶级模型，不占用本地资源，响应逻辑强。
• 缺点：按月订阅收费；代码隐私存在风险；如果不是合理使用会造成额度浪费。

2. 极客的选择：在 Apple Silicon Mac 上构建私有“大脑”

如果你手中有一台搭载 Apple 芯片（M1/M2/M3/M4 系列）的 Mac，其独特的统一内存架构（Unified Memory）将是运行中大型本地模型的“性能怪兽”。相比于按月付费的 SaaS 订阅，利用开源工具搭建本地工作台，不仅能榨干芯片的每一点算力，更能为你的代码资产提供物理级的数据隔离与安全防护。

注：本文实测环境基于 MacBook Pro (M3 Chip)，但在其他 Apple Silicon 机型上同样具备极佳参考价值。

(1) 底层引擎的选择：为什么是 Ollama？

在本地运行 LLM 的工具链中，虽然有 LM Studio, vLLM 等选择，但 Ollama 依然是目前的最佳实践：

• 极致的本地化体验：一行命令 ollama run 即可部署，完全不依赖外部网络。
• 资源调度优化：针对 Apple Silicon 的 GPU 进行了深度优化，加载 32B 模型也能实现极低延迟。
• 标准的 API 接口：提供兼容 OpenAI 格式的本地 HTTP 接口，让前端 Agent 插件（如 Continue）能够无缝对接。

(2) 交互层的对比：AI Coding Agent 哪家强？

在开源社区中，有几个备受瞩目的 AI Coding Agent 方案，我们对其进行了横向对比：

开源 Agent 项目	License	CLI	VS Code	核心特色与推荐理由
OpenCode	Open Source	✅	✅	轻量极客风，对 NeoVim 用户极其友好。
Aider	Open Source	✅	🛠️	终端交互战神。擅长复杂重构，支持 Git 自动提交变更。
Cline	Open Source	✅	✅	功能激进。支持 Agent 模式直接执行终端指令和读写文件。
Continue	Open Source	✅	✅	全能选手。插件生态成熟，上下文索引强大，能完美适配 Ollama。

最终选择：Continue
经过权衡，我最终选择了 Continue。它的优势在于高度的自定义自由度，能够灵活配置不同的本地模型（Chat 用大模型，补全用小模型），且其 UI 交互与 GitHub Copilot Chat 高度一致，是目前手搓 AI 工作台的“满分”底座。

Continue 与 GitHub Copilot Chat 的详细比较

我们可以从以下三个维度来拆解它们的关系：

1. 核心功能的“平替”：在侧边栏对话 (Cmd+L)、内联编辑 (Cmd+I) 和代码自动补全上，Continue 完全复刻了 Copilot Chat 的核心体验。
2. Continue 的“降维打击”：Copilot 只能用 OpenAI 的模型，而 Continue 让你实现“模型自由”——用 Qwen 30B 搞深度思考，用 DeepSeek 16B 做代码重写。同时，它的 @ 体系（如 @Codebase）提供了 Copilot 难以触及的精准本地上下文。
3. 与 Cursor/Cline 的区别：不同于魔改整个 IDE 的 Cursor 或频繁执行系统指令的 Cline，Continue 保持了插件的纯粹性，不改变你的 IDE 习惯，仅作为超强增强包存在。

3. 落地实践：手把手配置你的 AI 工作台

在 Mac M3 环境下，我们将使用 Ollama 作为后端，结合 Qwen3 Coder 30B（高性能大模型）与 DeepSeek Coder V2 16B。

(1) 安装 Ollama 与模型准备

首先，通过 Homebrew 安装 Ollama 并将其设为后台服务。

# 安装 Ollama
brew install ollama

# 将 Ollama 设为 brew service 后台运行
brew services start ollama

# 下载并运行模型进行测试
ollama run qwen3-coder:30b

# 下载备用模型及向量索引模型
ollama pull deepseek-coder-v2:16b
ollama pull nomic-embed-text  

(2) 安装 VS Code Continue 插件并配置

安装Continue插件后，修改配置文件 ~/.continue/config.yaml 如下：

name: Local Ollama Config
version: 1.0.0
schema: v1

models:
  # Primary Model (Default for Chat and Edit)
  - name: Qwen3 Coder 30B
    provider: ollama
    model: qwen3-coder:30b
    contextLength: 32768
    roles:
      - chat
      - edit
    apiBase: http://localhost:11434

  # Secondary Model (Available in dropdown)
  - name: DeepSeek Coder V2 16B
    provider: ollama
    model: deepseek-coder-v2:16b
    contextLength: 32768
    roles:
      - chat
      - edit
    apiBase: http://localhost:11434

  # Dedicated Autocomplete Model
  - name: Qwen3 Autocomplete
    provider: ollama
    model: qwen3-coder:30b
    roles:
      - autocomplete

  # Embeddings Model (for @codebase)
  - name: Nomic Embed
    provider: ollama
    model: nomic-embed-text
    roles:
      - embed

context:
  - provider: currentFile 
  - provider: file        
  - provider: folder   
  - provider: open        
    params:
      onlyPinned: false
  - provider: code        
  - provider: terminal    

(3) 开启 Vibe Coding：实战演练

配置完成后，你可以通过Continue的侧边栏或快捷键进入“氛围编程”模式。核心技巧在于利用 @ 符号 精确喂给 AI 上下文，以及让它跨越当前文件去创造新内容。

实战场景示例：使用 Vibe Coding 创建一个简单的命令行工具
我们以创建一个简单的命令行工具为例，目标是让 AI 帮你完成从项目初始化到代码生成的全过程，无需你懂任何编程知识。

• 第一步：初始化项目
  在 Continue 侧边栏（Cmd + L）中输入：

  帮我创建一个空的命令行工具项目，使用python语言作为主编程语言，使用 uv 管理项目和依赖，项目名称叫 my_cli，这一步不要生成代码。

  AI 会自动运行 uv init my_cli_tool 命令，并生成项目目录结构和 pyproject.toml 文件。

• 第二步：生成主程序文件
  在 Continue 侧边栏中输入：

  @my_cli 编辑 main.py 文件，修改功能为打印‘Hello, World!。自动将代码应用到main.py里。

  AI 会自动编辑 main.py 文件，生成一个完整的命令行程序，你可以点击“应用”按钮保存更改。

  你可能会遇到生成的代码有问题，所以在Continue侧边栏中继续输入：

  @my_cli 修复代码main.py中的问题

  AI会自动修复有问题的代码。

• 第三步：内联编辑与修改
  打开 main.py 文件，选中main函数中的代码，按下 Cmd + I 唤起内联编辑框，输入：

  修改这个程序，让它在运行时提示用户输入名字，并打印‘Hello, [名字]!’。

  AI 会自动更新程序代码，增加用户输入功能，并生成相应逻辑。

• 第四步：生成测试文件
  在 Continue 侧边栏中输入：

  请创建并编辑 test_main.py 文件，生成一个基本的测试文件，测试 main 函数是否能正常运行。

  AI 会生成一个完整的测试文件，包含基本的测试用例，方便你验证程序功能。

• 第五步：一键调试
  在 Continue 侧边栏输入：

  @Terminal 帮我调试代码，要求覆盖单元测试和主程序运行。

  AI 将自动执行测试并运行代码，如遇报错，会循序渐进地引导你修复。

• 第六步：生成打包配置
  在 Continue 侧边栏输入：

  @my_cli 为该 Python 项目生成打包配置并测试安装。

  AI 会自动完成配置编写、安装测试，并根据结果进行迭代优化。

• 第七步：配置 CI/CD 流水线
  在 Continue 侧边栏输入：

  @my_cli 基于 GitHub Actions 生成流水线，将 Python 包发布至内部 Artifactory。

  AI 将分步引导你完成自动化部署环境的搭建。

总结

借助 Continue 与 Ollama，我们利用 Mac 本地算力构建了一个全封闭的 AI 开发环境。这不仅解决了云端 AI 潜在的隐私泄露风险，还通过本地化部署获得了零延迟的反馈体验。
所谓的“氛围编程(Vibe Coding)”，核心在于开发者意图的无缝传递。只需简单的指令描述，AI 就能在你的项目范围内快速生成、调试代码，大幅缩短从构思到上线的工作流。