最近好几个朋友都在问同一件事VS Code 里的 Continue 插件到底怎么配自定义 API。有人想接 DeepSeek 官方接口有人手里有 Claude 的 Key 想直接用还有人把自己电脑上的 Ollama 拉满了开源模型想把本地模型塞进编辑器当聊天和自动补全用。这三条路我都实际跑过踩过的坑也不少今天一次性把配置方法、参数含义和排错思路讲清楚。Continue 是个开源 AI 编程助手插件最大的特点就是模型层完全开放。它不像 Copilot 那样把模型、后端、计费全部锁死而是给你一个配置文件让你自己决定聊天、编辑、代码补全分别走哪个模型、哪个接口。这个自由度很高但也意味着你不理解配置文件里每个字段是干嘛的就会反复遇到 400、401、无补全之类的怪问题。这篇文章就从配置文件的底层逻辑讲起覆盖 DeepSeek 官方 API、Claude 兼容端点、本地 Ollama 三套方案最后附上我整理好的报错速查表适合所有用 VS Code 写代码、又想低成本接入 AI 辅助的开发者。1. Continue 插件一个把模型“接进编辑器”的开放框架1.1 Continue 能干什么和 Copilot 有什么区别先说清楚 Continue 的定位。它是一个在 VS Code 和 JetBrains 系 IDE 里运行的 AI 编程助手核心功能包括对话聊天选中代码提问、解释报错、代码编辑让 AI 直接改选中的代码块支持 diff 预览后应用、代码补全边打字边提示下一段代码、以及代码库问答通过 codebase 索引你整个项目的结构回答“这个项目里登录逻辑在哪”这类问题。和 GitHub Copilot 最大的区别在于Copilot 的模型和服务器是固定的你没法换。Continue 则是把“界面”和“模型”彻底解耦你的 Key、你的模型、你的服务器它全都支持。这意味着你可以用 DeepSeek 这种按量计费性价比很高的云 API也可以用 Ollama 跑一个完全离线、数据不出本机的开源模型甚至可以接企业内部统一网关。对于在意成本、隐私或者单纯想跟着开源社区最新模型走的开发者来说这个灵活性是 Copilot 给不了的。1.2 配置文件的底层逻辑models、roles、providersContinue 的所有模型配置都集中在一个文件里。新版是~/.continue/config.yamlWindows 在%USERPROFILE%\.continue\config.yaml老版本是config.json逻辑一样只是格式从 JSON 换成了 YAML。打开方式很简单装上插件后左侧边栏会出现 Continue 图标点开面板找到齿轮图标选择“Open Config”就会自动打开这个文件。配置里最核心的是一个叫models的数组。数组里的每一项描述一个“可用模型”包括名字、provider提供方类型、model模型标识、apiBase接口地址、apiKey密钥以及 roles这个模型承担什么角色。models: - name: DeepSeek Chat provider: openai model: deepseek-chat apiBase: https://api.deepseek.com/v1 apiKey: sk-xxxx roles: - chat - edit - apply这里有几个关键概念需要理解透彻。首先是roles它决定这个模型出现在哪里。chat是普通对话edit是编辑修改代码apply是执行修改后把 diff 应用到文件autocomplete是自动补全不过补全通常单独用tabAutocompleteModel字段配置。同一个模型可以承担多个角色你也可以给不同角色配不同的模型比如用便宜的本地模型做补全、用云端强模型做编辑。其次是provider它告诉 Continue 用哪种协议去请求这个接口。最常见的是openaiOpenAI 兼容协议DeepSeek、绝大多数中转网关都走这个、anthropicClaude 官方协议、ollama本地 Ollama 服务。协议选错是新手最容易犯的错误后面每一节我都会强调这一点。1.3 API 路线选型官方、网关、本地的取舍配置之前先想清楚你要走哪条路因为三条路的适用场景完全不同。官方 DeepSeek API 是性价比最均衡的选项。它的模型足够聪明价格便宜而且接口协议是 OpenAI 兼容的几乎所有工具都能直接接配置成本极低。适合大多数日常开发场景也是我最推荐新手先试的一条路。Claude 兼容端点这条路稍微复杂。如果你手里的是 Anthropic 官方 Key直接配provider: anthropic就行。但很多团队场景里你拿到的是一个“兼容端点”——可能是内部网关暴露出来的 Anthropic 格式地址也可能是本地跑的一个协议转换服务。这种端点能让你把 Claude 协议格式的请求转发给 DeepSeek、通义、Kimi 等其他模型但你也需要为它单独指定 provider 和地址。本地 Ollama 则适合对隐私敏感、或者想要完全免费无限量使用的场景。Ollama 是一个本地模型运行工具能把开源模型跑在你自己电脑上。它的缺点是模型智商通常不如云端大模型而且吃硬件资源。我的建议是云端 API 作为主力模型干活本地 Ollama 做代码补全、离线应急、或者敏感代码的本地分析两者搭配着用最舒服。2. DeepSeek 官方 API五分钟跑通第一套配置2.1 申请 Key 与模型命名deepseek-chat / deepseek-reasonerDeepSeek 的接入过程在国产大模型里算非常省心的。去 DeepSeek 开放平台注册账号充值少量余额然后在“API Keys”页面创建一个 Key记下来就行。Key 长这样sk-开头的一串字符创建后只显示一次务必及时保存。在配置之前要搞清楚 DeepSeek 官方提供的模型名。很多人报错说“400 supported api model names are deepseek-flash, deepseek-v4”这说明他们连的根本不是 DeepSeek 官方端点而是某个山寨网关。DeepSeek 官方当前实际可用的模型名只有两个模型标识对应模型特点deepseek-chatDeepSeek-V3 系列快速响应支持函数调用适合聊天和代码编辑deepseek-reasonerDeepSeek-R1 系列深度推理内置思考过程适合复杂问题分析这个细节非常重要因为 Continue 的编辑、应用代码功能依赖函数调用能力而deepseek-reasoner的函数调用支持不完整。所以我的建议是chat角色给deepseek-reasoner用来分析复杂问题edit和apply给deepseek-chat用来改代码分工明确能避开一多半诡异报错。2.2 用 OpenAI 兼容协议接入 ContinueDeepSeek 官方 API 兼容 OpenAI 的请求格式所以 Continue 里把它配置成openaiprovider 就行。关键点在于必须覆盖apiBase。Continue 的openaiprovider 默认指向https://api.openai.com/v1如果你不写apiBase它就会拿着 DeepSeek 的 Key 去请求 OpenAI 的服务器结果自然是 401 认证失败。这也是配置 DeepSeek 时最常见的错误。推荐的最小可运行配置如下name: My Config version: 0.0.1 schema: v1 models: - name: DeepSeek Chat provider: openai model: deepseek-chat apiBase: https://api.deepseek.com/v1 apiKey: sk-这里填你的key roles: - chat - edit - apply defaultCompletionOptions: temperature: 0.7 maxTokens: 4096 - name: DeepSeek Reasoner provider: openai model: deepseek-reasoner apiBase: https://api.deepseek.com/v1 apiKey: sk-这里填你的key roles: - chat defaultCompletionOptions: maxTokens: 8192保存配置后回到 Continue 聊天面板顶部模型下拉框里应该就能看到这两个模型了。选一个随便发句话试试。能正常回复就说明接入成功了。有两点要说明。第一apiBase官方有两种写法都支持https://api.deepseek.com和https://api.deepseek.com/v1/v1是为了兼容 OpenAI SDK 习惯加不加都能通我建议统一写带/v1的版本因为有些工具对路径解析很死板。第二defaultCompletionOptions里的temperature控制随机性代码编辑类任务我建议不要超过 0.7否则容易跑飞生成一些语法上看着对、实际上逻辑混乱的代码。2.3 配置前先命令行自测别让 Continue 背锅在改 Continue 配置之前强烈建议先用一条 curl 命令验证你的 Key 是否有效、余额是否充足、模型名是否正确。这一步能帮你把“API 本身的问题”和“Continue 配置的问题”清晰分开排错时省下大量时间。curl https://api.deepseek.com/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer 你的key \ -d { model: deepseek-chat, messages: [{role: user, content: 你好}], stream: false }如果返回一段带choices的 JSON说明 Key 没问题问题必然出在 Continue 侧。如果返回 401说明 Key 错了或者余额不足如果返回 400 且提示模型名不对说明你请求的模型标识写错了。先做这个自测后面不管遇到什么问题心里都有底。关于 Key 的安全我也多说一句。配置文件里直接写明文 Key 方便但如果你用 Git 管理~/.continue目录很容易把 Key 提交到远程仓库。更稳妥的做法是把 Key 放进系统环境变量在配置里通过${env.DEEPSEEK_API_KEY}这种形式引用具体支持情况以你安装的 Continue 版本文档为准但方向肯定是往不写死明文的方向靠。3. Claude 兼容端点从官方 Anthropic 到自建网关3.1 官方 Claude 模型的直连配置如果你有 Anthropic 官方账号和 API Key接入 Continue 同样简单只是 provider 要换成anthropic。Claude 官方模型的命名带日期后缀比如claude-sonnet-4-20250514、claude-opus-4-20250514这个字符串不能写错写错了就会报模型不存在。models: - name: Claude Sonnet 4 provider: anthropic model: claude-sonnet-4-20250514 apiBase: https://api.anthropic.com apiKey: sk-ant-这里填你的key roles: - chat - edit - apply defaultCompletionOptions: maxTokens: 4096这里需要注意anthropicprovider 的apiBase默认就是官方地址理论上可以不写。但我建议还是写出来因为这样逻辑清晰也方便你以后切换到其他 Anthropic 兼容端点时只改地址、不改 provider。Claude 的代码编辑能力在目前的主流模型里是第一梯队尤其在理解大型代码库上下文方面表现很强。代价是价格比 DeepSeek 高一个量级因此我的用法是日常小改动走 DeepSeek遇到需要深入理解业务逻辑、跨文件重构这种高难度任务再切到 Claude。Continue 支持在同一配置文件里同时挂多个模型配合面板上的下拉切换非常顺手。3.2 兼容网关一个端点接入多种模型很多公司内部会部署统一的 AI 网关比如 one-api、new-api 这类开源项目。它们做的事情很简单把 DeepSeek、通义、Kimi、Claude 等各种模型的 Key 统一管起来对外暴露一个统一的 API 地址你用一把 Key 就能访问所有模型。这类网关通常同时兼容多种协议。如果它暴露的是 OpenAI 兼容的/v1地址那在 Continue 里配置方式其实和 DeepSeek 完全一样只是apiBase指向网关地址、model填网关里配置的模型别名models: - name: Claude via Gateway provider: openai model: claude-sonnet-4-20250514 apiBase: http://你的网关地址:3000/v1 apiKey: sk-网关发的key roles: - chat - edit - apply注意走 OpenAI 兼容协议时model这个字段填什么取决于网关后台把哪个上游模型绑定到了这个名字上。有些网关会起内部别名比如把 Claude 模型命名为claude-v1那你这里就填claude-v1。填错会报上游模型不存在所以配网关类端点时第一件事是去网关后台确认模型别名。另一类网关会暴露 Anthropic 协议的端点这时 provider 要改成anthropic。判断标准很简单看它给你的文档里请求地址是/v1/chat/completions还是/v1/messages。前者是 OpenAI 格式后者是 Anthropic 格式。选错协议请求会 404 或 400连错误信息都会让你摸不着头脑。3.3 本地协议转换代理的适用场景还有一种“Claude 兼容端点”是在本机跑的协议转换服务典型代表是各大开源社区里那个很火的 claude-code-router。它的用途是把 Anthropic 协议的请求转换成 OpenAI 协议再转发给 DeepSeek 等模型这样你就能用 Claude Code 这个官方命令行工具时后端偷偷跑 DeepSeek省钱效果显著。如果你已经跑了这类本地转换服务它通常会在http://localhost:14555这类地址监听一个 Anthropic 格式的端点。Continue 也可以直接指过去models: - name: DeepSeek via Claude Router provider: anthropic model: deepseek-chat apiBase: http://localhost:14555 apiKey: 随便填一个占位符 roles: - chat - edit但说实话如果你只使用 Continue 这个工具我不太推荐为了它专门搭转换服务直接用 OpenAI 协议接 DeepSeek 更简单、少一层转发、故障点更少。这种路由器方案真正的价值场景是你同时在用 Claude Code、Continue 等多个工具希望它们的模型路由策略统一到一个地方管理比如“白天用 DeepSeek晚上用本地模型”。这时候在路由器层面统一配置比在每一个工具里分别改配置要高效得多。4. 本地 Ollama把模型完全跑在自己机器上4.1 安装 Ollama 与模型拉取加速Ollama 是目前最流行的本地模型运行工具把模型的下载、加载、API 服务全部封装好了。去官网下载对应系统的安装包Windows 和 macOS 都是图形化安装Linux 用一行脚本curl -fsSL https://ollama.com/install.sh | sh安装完成后命令行里执行ollama --version验证安装然后就可以拉模型了。代码场景我推荐这几个模型# 聊天和编辑主力7B 参数普通电脑能带得动 ollama pull qwen2.5-coder:7b # 轻量补全模型速度快资源占用小 ollama pull qwen2.5-coder:1.5b # 推理模型适合分析复杂问题 ollama pull deepseek-r1:7b # 代码库索引嵌入模型后面讲 codebase 时会用到 ollama pull nomic-embed-text很多人反馈 Ollama 下载模型特别慢官网下载安装包也慢。安装包慢的话可以换用第三方下载工具从官方渠道拉取或者让朋友帮忙下载好安装包再传给你。模型拉取慢的核心原因是模型文件托管在海外对象存储上这时候可以考虑配置国内可访问的镜像源来加速具体地址以社区最新可用信息为准。另外OLLAMA_MODELS环境变量可以指定模型存放目录如果你有多块硬盘把它指到大容量盘上避免系统盘被几十 GB 的模型文件塞满。4.2 配置本地模型作为聊天 / 编辑 / 补全主力Ollama 装好、模型拉好之后它默认会在本机11434端口起一个 HTTP 服务。可以用curl http://localhost:11434/api/tags验证一下能返回模型列表就说明服务正常。Continue 内置了ollamaprovider配置方式非常简洁models: - name: Qwen Coder Local provider: ollama model: qwen2.5-coder:7b roles: - chat - edit - apply defaultCompletionOptions: temperature: 0.5 maxTokens: 2048provider: ollama的默认地址就是http://localhost:11434所以本地场景可以不写apiBase。如果你有两个电脑或者电脑上装了多张显卡想分开跑服务Ollama 还可以通过OLLAMA_HOST环境变量监听局域网那样就得在 Continue 里显式写apiBase: http://192.168.x.x:11434。这里我要提醒一个很多人忽略的问题Ollama 的默认上下文长度并不大小模型通常只有 4K 到 8K 的上下文窗口。这意味着你让本地模型去理解一大段代码时它会“忘记”前面的内容。可以通过启动 Ollama 服务时设置OLLAMA_CONTEXT_LENGTH环境变量来扩大默认上下文比如OLLAMA_CONTEXT_LENGTH16384。但上下文拉长之后显存和内存占用会明显上涨7B 模型建议至少 16GB 内存最好有一张 8GB 显存以上的显卡Apple Silicon 芯片的 Mac 则依赖统一内存16GB 内存的机器跑 7B 模型会比较勉强建议用小一号的 3B 或 1.5B 模型。4.3 嵌入模型与代码库索引Continue 的 codebase 功能需要嵌入模型embedding model来把代码片段向量化然后做相似度检索。这里又有一个常见的坑DeepSeek 官方 API 目前不提供嵌入模型接口所以你配完 DeepSeek 之后会发现 codebase 不可用。解决思路就是本机跑一个嵌入模型来补位。embeddingsProvider: provider: ollama model: nomic-embed-text apiBase: http://localhost:11434nomic-embed-text是个 274M 的轻量嵌入模型跑起来几乎不占资源但嵌入质量足够支撑代码检索了。配置完之后重启 VS Code 窗口在聊天面板输入codebase再提问Continue 就会先检索项目里相关的代码片段再结合上下文回答。说实话codebase 在有云端上下文压缩能力的模型加持下体验会更好但本地嵌入方案胜在免费、离线、私密对于公司内部代码、敏感项目来说这个价值远大于体验上的一点点损失。4.4 WSL2 与远程开发环境的地址连接问题写代码的开发者里有很大一批人用 WSL2 作为 Linux 开发环境Ollama 也喜欢装在 WSL2 里。这时候 VS Code 在哪、Ollama 在哪组合起来有两种情况。第一种VS Code 直接装在 Windows 上通过 Remote-WSL 打开 Linux 里的项目而 Ollama 跑在 WSL2 里面。这种情况 Windows 访问 WSL2 里的服务localhost:11434一般能直接通因为 WSL2 默认做了 localhost 转发。如果你发现不通先检查是不是改过.wslconfig的网络模式或者干脆用wsl hostname -I查一下 WSL2 的 IP把apiBase直接写http://WSL的IP:11434。第二种VS Code 通过 Remote-SSH 连接到一台远程开发机Ollama 也在这台远程机上。这时 Continue 配置里的localhost:11434指向的是远程机自己反而是对的不需要改。容易搞混的是如果你从本地电脑直连远程机上某台容器里的 Ollama那localhost就失效了必须写容器的映射地址。我的经验是处理这类连接问题永远从“Continue 这个进程在哪个机器上跑”出发问自己它能不能直接访问到apiBase写的那个地址能通就是配置问题不能通就是网络问题思路清晰排查就快。5. 常见报错与排查实录5.1 API 400 错误的几种典型情况400错误是我见过最多的一类报错但 400 本身只说明“你的请求格式有问题”具体原因千差万别。我把遇到过的几种典型情况整理成了表格方便你对照。报错信息原因分析处理方案api error: 400 invalid schema for function artifactContinue 版本过旧或者当前模型对工具调用function calling的定义不标准导致请求体里的工具 schema 校验失败优先升级 Continue 插件到正式版把edit、apply角色换到支持函数调用的模型如deepseek-chat问题依旧就临时关闭工具类功能400 the supported api model names are deepseek-flash, deepseek-v4你连的不是官方端点是某个第三方中转站而且中转站起了一套自创的模型名检查apiBase是否为https://api.deepseek.com/v1注意 DeepSeek 官方模型名只有deepseek-chat和deepseek-reasoner400 model not found模型标识拼写错误或者该模型在你选择的 provider 下不存在核对官方模型名Ollama 模型用ollama list查看实际名称401 invalid api keyKey 填错、有空格、或者 Key 被中转站限制重新复制 Key检查配置里粘贴时是否夹带了换行符这里我要重点说下invalid schema for function artifact这个问题。它出现在 Continue 尝试调用工具修改代码时多见于模型对工具定义格式支持不好。我的处理习惯是把deepseek-reasoner这类推理模型从edit和apply角色里撤掉只让它做chat,因为推理模型的强项是分析不是执行工具调用执行类任务交给deepseek-chat。这么做之后这个报错基本就不再出现了。另一个值得警惕的现象是市面上存在不少冒充 DeepSeek 的中转站用很低的价格吸引你充值给的模型名五花八门实际后端可能是个更小、更弱的模型。遇到“便宜得离谱”的 API 服务我的建议是多个心眼先在官方渠道用一两块钱验证一下官方接口的正常返回长什么样再决定要不要用第三方。API Key 的保管也一样别拿去注册那些来路不明的平台。5.2 Ollama 下载慢、模型拉取失败Ollama 相关的报错相对直白集中在这几类。连接不上服务通常是ECONNREFUSED或connection refused。先确认 Ollama 进程是否真的在跑Windows 和 macOS 上安装后它默认以后台服务形式运行Linux 上你可能忘了执行ollama serve。然后确认端口curl http://localhost:11434/api/tags能返回 JSON 就是正常。模型不存在报model not found绝大多数情况是模型名写错。Ollama 模型名严格遵守仓库名:标签格式比如qwen2.5-coder:7b标签漏写会默认拉 latest但你本地没拉过 latest 就会报错。用ollama list看一眼本地实际有哪些模型照着抄名字最保险。下载慢的问题我在前面提过这里再补充一个技巧Ollama 拉模型是支持断点续传的如果中途断了重新执行ollama pull会从断点继续。所以不用因为它慢就反复删掉重来耐心等就行。另外拉大模型时注意磁盘剩余空间deepseek-r1:7b要 4.7GB多个模型叠加很容易吃满磁盘。5.3 Continue 不生效、补全不出现的排查顺序配置完发现自己用不上是另一类常见挫败感。如果你配置了本地补全模型但打字时没有补全提示按我的经验按这个顺序排查。第一步确认插件面板里有没有正确加载配置。点开 Continue 侧边栏看模型下拉框里有没有你配置的模型名。没有说明配置文件没生效重启 VS Code 窗口再试还不行就检查config.yaml的缩进格式。第二步确认自动补全是开着的。VS Code 的设置里搜continue.enableTabAutocomplete确保它是启用状态。有时候别的插件冲突会把它顶掉。第三步确认tabAutocompleteModel配置正确。补全模型在 Continue 里是单独配置的不在models数组里tabAutocompleteModel: name: Qwen Coder Local provider: ollama model: qwen2.5-coder:1.5b第四步看输出日志。VS Code 的“输出”面板里选 Continue会有详细的请求日志包括模型加载时间、请求是否发出、返回了什么。这一步能直接看到模型到底有没有被调用。还有个容易忽略的问题Continue 的编辑和补全功能需要你打开一个真实的文件夹或工作区。如果你只是开了一个单独的文件很多功能会提示please open a folder or workspace to continue。这不是配置问题是使用姿势问题CtrlKCtrlO打开一个项目文件夹就解决了。最后说几句实在的三套方案都跑通之后我实际使用下来的组合是主力模型用 DeepSeek 官方deepseek-chat处理日常对话和代码编辑遇到特别烧脑的重构任务切 Claude 的 Sonnet本地的qwen2.5-coder:1.5b专职做自动补全nomic-embed-text做代码库索引。这个组合既有云端的智商又有本地的速度和隐私每个月的 API 花费也压得很低。最后分享一个小技巧Continue 的配置改完之后不需要重启 VS Code在命令面板CtrlShiftP里执行“Continue: Reload Config”就能即时生效调试配置时比反复重启窗口高效得多。不管你是刚接触 AI 编程助手的新手还是已经在不同模型之间反复横跳的老手把配置文件理解透这套工具链就能真正按你的想法工作而不是被它的默认设置牵着走。