ARTICLE · 1010285

15 分钟搭好 VSCode AI 编程助手:Ollama 本地 + 智谱 GLM-4.7-Flash 云端双方案实战

发布时间：2026-09-16 02:33:30 最近访问：2026-09-16 02:33:29

15 分钟搭好 VSCode AI 编程助手：Ollama 本地 + 智谱 GLM-4.7-Flash 云端双方案实战

一、写在前面：你是不是也这样？

想象一个典型的工作日：你在 VSCode 里写了一个函数，逻辑有点绕，不确定边界条件处理得对不对。于是你 Alt+Tab 切到浏览器，打开 ChatGPT / 豆包，把代码贴进去，等它回答，再 Alt+Tab 切回来，把结论粘贴到注释里。一次两次无所谓，一天来回几十次，心流全断了。

更扎心的是，你可能已经踩过这些坑：

官方 Copilot 每月十几美元，公司不给报销；
网上看到有人推荐 Continue，装上之后一脸懵——设置面板里一堆模型提供商，本地模型不知道选哪个，云端接口不知道 Key 去哪拿；
本地拉了个模型，问它代码它答得驴唇不对马嘴；
好不容易接了个云端模型，不是 401 就是超时。

这篇文章把两条链路一次讲清楚：本地走 Ollama 跑 Qwen2.5-Coder，云端走智谱 GLM-4.7-Flash，两个模型写在同一个 config.yaml 里，按需切换。无论你机器性能够不够，都能照着跑通。

全文分五部分：原理速览 → 双方案实操 → 踩坑清单 → 选型建议 → 进阶方向。

二、先搞懂三层架构，再动手

Continue 不是模型，它是个"壳"。整个链路其实就三层：

VSCode 编辑器  ↔  Continue 插件  ↔  模型推理后端

VSCode 编辑器
：你看到的侧边栏、光标、文件树；
Continue 插件
：负责把你的当前文件、选中代码、光标位置、报错日志打包成模型能读懂的 Prompt，再把模型回答流式渲染回编辑器；
模型推理后端
：真正"思考"的地方。本地方案是你自己电脑上的 Ollama 服务（默认监听 http://localhost:11434），云端方案是智谱的 OpenAI 兼容接口 https://open.bigmodel.cn/api/paas/v4。

打个比方：Continue 是翻译官兼调度员，Ollama 是你家里请的本地管家（不用联网、随叫随到，但本事有限），智谱云端是外聘的专家（本事大、按次收费，得联网）。

那到底选本地还是云端？从六个维度对一下：

维度	Ollama 本地模型	智谱 GLM-4.7-Flash 云端
显存占用	7B 量化版需 8GB 显存	零（云端推理）
响应速度	首字延迟取决于显卡，CPU 跑会很慢	取决于网络，通常 1s 内首字
数据隐私	代码不出本机，适合涉密项目	代码过云端，敏感代码慎用
费用	一次性硬件成本	按 Token 计费，Flash 档位很便宜
模型能力	受限于参数量，复杂推理一般	大模型底座，长上下文能力强
上下文长度	受量化和显存限制	官方支持较长上下文

结论：两个都配。对话 / 改代码这种"重活"走云端 GLM-4.7-Flash，高频的 Tab 自动补全走本地小模型——延迟低、不花钱、不泄露代码。

三、实操：15 分钟跑通双方案

前置条件：VSCode 1.80+，Windows 或 macOS 均可。纯云端方案对机器没要求；本地方案建议 8GB 以上显存（跑 7B 量化模型）。

3.1 第一步：装 Ollama 并拉模型

Windows 用管理员 PowerShell：

winget install Ollama.Ollama

macOS：

brew install ollama

装完后验证：

ollama --version

Ollama 装好后会自动在后台起服务（默认端口 11434），不用手动 ollama serve。接下来拉两个模型——一个负责对话，一个负责补全：

# 对话用：7B，能力够、显存友好ollama pull qwen2.5-coder:7b# 补全用：1.5B，小、快、延迟低ollama pull qwen2.5-coder:1.5b

拉完用 ollama list 确认，两个模型都在列表里就行。

⚠️ 记住 ollama list 输出的模型名，待会儿 config.yaml 里的 model 字段必须和它一字不差。

3.2 第二步：装 Continue 插件

VSCode 扩展商店搜 Continue，安装。装完左侧栏会出现一个新图标。

3.3 第三步：写 config.yaml

Continue 当前版本的配置文件是 YAML 格式（旧的 JSON 已废弃）。打开方式两种：

Continue 侧边栏 → 左下角齿轮 → Open Config；
或直接编辑文件：Windows 在 %USERPROFILE%\.continue\config.yaml，macOS / Linux 在 ~/.continue/config.yaml。

把下面这段完整复制进去：

name: Local+Cloud Configversion: 0.0.1schema: v1models:  # —— 本地对话模型：负责 chat / edit / apply ——  - name: Qwen2.5-Coder 7B (本地)    provider: ollama                  # 走本地 Ollama    model: qwen2.5-coder:7b           # 必须与 ollama list 输出一致    apiBase: http://localhost:11434   # Ollama 默认端口    roles:      - chat                          # 侧边栏对话      - edit                          # 选中代码后让模型改写      - apply                         # 把模型给的 diff 应用回文件  # —— 本地补全模型：负责 Tab 自动补全，要求低延迟 ——  - name: Qwen2.5-Coder 1.5B (补全)    provider: ollama    model: qwen2.5-coder:1.5b    apiBase: http://localhost:11434    roles:      - autocomplete                  # 行内灰色补全

几个关键字段一次说清：

provider
：模型来源。本地填 ollama，云端填 openai（智谱兼容 OpenAI 协议）；
model
：模型名。本地必须对得上 ollama list；
apiBase
：服务地址。本地是 Ollama 端口，云端覆盖成智谱地址；
roles
：这个模型负责哪些活。Continue 会根据你在界面上干什么，自动路由到对应模型。

保存后 Continue 会热重载，不用重启 VSCode。点侧边栏发一句话，再随便敲几行代码看灰色补全有没有出来，本地方案就通了。

3.4 第四步：接智谱 GLM-4.7-Flash 云端

打开智谱开放平台 https://open.bigmodel.cn，注册后进入 API Keys 页面，创建一个新 Key 复制下来（只展示一次，关了就没了）。

回到 config.yaml，在 models: 数组末尾追加这一段（不要删掉上面的本地模型）：

  # —— 智谱 GLM-4.7-Flash 云端：OpenAI 兼容协议 ——  - name: GLM-4.7-Flash (云端)    provider: openai                  # 智谱兼容 OpenAI 协议，复用 openai provider    model: glm-4.7-flash    apiBase: https://open.bigmodel.cn/api/paas/v4   # 注意结尾不要漏 /v4    apiKey: 粘贴你刚才复制的智谱 Key    roles:      - chat      - edit      - apply

保存后，Continue 面板顶部的模型下拉框里会同时看到三个模型：

Qwen2.5-Coder 7B (本地)
Qwen2.5-Coder 1.5B (补全)
GLM-4.7-Flash (云端)

切到云端模型，发一句"用一句话解释下面这段代码"，贴一段函数进去，能正常返回就说明云端也通了。

🔒 生产环境建议把 apiKey 换成环境变量引用：apiKey: ${ZHIPU_API_KEY}，然后把 Key 写进系统环境变量，避免误提交 Git。

3.5 验证清单

跑通后逐项确认：

ollama list
能看到 qwen2.5-coder:7b 和 qwen2.5-coder:1.5b；
Continue 下拉框有三个模型；
选本地 7B 对话能正常回答；
选 GLM-4.7-Flash 对话能正常回答；
写代码时 1.5B 模型能给出灰色补全。

四、踩坑清单与优化建议

按出现频率从高到低排：

现象	根因	解决方案
Continue 启动即报错 / 插件无响应	YAML 用了 Tab 缩进，或冒号后没空格	全部改成 2 空格缩进，冒号后保留一个空格
下拉框看不到本地模型 / 报 model not found	`model` 字段和 `ollama list` 输出不一致，或 Ollama 服务没起	重新 `ollama list` 核对拼写；任务管理器确认 Ollama 在跑
云端 401 Unauthorized	`apiKey` 错误、过期、粘贴时带了空格或换行	回智谱控制台重新复制，注意首尾不要有空白
云端 404 / model not found	`apiBase` 路径写错	必须是 `https://open.bigmodel.cn/api/paas/v4`，结尾 `/v4` 不能漏
对话首字延迟 3 秒以上	本地模型在 CPU 上跑，没调显卡；或云端走了代理	`ollama ps` 看是不是用了 GPU；检查系统代理设置
模型回答"失忆"，只看到半截文件	上下文窗口太小	在对应模型条目下加 `contextLength: 32768`（按模型实际支持值）
Tab 补全完全不触发	没有任何模型的 `roles` 含 `autocomplete`，或被 Copilot 抢占	确认 1.5B 那段配了 `autocomplete`；在 VSCode 设置里关掉 Copilot 的行内补全
公司网络下云端连不通	系统没走代理	配好 HTTP 代理后完全退出 VSCode 再重开

几个生产环境最佳实践：

模型分工
：对话 / 改代码走 GLM-4.7-Flash，Tab 补全走本地 1.5B。云端长上下文能力强，本地补全延迟低，组合起来既省钱又快。
显存选型
：8GB 显存跑 7B-Q4，16GB 显存可以上 14B-Q4；再往上收益递减。
用好引用
：Continue 对话框里输 @file 引用单个文件、@codebase 搜全仓、@docs 挂文档，比手贴代码有效率得多。
定期清理
：ollama list 看一眼，不用的模型 ollama rm <模型名> 删掉，一个 7B 量化模型就 4-5GB。
涉密代码不出本机
：公司项目 / 专利代码一律走本地模型，云端只问通用技术问题。

五、收尾

一句话总结：Continue 只是个壳，模型选型才是关键。一个 config.yaml 同时挂本地 Ollama 和智谱 GLM-4.7-Flash，本地保隐私、云端保能力，按需切换——这是目前性价比最高的工程师 AI 编程配置。

想再往上走，可以看三个方向：

Agent 化
：把 Continue 换成 Cline / Roo Code，让模型能自己读文件、跑命令、改代码；
私有代码 RAG
：用 Ollama 跑 Embedding 模型，把公司代码库向量索引，让问答精准命中；
MCP 扩展
：通过 Model Context Protocol 让 Continue 接数据库、接 Jira、接内部 API，把 AI 助手嵌进真实工作流。

专注输出嵌入式开发领域的硬核技术与工程化实践，所有内容均来自一线开发经验，不做泛泛空谈。