
VSCode Continue 插件 config.yaml 完全配置指南:从基础语法到生产级最佳实践
本文基于 Continue 官方 v1 Schema 编写,覆盖 YAML 配置全字段语法、核心模块深度解析、多场景实战模板与迁移排错指南,所有示例均可直接复制使用。
文章目录
VSCode Continue 插件 config.yaml 完全配置指南:从基础语法到生产级最佳实践 前言 一、配置文件基础 1.1 文件位置与打开方式 1.2 YAML vs JSON 核心优势 二、基础语法强制规范 2.1 缩进规则 2.2 键值与字符串 2.3 列表写法 2.4 头部三必填字段 三、顶层字段全景总览 四、核心模块深度详解 4.1 models:模型配置(最重要) 4.1.1 roles 角色说明 4.1.2 通用模型参数 4.1.3 常用 provider 适配器 4.2 rules:全局行为规则 4.3 prompts:自定义斜杠命令 4.4 context:上下文提供程序 4.5 autocompleteOptions:Tab 补全配置 4.6 mcpServers:MCP 工具服务 五、完整实战配置模板 5.1 模板一:本地 Ollama 全功能配置 5.2 模板二:云端 OpenAI 兼容接口 5.3 模板三:混合部署(推荐) 六、旧版 config.json 迁移指南 6.1 核心字段对照表 6.2 迁移步骤 七、排错与最佳实践 7.1 常见错误排查 7.2 最佳实践建议 八、总结
前言
Continue 是目前 VSCode 生态中最流行的开源 AI 编码助手之一,支持本地大模型、云端 API、代码补全、对话编辑、知识库索引等全链路能力。从 2024 年下半年开始,Continue 正式将 config.yaml 确立为标准配置格式,逐步替代旧版 config.json。
相比 JSON 格式,YAML 支持注释、多行字符串、锚点复用,更适合复杂配置的维护;同时新版配置将所有模型(聊天/补全/嵌入/重排)统一收敛到 models 字段,通过 roles 角色区分用途,架构更清晰。
本文将系统讲解 config.yaml 的编写规则、字段含义与实战配置,帮助你从零搭建一套稳定、高效的 Continue 工作环境。
一、配置文件基础
1.1 文件位置与打开方式
配置文件默认位于用户目录下的 .continue 文件夹中:
- Windows
: C:\Users\<你的用户名>\.continue\config.yaml - Mac/Linux
: ~/.continue/config.yaml
在 VSCode 中快速打开:
按下 Ctrl+Shift+P调出命令面板输入并执行 Continue: Open Config File自动打开当前生效的配置文件
优先级说明:若目录中同时存在
config.yaml和config.json,YAML 优先级更高,JSON 文件将被忽略。
1.2 YAML vs JSON 核心优势
# 行注释 | ||
/ | ||
& / 别名 * | ||
二、基础语法强制规范
YAML 对格式敏感,以下规则必须严格遵守,否则会直接解析失败、配置回退默认值。
2.1 缩进规则
- 层级缩进必须使用 2 个空格
,禁止使用 Tab 制表符 同级字段左对齐,子层级比父层级多 2 空格 列表项 -属于当前层级,后续内容与冒号后内容对齐
2.2 键值与字符串
冒号后必须跟一个空格: key: value,禁止key:value普通字符串无需引号;包含冒号、 #、特殊字符时使用双引号包裹多行字符串使用 |(保留换行)或>(折叠换行),常用于系统提示词
# 保留换行,适合代码/提示词rule: |第一行内容第二行内容第三行内容# 折叠换行,适合长段落description: >这是一段很长的描述文本,最终会合并成一行
2.3 列表写法
两种等价写法,短数组推荐行内格式:
# 分行写法roles:- chat- edit- apply# 行内写法roles: [chat, edit, apply]
2.4 头部三必填字段
任何合法的 config.yaml 必须在文件顶部定义以下三个字段,缺一不可:
name: My-Coding-Assistant # 配置名称,显示在助手下拉菜单version: 1.0.0 # 配置版本号,自定义维护schema: v1 # 配置 Schema 版本,固定为 v1
三、顶层字段全景总览
config.yaml 顶层共 9 个核心字段,按重要性排序如下:
name | |||
version | |||
schema | v1 | ||
models | |||
rules | |||
prompts | /xxx) | ||
context | |||
autocompleteOptions | |||
mcpServers | |||
docs | |||
data |
四、核心模块深度详解
4.1 models:模型配置(最重要)
models 是整个配置的核心,所有大模型能力都在这里定义。每个模型通过 roles 字段声明其承担的任务角色,一套配置可以定义多个模型,分别负责不同工作。
4.1.1 roles 角色说明
一个模型可以同时分配多个角色,常用角色如下:
chat | |
edit | |
apply | |
autocomplete | |
embed | |
rerank | |
summarize |
4.1.2 通用模型参数
models:- name: Qwen2.5-Coder-7B # 显示名称,自定义provider: ollama # 模型适配器类型model: qwen2.5-coder:7b # 模型标识名apiBase: http://127.0.0.1:11434/v1 # API 地址apiKey: sk-xxxxxx # API 密钥,本地模型可填占位符roles: [chat, edit, apply] # 模型承担的角色defaultCompletionOptions: # 生成参数temperature: 0.6maxTokens: 4096topP: 0.9requestOptions: # HTTP 请求参数timeout: 60000headers:X-Custom-Header: value
4.1.3 常用 provider 适配器
Continue 支持数十种模型提供商,主流场景如下:
ollama | ||
openai | ||
anthropic | ||
gemini | ||
mistral | ||
azure |
4.2 rules:全局行为规则
rules 替代了旧版的 systemMessage,支持定义多条全局规则,所有对话都会附加生效。适合统一代码风格、输出规范、安全约束等。
rules:- name: 代码输出规范description: 全局代码输出约束rule: |1. 所有代码注释使用中文2. 优先输出简洁、可直接运行的完整代码3. 关键逻辑必须说明设计思路4. 不输出无关的客套话和冗余解释- name: 安全约束rule: |禁止生成包含硬编码密钥、密码的代码涉及删除文件、修改系统配置的操作必须给出警告
4.3 prompts:自定义斜杠命令
通过 prompts 可以定义自己的 /命令,在聊天框输入即可快速触发,支持 {{{ input }}} 占位符代表选中的代码或输入内容。
prompts:- name: reviewdescription: 代码审查prompt: |对以下代码进行严格审查,指出潜在bug、性能问题、可维护性问题,按严重程度排序:{{{ input }}}- name: testdescription: 生成单元测试prompt: |为以下代码编写完整的单元测试用例,覆盖正常、边界、异常场景:{{{ input }}}- name: commentdescription: 添加中文注释prompt: |为以下代码添加清晰的中文关键注释,不要修改原有逻辑:{{{ input }}}
使用方式:在 Continue 聊天框输入 /review 即可触发。
4.4 context:上下文提供程序
对应旧版的 contextProviders,控制 AI 能获取哪些额外信息,支持代码库、文档、终端输出等上下文源。
context:- provider: codebaseparams:nRetrieve: 20- provider: docsparams:startOnLoad: true- provider: terminalparams:maxLines: 100- provider: diffparams:includeUnstaged: true
4.5 autocompleteOptions:Tab 补全配置
全局控制代码自动补全的行为,也可以在单个模型下单独配置覆盖全局。
autocompleteOptions:debounceDelay: 300 # 输入防抖延迟(ms)maxPromptTokens: 1024 # 补全上下文最大token数onlyMyCode: true # 仅使用自有代码作为上下文disableInFiles: [] # 在指定文件类型禁用补全multilineCompletions: true # 允许多行补全prefixPercentage: 0.3 # 前缀占比
4.6 mcpServers:MCP 工具服务
支持 Model Context Protocol 工具,赋予 AI 执行命令、读取文件、调用外部系统等 Agent 能力。
mcpServers:- name: shellcommand: npxargs: ["@modelcontextprotocol/server-shell"]- name: filesystemcommand: npxargs: ["@modelcontextprotocol/server-filesystem", "./"]
五、完整实战配置模板
5.1 模板一:本地 Ollama 全功能配置
适合完全本地部署、无网络环境使用,聊天 + 补全 + 嵌入三模型分工。
name: Local-Ollama-Fullversion: 1.0.0schema: v1models:# 主对话模型:7B 量化版,负责聊天、编辑、应用- name: Qwen2.5-Coder-7Bprovider: ollamamodel: qwen2.5-coder:7b-q4_K_Mroles: [chat, edit, apply, summarize]defaultCompletionOptions:temperature: 0.6maxTokens: 4096# 补全模型:小参数量,低延迟- name: Autocomplete-1.5Bprovider: ollamamodel: qwen2.5-coder:1.5b-q4_K_Mroles: [autocomplete]autocompleteOptions:debounceDelay: 250maxPromptTokens: 768# 嵌入模型:用于代码库检索- name: BGE-M3provider: ollamamodel: bge-m3roles: [embed]rules:- name: 代码规范rule: |输出代码使用中文注释,优先简洁实现;给出的代码必须可直接运行,不输出冗余废话。prompts:- name: reviewdescription: 代码审查prompt: |审查以下代码,指出bug、性能问题和优化建议:{{{ input }}}autocompleteOptions:onlyMyCode: truemultilineCompletions: true
5.2 模板二:云端 OpenAI 兼容接口
适用于 DeepSeek、硅基流动、通义千问等兼容 OpenAI 协议的云端服务。
name: Cloud-API-Configversion: 1.0.0schema: v1models:- name: DeepSeek-R1provider: openaimodel: deepseek-reasonerapiBase: https://api.deepseek.com/v1apiKey: sk-xxxxxxxxxxxxroles: [chat, edit, apply]defaultCompletionOptions:temperature: 0.7maxTokens: 8192- name: Qwen2.5-Coder-32Bprovider: openaimodel: Qwen/Qwen2.5-Coder-32B-InstructapiBase: https://api.siliconflow.cn/v1apiKey: sk-xxxxxxxxxxxxroles: [autocomplete]
5.3 模板三:混合部署(推荐)
云端大模型负责高质量对话,本地小模型负责低延迟补全,兼顾效果与速度。
name: Hybrid-Configversion: 1.0.0schema: v1# 公共配置锚点,复用OpenAI兼容参数_api_common: &api_commonprovider: openaiapiKey: sk-xxxxxxxxxxxxmodels:# 云端主力模型:高质量对话与重构- name: GPT-4o-Mini<<: *api_commonmodel: gpt-4o-miniapiBase: https://api.openai.com/v1roles: [chat, edit, apply]# 本地补全模型:低延迟、不消耗token- name: Local-Autocompleteprovider: ollamamodel: qwen2.5-coder:1.5b-q4_K_Mroles: [autocomplete]# 本地嵌入:隐私数据不上云- name: Local-Embedprovider: ollamamodel: nomic-embed-textroles: [embed]
六、旧版 config.json 迁移指南
6.1 核心字段对照表
models | models | roles 字段 |
tabAutocompleteModel | models | autocomplete |
embeddingsProvider | models | embed |
reranker | models | rerank |
systemMessage | rules | |
temperaturemaxTokens | defaultCompletionOptions | |
slashCommands | prompts | |
contextProviders | context | nameprovider |
6.2 迁移步骤
在 .continue目录新建config.yaml,写入头部三字段将所有模型迁移到 models数组,补充roles角色将 systemMessage改写为rules条目将 slashCommands改写为prompts条目保存文件,Continue 会自动重载;验证模型下拉、补全功能正常 确认无误后可删除旧 config.json
七、排错与最佳实践
7.1 常见错误排查
配置不生效 / 模型不显示
检查缩进:必须 2 空格,禁用 Tab 检查冒号后是否有空格 查看 VSCode 右下角是否有 YAML 解析报错提示 确认模型配置了对应 roles,聊天模型必须包含chat多行提示词格式错乱
多行文本必须使用 |或>标记文本内容层级比键名多 2 空格 同时存在 yaml 和 json
YAML 优先级更高,JSON 不会生效;建议只保留一份配置
7.2 最佳实践建议
- 角色分离
:不要让一个模型承担所有角色,对话用高质量大模型,补全用低延迟小模型 - 量化优先
:本地部署优先选择 Q4_K_M 量化,性价比最高 - 配置版本化
:维护 version字段,修改配置时递增,便于回滚 - 使用锚点
:多模型共用参数时,用 YAML 锚点 &和别名*减少重复 - 规则精简
: rules不宜过多,3-5 条核心规则效果最佳,过多会稀释主指令 - 密钥安全
:不要将配置文件提交到 Git,敏感密钥建议使用环境变量
八、总结
config.yaml 作为 Continue 的新一代配置格式,在可读性、可维护性上相比 JSON 有显著提升。掌握本文的字段规则与配置思路,你可以灵活搭建从纯本地到混合云、从单人到团队的各类 AI 编码环境。
建议从本文的模板出发,根据自己的显卡显存、业务场景、使用习惯逐步调优模型参数与规则,最终打造最适合自己的编码助手。
夜雨聆风