新闻详情

新闻详情

首页 / 资讯中心 / 详情

Continue JetBrains 插件快速上手:从安装到跑通 Agent 第一个任务,只需 10 分钟

发布时间:2026/11/14 19:43:22来源:尧图网络
Continue JetBrains 插件快速上手:从安装到跑通 Agent 第一个任务,只需 10 分钟
Continue JetBrains 插件快速上手从安装到跑通 Agent 第一个任务只需 10 分钟【免费下载链接】continueopen-source coding agent项目地址: https://gitcode.com/GitHub_Trending/co/continueContinue 是一款开源 AI 编程助手覆盖代码补全、Chat、Edit、Agent 四种能力。本文带你走通 JetBrains 这条路径装好插件、接上本地模型、跑通三个日常场景。2 分钟装好插件并接上第一个模型在 JetBrains IDE 里按 CtrlAltS 打开设置Plugins 面板搜索 Continue点 Install重启 IDE。重启后 Continue 图标出现在右侧工具栏。图标没出现时先确认 IDE 版本达标——找右侧工具栏别在左侧找。装完要配模型。不想依赖云端 APIOllama 是最省事的路线。在配置文件中声明一段 5 行的本地模型models: - name: local provider: ollama model: MODEL_ID # apiBase: http://localhost:11434 # 远程实例才需要这行云端模型把 provider 换成对应服务商即可完整字段见 Ollama 配置文档。核心场景实战写出函数体Tab 一键接受补全补全质量取决于你给的上下文。函数名写清楚、加一条 TODO 注释或类型标注命中率会明显上升。写好函数签名按 Enter灰色建议出现后按 Tab 接受直接继续打字不理会它会自动按新输入重新生成。选中代码用 Chat 读懂陌生函数接手陌生代码别硬啃。选中一段函数按 CtrlJ选中内容直接进入一次新 Chat没选中则是新开会话VS Code 下对应 CtrlL。接着问这是什么算法怎么优化回答直接基于你选中的代码展开省去复制粘贴的来回。让 Agent 给整个文件补单测多步任务交给 Agent。输入框左下角切到 Agent 模式输入为这个文件的排序函数写 Jest 测试新建测试文件覆盖空数组和单元素等边界情况。Agent 会自己读代码、建文件、写测试并解释每一步。拿不准方案时先开 Plan 模式只读环境允许探索代码、产出方案但不做任何修改确认思路后再交给 Agent 执行。进阶技巧用 投喂上下文比泛泛提问有效得多Files 拉入指定文件、Terminal 拉入终端输出、Git Diff 拉入当前分支的全部改动。想把当前打开的文件附进请求发送时按住 Alt 再按 Enter。上下文不是越多越好。Files 只引用真正相关的文件设置里关掉用不到的上下文来源响应速度和聚焦程度通常比换更大的模型改善得更快。Next Edit预测你的下一次修改目前是实验功能官方文档标注尚未支持 JetBrains暂时以 VS Code 体验为主别在这上面等。排障与注意事项症状补全没有建议。原因九成是配置autocomplete 角色没配模型、Ollama 服务没在跑、模型没拉取。修复顺序——查配置里的模型列表ollama ps确认服务在跑再拉取对应模型细节见 补全深度指南。症状快捷键没反应。原因通常是别的命令占用了绑定。到 IDE 的键位映射里检查 CtrlJ、CtrlI 的归属JetBrains 下还能打开~/.continue/logs/core.log最新日志在文件末尾。Agent 的文件写入与命令执行权限是可配置的重要项目建议收紧可写范围。每次合并前都过一遍 diff这一步省不得。跑通上面三个场景Continue 就已经嵌进你的日常开发流了。更多细节看 安装与快速入门文档 和 故障排查文档。【免费下载链接】continueopen-source coding agent项目地址: https://gitcode.com/GitHub_Trending/co/continue创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉