Anleitung zur Einrichtung von Continue: Ein praktischer Leitfaden

Zusammenfassung

• Installieren Sie Continue in VS Code oder JetBrains in 2 Minuten über den Marketplace
• Verbinden Sie sich mit OpenAI, Anthropic oder Ollama (lokal) in der config.json
• Nutzen Sie Tab-Autovervollständigung und Chat für Code-Generierung/-Bearbeitung
• Passen Sie mit Slash-Befehlen (z. B. /explain, /test) und Kontextanbietern (@file, @docs) an
• Für Unternehmen: Aktivieren Sie SSO, Audit-Logs und Self-Hosting für Compliance

1. Installation

VS Code

1. Öffnen Sie VS Code.
2. Drücken Sie Strg+Umschalt+X (Windows/Linux) oder Cmd+Umschalt+X (Mac), um die Erweiterungen zu öffnen.
3. Suchen Sie nach Continue und klicken Sie auf Installieren.
   • Erwartet: Symbol in der Seitenleiste erscheint (Raketen-Emoji).
4. Überprüfung:

   code --list-extensions | grep continue
   # Ausgabe: continue.continue
   

   Copy

JetBrains (IntelliJ, PyCharm, etc.)

1. Öffnen Sie Einstellungen (Strg+Alt+S / Cmd+,).
2. Navigieren Sie zu Plugins > Marketplace.
3. Suchen Sie nach Continue und klicken Sie auf Installieren.
4. Starten Sie die IDE neu.
   • Erwartet: Continue-Panel erscheint in der rechten Seitenleiste.

Achtung: Stellen Sie unter Windows sicher, dass WSL2 installiert ist, wenn Sie lokale Modelle verwenden:

wsl --install

2. Modelle konfigurieren

Bearbeiten Sie ~/.continue/config.json (wird beim ersten Start automatisch erstellt). Hier ist eine produktionsreife Vorlage:

{
  "models": [
    {
      "title": "OpenAI GPT-4 Turbo",
      "provider": "openai",
      "model": "gpt-4-turbo",
      "apiKey": "${OPENAI_API_KEY}"
    },
    {
      "title": "Anthropic Claude 3 Opus",
      "provider": "anthropic",
      "model": "claude-3-opus-20240229",
      "apiKey": "${ANTHROPIC_API_KEY}"
    },
    {
      "title": "Local Ollama (Llama3)",
      "provider": "ollama",
      "model": "llama3"
    }
  ],
  "tabAutocompleteModel": {
    "title": "Local Ollama (CodeLlama)",
      "provider": "ollama",
      "model": "codellama"
  }
}

Wichtige Felder:

• apiKey: Verwenden Sie ${ENV_VAR} aus Sicherheitsgründen (setzen Sie diese in .bashrc/~/.zshrc).
• tabAutocompleteModel: Separates Modell für schnellere Vervollständigungen.

Modelle überprüfen:

1. Öffnen Sie die Continue-Seitenleiste.
2. Klicken Sie auf das Modell-Dropdown-Menü (oben rechts).
   • Erwartet: Alle konfigurierten Modelle werden angezeigt.

Häufige Fehler:

• 401 Unauthorized: Überprüfen Sie die API-Schlüssel (echo $OPENAI_API_KEY).
• Ollama nicht gefunden: Installieren Sie Ollama zuerst:

  curl -fsSL https://ollama.com/install.sh | sh
  ollama pull llama3
  

  Copy

3. Tab-Autovervollständigung einrichten

Aktivieren Sie diese in der config.json:

{
  "tabAutocompleteEnabled": true,
  "tabAutocompleteModel": {
    "title": "Ollama CodeLlama",
    "provider": "ollama",
    "model": "codellama"
  }
}

Testen Sie es:

1. Öffnen Sie eine Python-Datei.
2. Geben Sie def hello_world( ein und drücken Sie Tab.
   • Erwartet: Continue schlägt einen Funktionskörper vor.

Professioneller Tipp: Verwenden Sie kleinere Modelle (z. B. starcoder:1b) für schnellere Vervollständigungen.

4. Chat und Inline-Bearbeitung

Chat-Schnittstelle

1. Öffnen Sie die Continue-Seitenleiste (Strg+Umschalt+L / Cmd+Umschalt+L).
2. Geben Sie eine Aufforderung ein (z. B. "Erklären Sie diese React-Komponente").
   • Erwartet: Streaming-Antwort mit Code-Snippets.

Inline-Bearbeitung:

1. Markieren Sie Code.
2. Drücken Sie Cmd+I (Mac) / Strg+I (Windows/Linux).
3. Geben Sie eine Anweisung ein (z. B. "Fehlerbehandlung hinzufügen").
   • Erwartet: Code wird direkt aktualisiert.

AI-Sicherheitsrahmenwerk (DETECT-Phase):

• Aktivieren Sie Audit-Logs in der config.json, um LLM-Interaktionen zu verfolgen:

  {
    "auditLogEnabled": true,
    "auditLogPath": "/var/log/continue/audit.log"
  }
  

  Copy
  • Protokolle enthalten: Zeitstempel, Benutzer-IDs und Modell-Eingaben/Ausgaben.

5. Kontextanbieter

Verwenden Sie @-Symbole, um im Chat auf Kontext zu verweisen:

Beispiel:

@file src/api.ts
Refaktorieren Sie dies, um async/await anstelle von Callbacks zu verwenden.

Achtung: @codebase erfordert Pro/Enterprise für große Projekte.

6. Benutzerdefinierte Slash-Befehle

Definieren Sie wiederverwendbare Befehle in der config.json:

{
  "customCommands": [
    {
      "name": "explain",
      "prompt": "Erklären Sie den folgenden Code in einfachen Worten:\n{{code}}",
      "description": "Ausgewählten Code erklären"
    },
    {
      "name": "test",
      "prompt": "Schreiben Sie Unit-Tests für:\n{{code}}\n\nVerwenden Sie Jest für JavaScript oder pytest für Python.",
      "description": "Tests generieren"
    }
  ]
}

Verwendung:

1. Markieren Sie Code.
2. Geben Sie /explain im Chat ein.
   • Erwartet: Erklärung in einfacher Sprache.

AI-Sicherheitsrahmenwerk (PROTECT-Phase):

• Beschränken Sie Befehle über rollenbasierte Zugriffskontrolle (Enterprise):

  {
    "enterprise": {
      "allowedCommands": ["explain", "test"],
      "blockedCommands": ["delete", "exec"]
    }
  }
  

  Copy

7. config.json im Detail

Vollständiges Enterprise-Beispiel

{
  "models": [
    {
      "title": "Azure OpenAI GPT-4",
      "provider": "openai",
      "model": "gpt-4",
      "apiBase": "https://your-azure-endpoint.openai.azure.com",
      "apiKey": "${AZURE_OPENAI_KEY}",
      "apiVersion": "2024-02-15-preview"
    }
  ],
  "tabAutocompleteEnabled": true,
  "tabAutocompleteModel": {
    "title": "Ollama DeepSeek Coder",
    "provider": "ollama",
    "model": "deepseek-coder:6.7b"
  },
  "customCommands": [
    {
      "name": "audit",
      "prompt": "Prüfen Sie diesen Code auf Sicherheitslücken:\n{{code}}\n\nFolgen Sie den OWASP Top 10 Richtlinien.",
      "description": "Sicherheitsaudit"
    }
  ],
  "enterprise": {
    "ssoProvider": "okta",
    "auditLogEnabled": true,
    "allowedModels": ["gpt-4", "claude-3-opus"]
  },
  "contextProviders": [
    {
      "name": "docs",
      "params": {
        "maxTokens": 4096
      }
    }
  ]
}

Wichtige Enterprise-Funktionen:

• SSO-Integration: Okta/SAML für die Authentifizierung.
• Modell-Whitelisting: Beschränkung auf genehmigte Modelle.
• Audit-Logs: Compliance-fähige Protokollierung (AI-Sicherheitsrahmenwerk COMPLY-Phase).

Vergleich von Alternativen

Nächste Schritte

1. Modelle benchmarken: Vergleichen Sie gpt-4 mit claude-3-opus für Ihren Anwendungsfall.

   time continue --model gpt-4 --prompt "Schreiben Sie eine Python Flask-API"
   time continue --model claude-3-opus --prompt "Schreiben Sie eine Python Flask-API"
   

   Copy
2. CI/CD einrichten: Fügen Sie config.json zu Ihrem Repository hinzu und validieren Sie sie in CI:

   npm install -g @continue/cli
   continue validate-config
   

   Copy
3. Self-Hosting erkunden: Stellen Sie Continue On-Premise für Air-Gapped-Umgebungen bereit:

   docker run -p 3000:3000 -v ~/.continue:/root/.continue continuedev/continue
   

   Copy

Benötigen Sie Unterstützung bei der Skalierung von Continue? Hyperion Consulting bietet Beratung zu KI-Tools an, um Ihre Einrichtung für Sicherheit, Kosten und Leistung zu optimieren. Besuchen Sie hyperion-consulting.io, um mehr zu erfahren.