Einrichtung von Continue: Ein praktischer Leitfaden für Enterprise-Teams

Zusammenfassung

• Installieren Sie Continue in VS Code (code --install-extension continue.continue) oder JetBrains (über den Marketplace) Quelle: VS Code Marketplace Quelle: JetBrains Marketplace
• Konfigurieren Sie Modelle in ~/.continue/config.json (OpenAI, Anthropic, Ollama oder lokale LLMs) Quelle: Modell-Einrichtung
• Nutzen Sie Tab-Autovervollständigung, Slash-Befehle (/edit, /test) und Kontextanbieter (@file, @codebase) Quelle: Befehlsliste Quelle: Kontext-Dokumentation
• Passen Sie Workflows mit Agents (ab v0.9.0+) und Enterprise-SSO (ab v0.9.5+) an Quelle: Agents-Dokumentation Quelle: Enterprise-Leitfaden
• Die kostenlose Version umfasst lokale LLMs; Pro ($20/Nutzer/Monat) schaltet unbegrenzten Cloud-Chat frei Quelle: Preisseite

1. Installation

VS Code / Cursor

# Installation über CLI
code --install-extension continue.continue

Erwartete Ausgabe: Ein neues Seitenleisten-Symbol (🔄) erscheint. Klicken Sie darauf, um das Continue-Panel zu öffnen.

Hinweis:

• Falls die Erweiterung nicht lädt, stellen Sie sicher, dass Sie VS Code ≥1.80 verwenden Quelle: Offizieller Leitfaden.
• Starten Sie VS Code nach der Installation neu.

JetBrains (IntelliJ, PyCharm, etc.)

1. Öffnen Sie Settings > Plugins.
2. Suchen Sie nach "Continue" und installieren Sie die Erweiterung Quelle: JetBrains Marketplace.
3. Starten Sie die IDE neu.

Hinweis:

• Das JetBrains-Plugin kann bei großen Projekten einfrieren. Deaktivieren Sie den "Power Save Mode" unter File > Power Save Mode Quelle: JetBrains-Einrichtung.

Neovim

Fügen Sie dies zu Ihrer lazy.nvim-Konfiguration hinzu:

{
  "continuedev/continue.nvim",
  config = function()
    require("continue").setup({
      -- Optional: Standardmodell hier konfigurieren
      default_model = "ollama/codellama",
    })
  end,
}

Erwartete Ausgabe: Führen Sie :Continue aus, um die Chat-Oberfläche zu öffnen Quelle: Neovim-Dokumentation.

2. Modellkonfiguration

Continue verwendet eine config.json-Datei (unter ~/.continue/config.json). So richten Sie gängige Modelle ein:

OpenAI (GPT-4)

{
  "models": [
    {
      "title": "GPT-4",
      "provider": "openai",
      "model": "gpt-4-turbo",
      "apiKey": "IHR_API_SCHLÜSSEL"
    }
  ]
}

Wo Sie den API-Schlüssel erhalten:

• OpenAI API Keys

Anthropic (Claude 3)

{
  "models": [
    {
      "title": "Claude 3",
      "provider": "anthropic",
      "model": "claude-3-opus-20240229",
      "apiKey": "IHR_API_SCHLÜSSEL"
    }
  ]
}

Hinweis:

• Anthropics kostenlose Version hat strenge Ratenlimits (50 Nachrichten/Monat) Quelle: Continue-Dokumentation.

Ollama (Lokale LLMs)

1. Installieren Sie Ollama:

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

   Copy
2. Konfigurieren Sie in config.json:

   {
     "models": [
       {
         "title": "CodeLlama",
         "provider": "ollama",
         "model": "codellama"
       }
     ]
   }
   

   Copy

Erwartete Ausgabe:

$ ollama run codellama
>>> Hello
Hello! Wie kann ich Ihnen heute helfen?

LM Studio (Lokale Modelle)

1. Laden Sie LM Studio von lmstudio.ai herunter.
2. Laden Sie ein Modell (z. B. mistral-7b-instruct).
3. Konfigurieren Sie in config.json:

   {
     "models": [
       {
         "title": "Mistral",
         "provider": "lmstudio",
         "model": "mistral-7b-instruct",
         "apiBase": "http://localhost:1234/v1"
       }
     ]
   }
   

   Copy

3. Einrichtung der Tab-Autovervollständigung

Aktivieren Sie die Autovervollständigung in config.json:

{
  "tabAutocompleteModel": {
    "title": "Tab Autocomplete",
    "provider": "ollama",
    "model": "starcoder2:3b"
  },
  "tabAutocompleteOptions": {
    "maxPromptTokens": 2048,
    "debounceDelay": 500
  }
}

Anwendung:

• Beginnen Sie, Code zu schreiben (z. B. def hello_world():).
• Drücken Sie Tab, um Vorschläge zu übernehmen Quelle: Demo.

Hinweis:

• Die Autovervollständigung kann bei großen Dateien (>1K Zeilen) verzögert reagieren. Reduzieren Sie maxPromptTokens auf 1024 Quelle: Leistungstipps.

4. Chat und Inline-Bearbeitung

Grundlegender Chat

1. Öffnen Sie die Continue-Seitenleiste (🔄).
2. Stellen Sie eine Frage:

   Erklären Sie, wie diese React-Komponente funktioniert.
   

   Copy
3. Markieren Sie Code und klicken Sie auf "Ask Continue" im Kontextmenü Quelle: Chat-Dokumentation.

Inline-Bearbeitung mit /edit

1. Markieren Sie Code und geben Sie /edit in den Chat ein.
2. Beschreiben Sie die Änderung:

   Refaktorieren Sie diese Funktion, um async/await zu verwenden.
   

   Copy
3. Drücken Sie Enter, um die Bearbeitung anzuwenden.

Beispiel:

// Vorher
function fetchData() {
  return fetch("/api/data").then(res => res.json());
}

// Nachher (Inline-Bearbeitung)
async function fetchData() {
  const res = await fetch("/api/data");
  return res.json();
}

5. Kontextanbieter

Kontextanbieter ermöglichen es Ihnen, Dateien, Dokumentationen oder ganze Codebasen im Chat zu referenzieren.

@file

Referenzieren Sie eine bestimmte Datei:

@file src/utils/helpers.js Erklären Sie diese Datei.

@docs

Binden Sie Dokumentationen ein (z. B. internes Wiki):

{
  "contextProviders": [
    {
      "name": "docs",
      "params": {
        "url": "https://your-company.github.io/docs"
      }
    }
  ]
}

Anwendung:

@docs Wie handhaben wir die Authentifizierung?

@codebase

Indizieren Sie die gesamte Codebasis (erfordert continue-index):

npm install -g @continuedev/continue-index
continue-index --path ./my-project

Anwendung:

@codebase Wo ist das User-Modell definiert?

Hinweis:

• Die Indizierung mit @codebase kann bei großen Projekten (>50K Dateien) Minuten dauern. Nutzen Sie .continueignore, um Verzeichnisse auszuschließen Quelle: Kontext-Dokumentation.

6. Benutzerdefinierte Slash-Befehle

Definieren Sie benutzerdefinierte Befehle in config.json:

{
  "customCommands": [
    {
      "name": "generate-docs",
      "description": "Generieren Sie JSDoc für eine Funktion",
      "prompt": "Schreiben Sie JSDoc für diese Funktion:\n\n{{selectedCode}}",
      "slashCommand": "/docs"
    }
  ]
}

Anwendung:

1. Markieren Sie eine Funktion.
2. Geben Sie /docs in den Chat ein Quelle: Befehlsliste.

Beispielausgabe:

/**
 * Ruft Daten von der API ab.
 * @async
 * @returns {Promise<Object>} Die JSON-Antwort von der API.
 */
async function fetchData() { ... }

7. config.json im Detail

Hier ist ein vollständiges Beispiel mit Enterprise-Funktionen (SSO, Agents):

{
  "models": [
    {
      "title": "GPT-4 (Enterprise)",
      "provider": "openai",
      "model": "gpt-4-turbo",
      "apiKey": "${OPENAI_API_KEY}",
      "apiBase": "https://api.openai.com/v1"
    },
    {
      "title": "Ollama (Lokal)",
      "provider": "ollama",
      "model": "codellama"
    }
  ],
  "tabAutocompleteModel": {
    "title": "Starcoder2",
    "provider": "ollama",
    "model": "starcoder2:3b"
  },
  "contextProviders": [
    {
      "name": "docs",
      "params": {
        "url": "https://your-company.github.io/docs"
      }
    }
  ],
  "customCommands": [
    {
      "name": "generate-tests",
      "description": "Schreiben Sie Unit-Tests für diese Funktion",
      "prompt": "Schreiben Sie Jest-Tests für:\n\n{{selectedCode}}",
      "slashCommand": "/test"
    }
  ],
  "enterprise": {
    "ssoProvider": "okta",
    "ssoDomain": "your-company.okta.com",
    "auditLogs": true
  },
  "agents": [
    {
      "name": "refactor-agent",
      "description": "Refaktorieren Sie Code und aktualisieren Sie alle Referenzen",
      "steps": [
        {
          "name": "identify-changes",
          "prompt": "Listen Sie alle Dateien auf, die für diese Refaktorierung aktualisiert werden müssen:\n\n{{selectedCode}}"
        },
        {
          "name": "apply-changes",
          "prompt": "Aktualisieren Sie die folgenden Dateien:\n\n{{step1Output}}"
        }
      ]
    }
  ]
}

Wichtige Felder:

Vergleich mit Alternativen