Comment Configurer Continue : Un Guide Pratique pour les Équipes d'Entreprise

En bref

• Installez Continue dans VS Code (code --install-extension continue.continue) ou JetBrains (via la marketplace) Source : VS Code Marketplace Source : JetBrains Marketplace
• Configurez les modèles dans ~/.continue/config.json (OpenAI, Anthropic, Ollama ou LLMs locaux) Source : Configuration des Modèles
• Utilisez l'autocomplétion par tabulation, les commandes slash (/edit, /test) et les fournisseurs de contexte (@file, @codebase) Source : Liste des Commandes Source : Documentation du Contexte
• Personnalisez les workflows avec les agents (v0.9.0+) et le SSO d'entreprise (v0.9.5+) Source : Documentation des Agents Source : Guide Entreprise
• Le niveau gratuit inclut les LLMs locaux ; le niveau Pro (20 $/utilisateur/mois) débloque le chat cloud illimité Source : Page Tarifs

1. Installation

VS Code / Cursor

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

Résultat attendu : Une nouvelle icône de barre latérale (🔄) apparaît. Cliquez dessus pour ouvrir le panneau Continue.

Point d'attention :

• Si l'extension ne se charge pas, assurez-vous d'utiliser VS Code ≥1.80 Source : Guide Officiel.
• Redémarrez VS Code après l'installation.

JetBrains (IntelliJ, PyCharm, etc.)

1. Ouvrez Settings > Plugins.
2. Recherchez "Continue" et installez Source : JetBrains Marketplace.
3. Redémarrez l'IDE.

Point d'attention :

• Le plugin JetBrains peut se figer sur les grands projets. Désactivez le "Power Save Mode" dans File > Power Save Mode Source : Configuration JetBrains.

Neovim

Ajoutez à votre configuration lazy.nvim :

{
  "continuedev/continue.nvim",
  config = function()
    require("continue").setup({
      -- Optionnel : Configurer le modèle par défaut ici
      default_model = "ollama/codellama",
    })
  end,
}

Résultat attendu : Exécutez :Continue pour ouvrir l'interface de chat Source : Documentation Neovim.

2. Configuration des Modèles

Continue utilise un fichier config.json (situé à ~/.continue/config.json). Voici comment configurer les modèles courants :

OpenAI (GPT-4)

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

Où obtenir la clé API :

• Clés API OpenAI

Anthropic (Claude 3)

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

Point d'attention :

• Le niveau gratuit d'Anthropic a des limites strictes de débit (50 messages/mois) Source : Documentation Continue.

Ollama (LLMs locaux)

1. Installez Ollama :

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

   Copy
2. Configurez dans config.json :

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

   Copy

Résultat attendu :

$ ollama run codellama
>>> Bonjour
Bonjour ! Comment puis-je vous aider aujourd'hui ?

LM Studio (Modèles locaux)

1. Téléchargez LM Studio depuis lmstudio.ai.
2. Chargez un modèle (par exemple, mistral-7b-instruct).
3. Configurez dans config.json :

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

   Copy

3. Configuration de l'Autocomplétion par Tabulation

Activez l'autocomplétion dans config.json :

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

Comment l'utiliser :

• Commencez à taper du code (par exemple, def hello_world():).
• Appuyez sur Tab pour accepter les suggestions Source : Démonstration.

Point d'attention :

• L'autocomplétion peut ralentir sur les grands fichiers (>1K lignes). Réduisez maxPromptTokens à 1024 Source : Conseils de Performance.

4. Chat et Édition Inline

Chat de Base

1. Ouvrez la barre latérale Continue (🔄).
2. Posez une question :

   Expliquez comment fonctionne ce composant React.
   

   Copy
3. Sélectionnez du code et cliquez sur "Ask Continue" dans le menu contextuel Source : Documentation du Chat.

Édition Inline avec /edit

1. Sélectionnez du code et tapez /edit dans le chat.
2. Décrivez la modification :

   Refactorisez cette fonction pour utiliser async/await.
   

   Copy
3. Appuyez sur Entrée pour appliquer l'édition.

Exemple :

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

// Après (édition inline)
async function fetchData() {
  const res = await fetch("/api/data");
  return res.json();
}

5. Fournisseurs de Contexte

Les fournisseurs de contexte vous permettent de référencer des fichiers, de la documentation ou des bases de code entières dans le chat.

@file

Référencez un fichier spécifique :

@file src/utils/helpers.js Expliquez ce fichier.

@docs

Intégrez de la documentation (par exemple, un wiki interne) :

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

Utilisation :

@docs Comment gérons-nous l'authentification ?

@codebase

Indexez l'ensemble de la base de code (nécessite continue-index) :

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

Utilisation :

@codebase Où est défini le modèle utilisateur ?

Point d'attention :

• L'indexation @codebase peut prendre plusieurs minutes pour les grands projets (>50K fichiers). Utilisez .continueignore pour exclure des répertoires Source : Documentation du Contexte.

6. Commandes Slash Personnalisées

Définissez des commandes personnalisées dans config.json :

{
  "customCommands": [
    {
      "name": "generate-docs",
      "description": "Générer la JSDoc pour une fonction",
      "prompt": "Écrivez la JSDoc pour cette fonction :\n\n{{selectedCode}}",
      "slashCommand": "/docs"
    }
  ]
}

Utilisation :

1. Sélectionnez une fonction.
2. Tapez /docs dans le chat Source : Liste des Commandes.

Exemple de Sortie :

/**
 * Récupère des données depuis l'API.
 * @async
 * @returns {Promise<Object>} La réponse JSON de l'API.
 */
async function fetchData() { ... }

7. Approfondissement de config.json

Voici un exemple complet avec des fonctionnalités d'entreprise (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 (Local)",
      "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": "Écrire des tests unitaires pour cette fonction",
      "prompt": "Écrivez des tests Jest pour :\n\n{{selectedCode}}",
      "slashCommand": "/test"
    }
  ],
  "enterprise": {
    "ssoProvider": "okta",
    "ssoDomain": "your-company.okta.com",
    "auditLogs": true
  },
  "agents": [
    {
      "name": "refactor-agent",
      "description": "Refactoriser le code et mettre à jour toutes les références",
      "steps": [
        {
          "name": "identify-changes",
          "prompt": "Listez tous les fichiers qui nécessitent des mises à jour pour cette refactorisation :\n\n{{selectedCode}}"
        },
        {
          "name": "apply-changes",
          "prompt": "Mettez à jour les fichiers suivants :\n\n{{step1Output}}"
        }
      ]
    }
  ]
}

Champs Clés :

Comparaison avec les Alternatives