1. 为什么我要在 VS Code 里复刻一个 CursorCursor 好用是真的好用但每个月 20 美元的订阅费对长期写代码的人来说是一笔持续支出而且它的模型通道是固定的想换模型、想接本地 Ollama、想同时用 Deepseek 和 Claude都得看它脸色。我自己的需求其实很朴素在 VS Code 里保留原生的编辑体验同时拥有 Cursor 那种「选中代码直接问」「Tab 补全」「CtrlI 对话」的能力并且模型通道要能自己掌控。这就是 Continue 插件存在的意义。Continue 是 VS Code 上一款开源 AI 编程助手支持对话、补全、编辑三种模式配置全部写在本地文件里模型提供方可以自由切换。把它和 Deepseek 组合起来你就得到了一个「类 Cursor」的编辑器补全用 Deepseek对话用 Deepseek本地兜底用 Ollama全部走一套配置。但真正动手之后问题来了。Deepseek 一个 Key、Ollama 一个地址、以后可能还要加 Claude 或 GPT每个提供方一套 Key、一套 Base URL、一套模型名散落在config.json和config.toml里改一次要翻三个文件。更麻烦的是Continue 的配置格式在不同版本之间还改过网上抄来的配置经常报model not found或者401。所以这篇文章要解决的核心不是「怎么装 Continue」而是怎么用 TaoToken 把多模型 Key 收敛成一套统一通道再把它接进 VS Code 的 Continue 配置里。装插件、申请 Key 这些步骤我会给但重点放在可复制的settings.json和config.toml骨架以及补全和对话两个功能的验证动作上。你跟着做完应该能拿到一个能跑、能改、能扩展的本地 AI 编辑器。2. TaoToken 前置把分散的 Key 收成一条通道先说清楚 TaoToken 在这里扮演什么角色。它是一个统一的模型 API 网关官网在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。你不需要为 Deepseek、Claude、GPT 分别去各家注册、分别管理 Key而是用 TaoToken 的一个 Key通过统一的 Base URL 去调用不同模型。对 Continue 来说这意味着配置里只需要写一个apiBase和一个apiKey切换模型只改model字段。这比在每个 provider 下面单独填 Key 要干净得多尤其是你后面想加模型的时候。具体操作分三步。第一步打开 TaoToken 控制台 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 注册并登录。第二步进入 API Keys 页面 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 创建一个新的 Key复制保存好这个 Key 只显示一次。第三步确认你要用的模型名Deepseek 系列在 TaoToken 里的模型标识通常是deepseek-chat和deepseek-reasoner具体以文档为准文档地址在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。注意Key 不要写进会提交到 Git 的配置文件里。Continue 的配置默认在用户目录下不在项目仓库里这一点是安全的但如果你手动把配置复制到项目里记得加进.gitignore。拿到 Key 之后你可以先用一条 curl 命令验证通道是否通避免后面在 VS Code 里排查网络问题curl https://taotoken.net/api/v1/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer 你的_TaoToken_Key \ -d { model: deepseek-chat, messages: [{role: user, content: 回复 ok}] }如果返回里有choices字段和正常的content说明 Key 和通道都没问题。这一步过了再进 VS Code 配置能省掉一半的排障时间。3. 可复制配置settings.json 与 config.toml 骨架Continue 的配置分两部分。一部分是 VS Code 层面的settings.json用来控制插件行为另一部分是 Continue 自己的config.json新版或config.toml旧版用来定义模型。我先给 VS Code 的settings.json片段再给 Continue 的配置骨架。VS Code 的settings.json打开方式是CtrlShiftP输入Open User Settings (JSON)。加入下面这段作用是让 Continue 在保存时自动触发补全、并指定配置文件路径{ continue.enableTabAutocomplete: true, continue.autocompleteDelay: 300, continue.configPath: ~/.continue/config.json, editor.inlineSuggest.enabled: true, editor.quickSuggestions: { other: true, comments: false, strings: true } }editor.inlineSuggest.enabled必须为true否则 Continue 的灰色补全文字不会显示。continue.autocompleteDelay是补全延迟300 毫秒是我实测下来比较跟手的值太低会频繁请求太高会感觉卡。接下来是 Continue 的config.json骨架。新版 Continue 用 JSON旧版用 TOML两个我都给你按自己装的版本选。先看 JSON 版{ models: [ { title: Deepseek Chat, provider: openai, model: deepseek-chat, apiBase: https://taotoken.net/api/v1, apiKey: 你的_TaoToken_Key, contextLength: 64000 }, { title: Deepseek Reasoner, provider: openai, model: deepseek-reasoner, apiBase: https://taotoken.net/api/v1, apiKey: 你的_TaoToken_Key, contextLength: 64000 }, { title: Ollama 本地, provider: ollama, model: qwen2.5-coder:7b, apiBase: http://localhost:11434 } ], tabAutocompleteModel: { title: Deepseek Chat, provider: openai, model: deepseek-chat, apiBase: https://taotoken.net/api/v1, apiKey: 你的_TaoToken_Key }, embeddingsProvider: { provider: ollama, model: nomic-embed-text, apiBase: http://localhost:11434 } }这里的关键点是provider写openai。TaoToken 的接口兼容 OpenAI 格式所以 Continue 里用openaiprovider 加自定义apiBase就能通。tabAutocompleteModel单独指定补全用的模型我建议用deepseek-chat速度快、成本低。embeddingsProvider用 Ollama 本地的nomic-embed-text这样代码索引不消耗云端额度。如果你装的是旧版 Continue配置在~/.continue/config.toml等价写法如下[models] [[models.DeepseekChat]] title Deepseek Chat provider openai model deepseek-chat api_base https://taotoken.net/api/v1 api_key 你的_TaoToken_Key context_length 64000 [[models.OllamaLocal]] title Ollama 本地 provider ollama model qwen2.5-coder:7b api_base http://localhost:11434 [tabAutocompleteModel] title Deepseek Chat provider openai model deepseek-chat api_base https://taotoken.net/api/v1 api_key 你的_TaoToken_KeyTOML 里字段名是下划线风格api_base、api_keyJSON 里是驼峰apiBase、apiKey这是最容易抄错的地方。改完配置后Continue 面板右下角会有一个刷新按钮点一下重新加载不用重启 VS Code。4. 验证请求补全与对话两个动作配置写完不算完得验证两个核心功能真的通了。先验证对话再验证补全顺序不要反因为对话报错信息更明确。对话验证按CtrlI唤出 Continue 的对话面板或者点左侧 Continue 图标。在输入框里打「用 Python 写一个快速排序」回车。如果配置正确你会看到流式返回的代码。如果报401说明 Key 错了如果报model not found说明model字段和 TaoToken 里的模型标识不一致如果一直转圈检查apiBase是不是写成了https://taotoken.net/api而漏了/v1。补全验证新建一个.py文件输入下面这行然后换行停住def calculate_average(numbers):正常情况下300 毫秒后会出现灰色的补全建议按Tab接受。如果没出现先确认editor.inlineSuggest.enabled是true再看 Continue 面板里tabAutocompleteModel是否加载成功。我踩过的坑是contextLength设得太小补全请求被截断表现就是偶尔有、偶尔没有把它调到 64000 之后就稳定了。Ollama 本地模型的验证单独说。先确保 Ollama 服务在跑ollama serve ollama pull qwen2.5-coder:7b然后在 Continue 对话面板的模型下拉里选「Ollama 本地」再问一次快速排序。如果本地模型能返回说明http://localhost:11434这条通道是通的云端通道和本地通道就都验证完了。提示如果你想让 Continue 的对话默认走 Deepseek、补全走本地 Ollama把tabAutocompleteModel的 provider 改成ollama即可这样补全零延迟、零成本对话用云端保证质量。5. 本篇常见错排查配置类问题基本集中在四个报错上我按出现频率排一下。第一个是401 Unauthorized。九成是 Key 复制时带了空格或者把 Key 写进了项目里的配置文件而被覆盖。检查config.json里apiKey字段前后不要有空格确认用的是 TaoToken 控制台里创建的那个 Key。第二个是404 Not Found或model not found。这是apiBase和model的组合问题。apiBase必须是https://taotoken.net/api/v1少/v1会 404model必须是 TaoToken 文档里列出的标识比如deepseek-chat写成DeepSeek-Chat或deepseek都可能找不到。以文档为准文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。第三个是补全不显示。先看settings.json里editor.inlineSuggest.enabled再看continue.enableTabAutocomplete。两个都为true还不显示就把continue.autocompleteDelay临时调到 1000 毫秒排除是请求太慢导致的「看起来没反应」。如果调慢后能出现说明是网络延迟把补全模型换成 Ollama 本地即可。第四个是 Ollama 连接失败connection refused。这是 Ollama 服务没启动或者端口不是默认的 11434。先跑ollama serve再用curl http://localhost:11434/api/tags确认能返回模型列表。如果返回空列表说明模型没拉下来跑一次ollama pull。还有一个隐蔽问题Continue 新旧版本配置文件位置不同。新版读~/.continue/config.json旧版读~/.continue/config.toml。如果你两个文件都存在插件可能读错。确认你装的版本只保留一个配置文件另一个改名备份。6. 后续扩展与统一入口到这里你手上应该有一个能补全、能对话、云端走 Deepseek、本地走 Ollama 的 VS Code 了。它和 Cursor 的差距主要在「多文件编辑」和「代码库索引」的深度上但日常写代码、问问题、补全这几件事已经覆盖了。如果你后面想加 Claude 做长上下文对话或者加 GPT 做特定任务不需要再改apiBase只需要在config.json的models数组里加一项provider还是openaimodel换成对应标识apiKey和apiBase保持不变。这就是统一 Key 通道的价值模型可以换通道不用动。想长期把 AI 编码工作流固定下来的话可以了解一下 Coding Plan地址在 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 它更适合需要稳定调用、按周期使用的场景。如果你更想先在网页里直接对比不同模型的效果模型对话入口在 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite 可以先在那边试模型再决定往 VS Code 里配哪个。最后留一个实用技巧把~/.continue/config.json用 Git 管理起来但 Key 用环境变量占位。Continue 支持在配置里写apiKey: ${TAOTOKEN_KEY}然后在系统环境变量里设TAOTOKEN_KEY。这样配置可以同步到多台机器Key 不会泄露。改完记得重启 VS Code 让环境变量生效。