畅玩本地编程大模型：解锁 VSCode 与 NeoVim 高效编程新姿势

江米小枣

发布于 2025-02-04 15:35:37

19000

代码可运行

文章被收录于专栏：云前端云前端

运行总次数：0

代码可运行

在当今的编程领域，AI 辅助编程已然成为一股不可忽视的潮流；无论是 Cursor 还是 VSCode 中的国内外各种厂商的编程助手插件，都为开发者们带来了极大的便利。

然而，远端服务和收费服务存在诸多限制，比如网络不稳定可能导致服务中断，高额的费用也让一些开发者望而却步。与此同时，qwen、deepseek 等本地编程模型也日臻成熟，其具备数据隐私性高、不受网络限制等优点，逐渐成为开发者更理想的一种选择。

接下来就让我们以 Windows 环境为例，一同探索如何在 VSCode 甚至 NeoVim 中调用本地编程大模型，开启高效编程之旅。

在正式开始之前，先来认识一下本次探索之旅中的“小伙伴”们：

ollama：一款强大的工具，它为本地模型的部署提供了极大的便利，让模型的下载、运行和管理变得轻松简单
qwen2.5-coder：千问编程大模型，它将为我们的编程工作提供智能辅助
Continue：VSCode中的一款插件，通过它可以轻松地将各种远端/本地模型集成到VSCode开发环境中
ollama.nvim：专门为 Neovim 设计的 ollama 插件

配置本地模型

首先从官网下载并安装 ollama

安装过程十分简单，完成后 ollama 会在命令行中提示安装成功，此时输入 ollama run qwen2.5-coder 命令，ollama 会开始下载 qwen2.5-coder 模型，并在下载成功后运行命令行对话服务，此时你已经可以实时和本地模型对话了。

当然，如果不需要对话，直接运行 ollama pull qwen2.5-coder 也是可以的。

结束 run 命令启动的对话，可能还需要在任务管理器中杀掉 ollama 进程后，启动 API 服务：

ollama serve

接下来，用 curl 测试 API 调用。需要注意的是，model 名字要和 ollama ls 命令列出的结果一致：

curl http://localhost:11434/api/chat -d '{
  "model": "qwen2.5-coder",
  "messages": [
    {
      "role": "user",
      "content": "why is the sky blue?"
    }
  ]
}'

有了 ollama 的帮助，本地模型的部署变得非常简单，下面就把模型的能力和开发工具集成在一起。

VSCode + Continue

VSCode 的配置非常简单，首先安装 Continue 插件，成功后在左侧新出现的 Continue 页签中，找到配置文件并添加如下部分：

~.continue\config.json

"models": [
    {
      "model": "qwen2.5-coder:latest",
      "provider": "ollama",
      "apiKey": "foobar",
      "title": "local Qwen2.5-coder"
    },
    ...
]

这样就配置成功了，可以直接chat提问：

或是选中代码后针对性操作等：

Neovim + ollama.nvim

相比于 VSCode 人手一支的普及率，Vim 的使用相对小众些，但其一来是谁用谁知道的方便，二来在某些环境和场景下还是不可或缺的。

同时 Vim 的发展其实也并未停滞，Vim8 带来诸多新特性，LunarVim、SpaceVim以丰富插件与配置拓展功能，Neovim在架构等方面优化革新，这些让Vim跟上时代步伐。而对LSP的支持，为Vim注入智能代码补全、诊断等现代开发功能，使其在功能上不逊色于VSCode等编辑器。

以使用率较高的 Neovim 为例，类似的 ollama 插件也不少，但这里唯一实验成功的只有 ollama.nvim。

在 init.vim 文件中，添加如下内容：

call plug#begin("~/.vim/plugged")
  if !has("win64")
    let g:plug_url_format = 'git@github.com:%s.git'
  endif

  ...
  
  Plug 'nomnivore/ollama.nvim'
call plug#end()

...

lua require("ollama-config")

在 lua/ollama-config.lua 文件中，进行如下配置：

local ollama_defaults = {
  model = "qwen2.5-coder:latest",
  url = "http://127.0.0.1:11434",
  serve = {
    on_start = false,
    command = "ollama",
    args = { "serve" },
    stop_command = "pkill",
    stop_args = { "-SIGTERM", "ollama" },
  },
}

require('ollama').setup(ollama_defaults)

如此一来就配置好了，输入 :Ollama 后，根据提示就可以和本地模型进行各种交互了：