VS Code和Cursor（AI优先的代码编辑器）都可以通过Continue.dev扩展（VS Code）或直接集成（Cursor）使用本地LLM进行代码补全和建议。截至2026年4月，本地代码补全对于7B-13B模型很实用，需要8-16 GB RAM。本指南涵盖设置、最佳模型和性能调整。

关键要点

VS Code使用Continue.dev扩展连接到本地模型（Ollama、LM Studio、vLLM）。
Cursor是一个VS Code分支，具有内置的本地模型支持。无需扩展。
最佳代码本地模型：Qwen3-Coder 7B、Llama Code 13B或Mistral Small。
使用7B模型在消费者GPU上预期2-5秒补全延迟。
截至2026年4月，本地代码补全对个人使用很实用，但对团队还不是生产级。

如何在VS Code中设置Continue.dev？

Continue.dev是VS Code扩展，用于本地和云代码补全。

json

# 1. 从VS Code市场安装Continue
# 搜索"Continue"并单击安装

# 2. 确保Ollama正在运行
ollama serve

# 3. 打开Continue设置（Ctrl+Shift+P → Continue：打开设置）
# config.json将打开

# 4. 为您的本地模型配置：
# 用以下内容替换默认设置：
{
  "models": [{
    "title": "Ollama",
    "provider": "ollama",
    "model": "qwen2.5-coder:7b",
    "apiBase": "http://localhost:11434"
  }],
  "tabAutocompleteModel": {
    "title": "Ollama",
    "provider": "ollama",
    "model": "qwen2.5-coder:7b"
  }
}

# 5. 开始键入代码并按Tab获得补全
# 或Ctrl+Shift+\ 手动触发补全

如何在Cursor中使用本地模型？

Cursor是针对AI辅助编程优化的VS Code分支。 它具有通过Ollama的本地模型的内置支持。

bash

# 1. 从cursor.sh下载Cursor
# 2. 确保Ollama正在运行
ollama serve

# 3. 打开Cursor设置（Cmd/Ctrl + ,）
# 4. 搜索"Model"并设置：
#    - Model Provider: "Ollama"
#    - Model: "qwen2.5-coder:7b" （或您的选择）
#    - API Base: "http://localhost:11434"

# 5. 键入代码并按Tab进行内联补全
# 6. Ctrl+K进行多行补全

哪些模型最适合代码？

⚠️ 显存规则：始终拥有比模型需求多2-3 GB的空闲显存。Q4时的7B模型（4.7 GB）在VS Code或Cursor中运行时需要总计8 GB显存。

模型	HumanEval	显存	速度	最佳用途
Qwen3-Coder 7B	72%	4.7 GB	快速	最佳平衡、最快
Llama Code 7B	69%	4.7 GB	快速	通用编码
Mistral Small	61%	4.5 GB	非常快	轻量、EU服务器
Llama Code 13B	74%	8.5 GB	中等	16GB机器质量更好
DeepSeek-Coder 6.7B	68%	4 GB	快速	轻量替代品

您应该期望什么样的延迟和显存？

补全延迟（到第一个token的时间）对IDE体验至关重要。 截至2026年4月，以下是典型数字：

⚠️ 延迟现实检查：本地补全比云慢2-10倍。将本地用于私人工作；将云（Copilot、Claude）用于时间敏感编码。

💡 性能调优：将`contextLength`从2048减少到1024个token以将延迟减半。权衡：建议的代码上下文行更少。

硬件	模型	延迟	吞吐量
RTX 4090 GPU	Qwen3-Coder 7B	0.3-0.5秒	150个token/秒
RTX 4070 GPU	Qwen3-Coder 7B	0.8-1.5秒	80个token/秒
M3 MacBook Pro	Qwen3-Coder 7B	2-3秒	20个token/秒
8核CPU仅	Qwen3-Coder 7B	5-10秒	3个token/秒

性能数据说明：使用Qwen3-Coder 7B Q4_K_M格式、批大小 = 1、新鲜系统（无后台任务）测量的延迟和吞吐量。您的实际性能取决于OS、显存可用性、量化格式和并发负载。

如何配置代码补全以获得最佳性能？

使用这些设置微调体验：

⚠️ 警告：在具有13B模型的8GB机器上，补全可能需要5-10秒，使IDE感觉无响应。对于流畅性能，使用7B模型。

💡 专业提示：将`debounceWaitMs`增加到400-500毫秒以减少闪烁并避免显示不完整建议。

json

# config.json高级设置
{
  "tabAutocompleteModel": {
    "contextLength": 2048,     # 发送多少代码上下文
    "maxTokens": 50            # 每次补全最大token
  },
  "completionOptions": {
    "maxContextTokens": 1024,
    "maxSuggestionsCount": 5,
    "debounceWaitMs": 200      # 显示前等待（毫秒）
  },
  # 对于更快的推理，使用较小的上下文：
  "models": [{
    "contextLength": 1024      # 较小的上下文 = 更快
  }]
}

# 8GB机器的最佳速度：
# - 使用7B模型（不是13B）
# - 将maxTokens设置为30
# - 将debounceWaitMs设置为500（较少闪烁）

设置本地代码补全时有哪些常见错误？

不调整去抖延迟：如果补全感觉"迟缓"，增加debounceWaitMs（例如400毫秒）以避免显示不完整建议。
使用对您的显存来说过大的模型：13B模型+编辑器开销可使用12+ GB。在8GB机器上，使用7B模型。
期望云级代码质量：GPT-5.5在代码方面比任何7B模型好得多。本地补全达到云质量的70-80%。
在CPU上运行推理：CPU补全不实用（5-10秒延迟）。显存对有用补全是必需的。

常见问题：本地代码补全

本地代码补全比云更快吗？

不。云补全（GitHub Copilot）由于优化的服务器而更快。本地补全具有更高延迟但零成本和零隐私风险。

我可以在其他IDE（PyCharm、Neovim）中使用本地补全吗？

可以，但设置有所不同。PyCharm有Ollama插件。对于Neovim，使用cmp-ollama（补全插件）。始终检查IDE社区以了解集成。

我可以在Continue或Cursor中使用云模型吗？

可以。配置Continue以使用OpenAI、Claude或Gemini。您也可以混合（本地快速，云复杂代码）。

本地代码补全在离线工作吗？

可以。如果您已在Ollama中提取模型，补全完全离线工作。

源代码

Continue.dev Team. (2026). "Continue Documentation." https://docs.continue.dev/ -- Official setup guide, config.json reference, and local model integration instructions.
Cursor. (2026). "Cursor Documentation." https://docs.cursor.com/ -- Local model configuration, Ollama integration, and inference setup guide.
Alibaba Qwen Team. (2025). "Qwen3-Coder Technical Report." arXiv:2409.12186. https://arxiv.org/abs/2409.12186 -- HumanEval and code generation benchmarks for Qwen3-Coder variants.
DeepSeek-AI. (2024). "DeepSeek-Coder Technical Paper." arXiv:2401.14196. https://arxiv.org/abs/2401.14196 -- Benchmark data and capability analysis for DeepSeek-Coder family.

VS Code和Cursor中的本地LLM：设置和最佳实践