原贴链接

我使用continue.dev和本地模型已经有几天了。它反应非常快，但代码的自动补全功能很糟糕。毫无用处。完全是垃圾。负价值。我遵循了所有官方文档的建议。你使用它有好运吗？你能发布你的配置吗？

讨论总结

原帖对continue.dev使用体验不佳，尤其是代码自动补全功能。评论者们围绕continue.dev展开讨论，部分人分享了使用中的负面体验，如自动补全功能差、即使调整配置仍存在问题、有许多小问题难以解决等，但也有使用者分享了独特的硬件配置和模型配置，还有人提出一些解决自动补全功能退化的办法，以及把continue.dev当作聊天工具的不同使用体验等。

主要观点

  1. 👍 continue.dev自动补全功能差
    • 支持理由：多位使用者反映速度或建议质量方面存在问题，如代码补全生成已有代码等。
    • 反对声音：无。
  2. 🔥 continue.dev存在很多小问题
    • 正方观点：有评论者因众多小问题放弃使用。
    • 反方观点：有评论者认为其存在有合理性。
  3. 💡 可以将continue.dev当作聊天工具使用
    • 解释：有使用者表示其作为聊天工具具有灵活性和可扩展性。
  4. 🤔 自动补全功能会随时间退化且不特定于某些模型
    • 解释：有评论者分享此现象并给出如清除旧索引等解决办法。
  5. 😕 continue.dev不是真正的生产力工具
    • 解释：有评论者分析其代码补全原理，认为总体效率低。

金句与有趣评论

  1. “😂 我放弃它是因为有太多从未消失的小问题。”
    • 亮点：简洁表达对continue.dev的不满。
  2. “🤔 但作为聊天工具它很棒，因为其灵活性和可扩展性。”
    • 亮点：提出与多数人不同的使用体验。
  3. “👀 我的配置可能是独一无二的，因为我有混合的硬件。”
    • 亮点：分享独特的硬件混合配置情况。
  4. “😕 Code completion sends a prompt template, and the completion is the first code block in the reply.”
    • 亮点：揭示代码补全功能原理。
  5. “💡 You can try deleting C:/Users/x/.continue/index folder to clear old index.”
    • 亮点：给出解决自动补全功能退化的具体办法。

情感分析

总体情感倾向偏负面，主要分歧点在于continue.dev是否有存在的价值。负面情感的原因是多数评论者在使用中遇到了如自动补全功能差、存在小问题等情况，而部分认为其有存在价值的人可能是看到了它在其他方面如聊天功能的潜力或者从整体生态角度考虑。

趋势与预测

  • 新兴话题：Ollama运行DeepSeek v3后可能会对continue.dev等工具的使用产生影响，以及寻找更多适用于本地模型的开源AI编辑器选项。
  • 潜在影响：如果更多人发现类似continue.dev的工具存在较多问题，可能会促使开发者改进产品或者促使更多人寻找替代产品，影响相关代码辅助工具的发展方向。

详细内容：

标题：关于 continue.dev 的热门讨论

在 Reddit 上，一则关于“Any joy with continue.dev?”的帖子引起了广泛关注。原帖作者表示自己使用 continue.dev 搭配本地模型已有数日，虽运行迅速，但代码自动补全功能差强人意，甚至给出了“无用、糟糕、负价值”这样的负面评价，并遵循了所有官方文档的建议。此帖获得了众多的点赞和大量的评论。

讨论的焦点主要集中在 continue.dev 的使用体验、配置方式以及与其他类似工具的比较上。有人表示在没有网络且 copilot 无法工作时，使用 continue.dev 进行本地 qwen 7b coder 的自动补全，效果尚可，速度能满足需求，只是使用场景有限，仅用于完成日志行等简单任务。但也有人认为其代码建议的质量太差，尤其是对于 Python 而言，差异之大让其几乎无用，并尝试通过调整配置来改善。

有用户分享了自己的配置： “tabAutocompleteModel”：{ “title”: “Tab Autocomplete Model”, “provider”: “ollama”, “model”: “qwen2.5-coder:3b”, “apiBase”: “http://127.0.0.1:11434/” }

还有用户提到使用了 DeepSeek 的配置，并建议尝试通过调整温度和最大生成令牌数来控制生成的令牌数量。

不少人分享了自己的经历和案例。有人使用设置嵌入模型后效果有所改善，但仍经常无用；有人发现 llama.cpp 比 ollama 效果好，tabbyml 更好但已停止工作；有人因为各种小问题放弃使用 continue.dev 而选择 Cursor 编辑器；也有人虽然使用较多，但不是作为自动补全工具，而是作为聊天工具，因其灵活性和可扩展性而觉得不错。

特别有见地的观点如，代码自动补全效果完全取决于所使用的模型，且即便模型给出正确答案，若表述方式不当也可能影响补全效果。

总体而言，对于 continue.dev 的评价褒贬不一，大家在不断尝试和分享各种配置及使用经验，以寻求更好的解决方案。但目前看来，continue.dev 要成为真正实用的生产力工具，还有很长的路要走。