领先的开源 AI 代码助手——Continue自定义配置使用 Opneai GPT模型或 Claude 3.5 模型进行 AI 开发

本教程将指导您如何在 Visual Studio Code (VSCode) 中安装和自定义配置 Continue 插件，并使用 Claude 3.5 模型进行 AI 开发。

不特的特恩

2121人浏览 · 2025-02-23 18:56:49

不特的特恩 · 2025-02-23 18:56:49 发布

简介

本教程将指导您如何在 Visual Studio Code (VSCode) 中安装和自定义配置 Continue 插件，并使用 Claude 3.5 模型进行 AI 开发。通过本教程，您将能够高效地利用 AI 助手提升开发效率。（本方法访问所有大模型均无需梯子）

重点注意事项

重点：无论是用 Openai GPT系列模型还是 Claude系列模型或其他任何模型，均只需修改Continue的config.json配置文件即可！！

API KEY： 在大模型API平台 CURSOR API 令牌页面新建获得。例：sk-1Qpxob9KYXq6b6oCypgyxjFwuiA817KfPAHo8XET7HjWQqU

Base URL： https://api.cursorai.art/v1/

主流模型全称：claude-3-5-sonnet-20241022、claude-3-5-sonnet-20240620、gpt-4o、gpt-4o-mini

所需工具与前提条件

安装了最新版本的 Visual Studio Code
网络连接，用于下载插件（访问所有大模型均无需梯子）
拥有 Claude 3.5 模型的 API 密钥
基本的编程知识，建议熟悉 JavaScript 或 Python

详细步骤指南

1. 安装 Continue 插件

打开 VSCode，进入扩展市场（快捷键 Ctrl+Shift+X），搜索 “Continue”，然后点击安装。

2. 配置 Claude 3.5 模型

在 VSCode 中，按 Ctrl+Shift+P 打开命令面板，输入 “Continue : Open configution file”，然后"models"中增加模型配置。例如：

    {
      "apiKey": "你的apikey",
      "apiBase": "https://api.cursorai.art/v1",
      "model": "cursor-3-5-sonnet-20241022",
      "title": "Claude-3-5-sonnet-20241022",
      "systemMessage": "You are an expert software developer. You give helpful and concise responses.",
      "provider": "openai"
    }

*注意模型配置之间要用英文逗号相隔，最后一个模型不需要逗号！！！

2. 自定义插件设置

根据您的开发需求，调整 Continue 插件的User setting，例如使用谷歌来搜索文档等。

4. 使用 Continue 进行 AI 开发

在代码编辑器中，选择刚刚配置的模型，输入@，可以让Continue读取任意文件，插件将使用 Claude 3.5 模型生成代码优化建议。

5. 配置自动补全模型（选配）

在模型配置文件中，修改"tabAutocompleteModel"部分的代码为：

  "tabAutocompleteModel":     {
    "apiKey": "你的apikey",
    "apiBase": "https://api.cursorai.art/v1",
    "model": "gpt-4o-mini",
    "title": "gpt-4o-mini",
    "provider": "openai"
  }

示例与演示

代码优化示例

import requests
from bs4 import BeautifulSoup
import csv
from time import sleep

def crawl_website(url, output_file):
    # 设置请求头,模拟浏览器访问
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
    }
    
    try:
        # 发送GET请求获取页面内容
        response = requests.get(url, headers=headers)
        response.raise_for_status()  # 检查请求是否成功
        
        # 使用BeautifulSoup解析HTML
        soup = BeautifulSoup(response.text, 'html.parser')
        
        # 提取数据 (这里以提取所有标题为例)
        titles = soup.find_all('h2')  # 根据实际网页结构调整选择器
        
        # 保存数据到CSV文件
        with open(output_file, 'w', newline='', encoding='utf-8') as f:
            writer = csv.writer(f)
            writer.writerow(['Title'])  # 写入表头
            
            for title in titles:
                writer.writerow([title.text.strip()])
                
        print(f"数据已保存到 {output_file}")
        
    except requests.RequestException as e:
        print(f"爬取过程中出现错误: {e}")
    
    # 添加延迟，避免频繁请求
    sleep(2)

# 使用示例
if __name__ == "__main__":
    target_url = "https://example.com"  # 替换为你要爬取的网站
    output_file = "crawled_data.csv"
    crawl_website(target_url, output_file)

使用 Continue 生成的优化建议：（prompt：修改为分页爬取豆瓣250）

import requests
from bs4 import BeautifulSoup
import csv
from time import sleep
import random

def crawl_douban_top250(output_file, items_per_page=25):
    base_url = "https://movie.douban.com/top250"
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36',
        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
        'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8',
    }

    total_pages = 10
    movies_data = []

    try:
        for page in range(total_pages):
            start_index = page * items_per_page
            url = f"{base_url}?start={start_index}"

            print(f"正在爬取第{page + 1}页...")
            response = requests.get(url, headers=headers)
            response.raise_for_status()

            soup = BeautifulSoup(response.text, 'html.parser')
            movie_items = soup.find_all('div', class_='item')

            if not movie_items:
                print(f"警告：第{page + 1}页没有找到电影数据")
                continue

            for item in movie_items:
                try:
                    rank = item.find('em').text
                    title = item.find('span', class_='title').text
                    info = item.find('div', class_='bd').find('p').text.strip()

                    info_lines = [line.strip() for line in info.split('\n') if line.strip()]
                    year = info_lines[1].split('/')[0].strip()
                    director = info_lines[0].split('导演: ')[1].split('主演:')[0].strip()

                    rating = item.find('span', class_='rating_num').text
                    votes = item.find('div', class_='star').find_all('span')[-1].text
                    votes = ''.join(filter(str.isdigit, votes))

                    movies_data.append([rank, title, year, director, rating, votes])
                    print(f"已爬取：{title}")
                except Exception as e:
                    print(f"处理电影数据时出现错误: {e}")
                    continue

        delay = random.uniform(3, 7)
        print(f"等待 {delay:.2f} 秒后继续...")
        sleep(delay)

        with open(output_file, 'w', newline='', encoding='utf-8-sig') as f:
            writer = csv.writer(f)
            writer.writerow(['排名', '电影名', '年份', '导演', '评分', '评价人数'])
            writer.writerows(movies_data)

            print(f"爬取完成！共爬取 {len(movies_data)} 部电影")
            print(f"数据已保存到 {output_file}")

    except requests.RequestException as e:
        print(f"网络请求错误: {e}")
    except Exception as e:
        print(f"程序执行错误: {e}")

if __name__ == "__main__":
    output_file = "douban_top250.csv"
    crawl_douban_top250(output_file)