现在 AI Coding 工具越来越多，Cursor、Cline、Continue、Roo Code、Aider 都很受欢迎。
其中 Continue 是一个比较适合开发者长期使用的 VSCode 开源插件。它可以在编辑器里完成代码解释、重构、生成、聊天、上下文检索等工作，并且支持自定义模型 API。
如果你已经有自己的模型服务，或者希望用一个统一入口接入 GPT、Claude、Gemini、DeepSeek、Qwen 等模型，那么可以用 Latix + Continue 搭建一套自己的 AI Coding 工作流。
这篇文章会介绍一种比较实用的配置方式。
为什么选择 Continue
Continue 是一个开源 AI Coding 插件，可以直接安装在 VSCode 里使用。
它的优势是：
- 支持自定义模型
- 支持 OpenAI-compatible API
- 可以读取当前文件、选中代码、项目上下文
- 支持 Chat、Edit、Autocomplete 等能力
- 配置灵活，适合开发者自己折腾和沉淀工作流
和一些封闭式 AI IDE 不同，Continue 更像一个可以自己组装的 AI Coding 工作台。
你可以决定：
- 聊天用哪个模型
- 代码补全用哪个模型
- 重构用哪个模型
- 是否走自己的 API Key
- 不同任务用不同性价比的模型
这也是它和 Latix 搭配的价值所在。
Latix 在这里做什么
Latix 提供统一的 AI 模型 API 入口。
简单理解，你可以通过一个 OpenAI-compatible API 接入多种模型，比如：
- GPT 系列
- Claude 系列
- Gemini 系列
- DeepSeek 系列
- Qwen 系列
- Llama 系列
这样 Continue 不需要分别配置多个厂商的 API 地址，只需要配置：
API Base URL API Key Model Name
如果后续你想切换模型，通常只需要改模型名。
这对 AI Coding 工作流很有用，因为不同任务适合不同模型：
- 代码解释：可以用响应快、成本低的模型
- 复杂重构：可以用推理和代码能力更强的模型
- 长文件分析：可以用上下文更长的模型
- 文档生成：可以用表达能力更稳定的模型
- 日常问答：可以用性价比高的模型
准备工作
你需要准备：
- VSCode
- Continue 插件
- Latix API Key
- 一个可用的模型名称
Continue 插件可以在 VSCode 插件市场搜索：
Continue
Latix API Base URL：
https://api.latix.ai/v1
API Key 可以在 Latix 控制台创建。
建议先准备一个 .env 或本地安全记录，避免把 API Key 写到公开仓库里。
安装 Continue
在 VSCode 左侧插件市场搜索：
Continue
安装完成后，侧边栏会出现 Continue 图标。
第一次打开时，它可能会引导你选择模型服务。如果你要用 Latix，可以选择 OpenAI-compatible 或手动编辑配置文件。
配置 Latix 模型
Continue 的配置通常在本机用户目录下。
你可以在 Continue 面板里找到配置入口，也可以直接打开配置文件。
常见配置文件是：
~/.continue/config.json
或者新版本可能使用：
~/.continue/config.yaml
不同版本 Continue 配置格式可能略有差异。如果你使用的是新版 Continue，建议以插件当前生成的配置文件为准，然后把模型部分替换成 Latix 的 OpenAI-compatible 配置。
下面给一个常见 JSON 配置示例。
{
"models": [
{
"title": "Latix GPT",
"provider": "openai",
"model": "gpt-4o-mini",
"apiBase": "https://api.latix.ai/v1",
"apiKey": "你的_Latix_API_Key"
},
{
"title": "Latix Claude",
"provider": "openai",
"model": "claude-3-5-sonnet",
"apiBase": "https://api.latix.ai/v1",
"apiKey": "你的_Latix_API_Key"
},
{
"title": "Latix Gemini",
"provider": "openai",
"model": "gemini-1.5-pro",
"apiBase": "https://api.latix.ai/v1",
"apiKey": "你的_Latix_API_Key"
}
]
}
如果你的 Continue 版本使用 YAML，可以参考这种写法：
models:
- title: Latix GPT
provider: openai
model: gpt-4o-mini
apiBase: https://api.latix.ai/v1
apiKey: 你的_Latix_API_Key
- title: Latix Claude
provider: openai
model: claude-3-5-sonnet
apiBase: https://api.latix.ai/v1
apiKey: 你的_Latix_API_Key
- title: Latix Gemini
provider: openai
model: gemini-1.5-pro
apiBase: https://api.latix.ai/v1
apiKey: 你的_Latix_API_Key
配置完成后，重启 VSCode 或重新加载 Continue。
更安全的 API Key 配置方式
不建议把 API Key 直接写进公开仓库。
Continue 的配置文件通常在本机用户目录，不会跟随项目提交。但如果你习惯同步 dotfiles，还是要注意密钥泄露。
更稳妥的方式是使用环境变量。
例如在系统环境变量中配置：
LATIX_API_KEY=你的_Latix_API_Key
然后在 Continue 配置里引用环境变量。
具体引用方式可能随 Continue 版本变化，你可以在插件配置文档中确认。如果当前版本不支持环境变量引用，至少要保证配置文件不会进入 Git 仓库。
推荐工作流一：用低成本模型做日常问答
日常开发里，很多问题并不需要最强模型。
比如：
- 解释一段代码
- 生成一个工具函数
- 写单元测试样例
- 翻译报错信息
- 解释 TypeScript 类型错误
- 根据接口字段生成类型定义
这些任务可以配置一个响应快、成本低的模型作为默认模型。
例如：
{
"title": "Latix Fast Coding",
"provider": "openai",
"model": "gpt-4o-mini",
"apiBase": "https://api.latix.ai/v1",
"apiKey": "你的_Latix_API_Key"
}
这样平时问问题、写小函数、理解代码，速度会比较舒服。
推荐工作流二：复杂重构切换强模型
当你需要做复杂任务时，可以切到更强的模型。
例如：
- 重构一个模块
- 分析多文件调用链
- 设计接口抽象
- 排查复杂 bug
- 生成迁移方案
- 做代码 review
这类任务对模型的上下文理解和推理能力要求更高。
你可以在 Continue 里配置一个专门用于复杂任务的模型：
{
"title": "Latix Strong Reasoning",
"provider": "openai",
"model": "claude-3-5-sonnet",
"apiBase": "https://api.latix.ai/v1",
"apiKey": "你的_Latix_API_Key"
}
使用时，在 Continue 面板里切换模型即可。
推荐工作流三：为不同任务写固定 Prompt
Continue 很适合沉淀固定工作流。
比如你可以准备一些常用 Prompt：
代码解释
请解释这段代码的作用，重点说明：
1. 数据从哪里来
2. 关键状态如何变化
3. 可能有哪些边界情况
代码 Review
请以代码审查的方式检查这段代码，重点关注：
1. 潜在 bug
2. 安全风险
3. 性能问题
4. 可维护性
5. 是否缺少测试
重构建议
请基于当前代码给出重构建议，但不要改变现有行为。请优先保持改动小、风险低。
单元测试生成
请为这段代码生成单元测试，覆盖正常路径、异常路径和边界情况。
这些 Prompt 可以配合 Continue 的选中代码上下文使用。选中代码后发送，模型会基于当前上下文回答。
推荐工作流四：用 Continue 理解陌生项目
接手一个新项目时，可以用 Continue 加速理解。
常见问题：
请根据当前文件说明这个模块的职责。
这个函数被哪些业务流程依赖？如果我要修改它，需要注意什么？
请帮我梳理这个 React 组件的状态流和用户交互流程。
请根据当前代码生成一份接口字段说明。
对于大型项目，建议不要一次性让模型读太多内容。可以从入口文件、核心组件、接口层、状态管理几个方向逐步问。
推荐工作流五：结合 Git 做代码 Review
开发完成后，可以让 Continue 辅助 Review 当前改动。
你可以把 diff 贴给 Continue，或者选中关键文件后提问：
请 review 当前改动，优先找 bug 和回归风险，不要只做风格建议。
也可以让它生成 PR 描述：
请根据这些改动生成一份 PR 描述，包括：
1. 背景
2. 修改内容
3. 测试方式
4. 风险点
这类任务很适合用强一些的模型，因为它需要理解上下文和变更意图。
常见问题
1. Continue 里请求失败怎么办？
可以先检查三个地方：
- API Key 是否正确
- apiBase 是否是 api.latix.ai/v1
- 模型名称是否可用
如果返回 401，通常是 Key 问题。
如果返回模型不存在，通常是模型名写错，建议以 Latix 控制台模型列表为准。
2. 为什么不同模型效果差异很大？
这是正常的。
AI Coding 不是只看模型名，还要看任务类型。代码补全、复杂推理、长上下文理解、中文解释、文档生成，对模型能力要求都不一样。
建议至少准备两个模型：
- 一个便宜快速的日常模型
- 一个能力更强的复杂任务模型
3. 可以给团队统一配置吗？
可以。
你可以在团队内部维护一份 Continue 配置模板，里面写好：
- API Base URL
- 推荐模型
- 常用 Prompt
- 使用规范
但不要把个人 API Key 放进模板里。
4. Latix 和 Continue 的关系是什么？
Continue 是 VSCode 里的 AI Coding 插件。
Latix 是模型 API 入口。
两者配合后，你可以在 VSCode 里通过 Continue 调用 Latix 提供的模型，从而搭建自己的 AI Coding 工作流。
一个推荐配置思路
如果你刚开始搭建，可以先这样配置：
{
"models": [
{
"title": "Latix Fast",
"provider": "openai",
"model": "gpt-4o-mini",
"apiBase": "https://api.latix.ai/v1",
"apiKey": "你的_Latix_API_Key"
},
{
"title": "Latix Code Strong",
"provider": "openai",
"model": "claude-3-5-sonnet",
"apiBase": "https://api.latix.ai/v1",
"apiKey": "你的_Latix_API_Key"
},
{
"title": "Latix Long Context",
"provider": "openai",
"model": "gemini-1.5-pro",
"apiBase": "https://api.latix.ai/v1",
"apiKey": "你的_Latix_API_Key"
}
]
}
日常任务用 Latix Fast。
复杂重构和 Review 用 Latix Code Strong。
长文档、长上下文分析用 Latix Long Context。
这样既能控制成本，也能在关键任务上保证质量。
总结
Continue 给 VSCode 提供了一个开放、可配置的 AI Coding 工作台。
Latix 提供统一的 OpenAI-compatible API，让你可以通过一个入口接入 GPT、Claude、Gemini、DeepSeek、Qwen 等模型。
两者结合后，你可以搭建一套属于自己的 AI Coding 工作流：
- 日常问答用快模型
- 复杂重构用强模型
- 长文本分析用长上下文模型
- 固定 Prompt 沉淀团队规范
- 在 VSCode 内完成代码解释、生成、Review 和文档整理
对于开发者来说，这种方式最大的价值不是“多一个聊天窗口”，而是把 AI 能力真正放进自己的开发流程里。
当 AI Coding 从临时提问变成稳定工作流，效率提升才会更明显。