第九章 本地编程助手——代码补全与解释

9.1 一个真实场景：那个公司禁用 Copilot 的程序员

老张是一家国内大厂的资深后端工程师，他们公司 2024 年起明令禁止使用 GitHub Copilot、Cursor、Codeium 等任何"会上传代码"的 AI 助手——因为他们担心代码外泄给训练，担心客户敏感数据被记录。

但老张不想退回到"完全靠手写"的 2020 年。他在自己工作 Mac 上装了 Ollama + Qwen 2.5 Coder 32B + Continue 插件，完全本地、完全不联网。

效果如何？

"Copilot 给我 100 分的话，本地 Qwen Coder 32B 是 75 分。但 75 分对我来说已经够了——我替代了 60% 的 Copilot 用法，剩下 40% 我自己写。每周省下 8 小时。最关键的是：我们公司的代码一行都没出去过。"

这章是给所有"想用 AI 写代码但不能用云端"的人写的。

9.2 本地编程助手的能力地图

本地 AI 在编程上能做的事，按"难度从低到高"分四档：

[档 1] 代码解释：读懂代码并讲给你听
[档 2] 代码补全：写到一半 AI 接着写
[档 3] 代码重构：让 AI 改进现有代码
[档 4] 代码生成：从"需求描述"到"完整代码"

好消息：到 2026 年，档 1、2、3 已经基本可用。 坏消息：档 4 还有差距，复杂项目本地 AI 还跟不上 Claude / GPT-5。

9.3 三大本地编程主力模型

Qwen 2.5 Coder（首选）

阿里出品，2024 年底发布，2026 年 4 月仍是开源编程模型的天花板。

支持 92 种编程语言。

DeepSeek Coder V2 / DeepSeek-R1

DeepSeek 出品，特别擅长复杂逻辑推理和算法题。

特色：DeepSeek-R1 的"思考过程"对调试 bug 特别有帮助——它会一步步告诉你"我在想什么、我为什么觉得问题在这"。

CodeGemma / StarCoder2（次选）

9.4 工具选型：Continue / Cline / Cursor 怎么挑

Continue（推荐，最主流）

• 开源、免费
• 支持 VS Code、JetBrains 全家桶
• 完美兼容 Ollama / LM Studio / OpenAI 格式
• 提供"补全（autocomplete）"、"对话（chat）"、"行内编辑（edit）"三大功能
• 小白和老手都适用

Cline（原 Claude Dev）

• 主打"Agent"风格，会主动读项目文件、运行命令、修改多个文件
• 适合复杂的"让 AI 完整完成一个 task"场景
• 配合本地大模型（如 Qwen 2.5 Coder 32B）效果不错
• 适合中级以上用户

Cursor 的"本地模型"模式

Cursor IDE 自身是云端的，但它有"自定义模型"模式：

1. 设置 → Models → 添加 Override OpenAI Base URL
2. 填 http://localhost:11434/v1
3. 选择本地模型名（如 qwen2.5-coder:32b）

这样 Cursor 的 Chat、Composer 都会调用你本地模型。 但要注意：Cursor 的 Tab 自动补全（fast complete）目前仍依赖云端，不能完全本地化。

Roo Code、Aider、Avante

• Roo Code：Cline 的分叉，更新更快，社区活跃
• Aider：CLI 命令行的代码 Agent，习惯终端的用户首选
• Avante：Neovim 插件，配置 Ollama 即可

9.5 5 分钟把 Continue 接到本地 Ollama

第 1 步：装 Ollama 并下编程模型

ollama pull qwen2.5-coder:7b
ollama pull qwen2.5-coder:1.5b   # 用于补全（更快）

第 2 步：装 Continue 插件

VS Code → 扩展商店 → 搜 "Continue" → 安装。

第 3 步：配置 Continue

第一次打开 Continue 会弹出引导，跳过它。 按 Cmd/Ctrl + Shift + P → "Continue: Open config.json"。

把内容改为：

{
  "models": [
    {
      "title": "Qwen 2.5 Coder 7B (Chat)",
      "provider": "ollama",
      "model": "qwen2.5-coder:7b",
      "apiBase": "http://localhost:11434"
    }
  ],
  "tabAutocompleteModel": {
    "title": "Qwen 2.5 Coder 1.5B (Autocomplete)",
    "provider": "ollama",
    "model": "qwen2.5-coder:1.5b",
    "apiBase": "http://localhost:11434"
  },
  "embeddingsProvider": {
    "provider": "ollama",
    "model": "nomic-embed-text",
    "apiBase": "http://localhost:11434"
  }
}

保存后，重启 VS Code。

第 4 步：试一下

打开任意代码文件：

• 写代码：随便敲一行，停顿，会有灰色补全文字飘出来。按 Tab 接受。
• 聊天：Cmd + L 打开 Continue 侧边栏，问"这段代码做了什么"。
• 行内修改：选中一段代码，Cmd + I，输入"加上类型标注"。

整个工作流和 Cursor / Copilot 几乎一致——但你的代码一个字符都没出本机。

9.6 4 个高频场景的实战提示词

场景 1：解释代码

请用中文解释下面这段代码：

[贴入代码]

要求：
1. 用一句话说出"这段代码的主要目的是什么"
2. 逐行注释关键逻辑（不要每行都注，挑重要的）
3. 指出 1 处可能的"性能瓶颈"或"潜在 bug"
4. 给一个 5 行以内的"重构建议"

场景 2：调试 bug

我有这段代码：

[贴入代码]

期望它做：[描述]
实际它做了：[描述]
报错信息：[贴入]

请你按以下步骤分析：
1. 你最高怀疑的 3 处可能出错的地方
2. 你最高怀疑的那一处的"修复方案"
3. 给出修复后的完整代码
4. 解释这个 bug 为什么会发生

DeepSeek-R1 在调试场景上特别强——它会显式给出推理过程。

场景 3：写测试

请为下面这个函数写完整的单元测试：

[贴入函数]

要求：
1. 使用 [pytest / Jest / JUnit] 框架
2. 至少覆盖 5 种情况：正常、边界、空输入、错误输入、性能压力
3. 每个测试加一行注释说明"这个测试在测什么"

场景 4：重构代码

请重构下面这段代码，目标是：[更易读 / 更高性能 / 拆分成多个函数 / 用现代语法]

[贴入代码]

要求：
1. 保持函数签名不变（除非必要）
2. 重构后的版本要附带说明"我改了哪 3 处、为什么"
3. 如果有不确定的地方，明确告诉我"建议保持原样"

9.7 5 个语言场景的实测

下面是作者 2026 年 4 月用 Qwen 2.5 Coder 32B 实测各语言的体验：

9.8 本地 vs Copilot vs Cursor 的诚实对比

结论：

• 你公司允许 Copilot/Cursor → 用云端，本地作为备用
• 你公司禁用云端 → 本地是唯一答案
• 你想"既要云端能力，又想保护隐私" → 用本地补全 + 用云端做大方案设计的混合方案

9.9 一个有趣的混合方案：双引擎

下面这个配置在很多本地 AI 老玩家中流传：

• Tab 补全：本地 Qwen 2.5 Coder 1.5B（快、隐私）
• Chat / 复杂任务：云端 Claude / GPT-5（准、强）
• 重构 / 多文件：本地 Cline + Qwen Coder 32B（隐私 + 多步）

Continue 完美支持这种"按场景路由"的配置。

9.10 本地 Agent 写代码的最新进展

2026 年最热的话题之一是本地 Agent——让本地 AI 能像 Cursor Composer / Cline 那样自主：

1. 读项目文件
2. 决定要改哪些
3. 实际改写
4. 跑测试
5. 看结果
6. 再改

主流方案：

• Cline + Qwen 2.5 Coder 32B：当前最稳的本地 Agent 组合
• Roo Code：Cline 分支，自带"Local Mode"
• Aider + DeepSeek-R1：CLI 派最爱

典型用法：

请你帮我重构 src/services 目录下所有 .ts 文件：
1. 把所有 fetch 调用改成 axios
2. 加上 try/catch 错误处理
3. 给每个文件加上 JSDoc 注释
4. 改完之后跑一下 npm run test，确认没破

每修改一个文件后告诉我"已修改 X，改了 Y 处"。

Cline 会在右侧聊天窗里一步步把整个任务做完——全程本地。

9.11 一些进阶技巧

技巧 1：用专门的"代码模型 + 通用模型"组合

- qwen2.5-coder:32b → 写 / 改代码
- qwen3:14b → 解释代码、写文档、做架构思考

切换：在 Continue 顶部下拉框里随时换。

技巧 2：为代码加索引

Continue 支持把整个项目目录索引到本地（用 nomic-embed-text）。 这样你在 Chat 里问"项目里哪里用到了 UserService"，它能自动找出来。

启用方法：Continue 配置里设置 embeddingsProvider（前面 9.5 已经写了）。

技巧 3：用 Aider 做"提交粒度的修改"

Aider 强制让每次修改都对应一个 git commit，适合项目代码追溯。

aider --model ollama/qwen2.5-coder:32b --no-auto-commits

技巧 4：把"代码风格规范"写进 system prompt

你是我的代码助手。请遵守：
1. 我用 Python 3.12，使用 type hints
2. 函数参数 ≥ 4 个时强制用 keyword-only
3. 异常处理：永远不要 catch Exception，要 catch 具体异常
4. 注释用中文，docstring 用中文
5. 私有方法以 _ 开头
6. 测试用 pytest，文件名 test_xxx.py

固化到 Continue 的 system prompt，每次写代码都自动遵守。

9.12 公司里部署本地编程 AI 的注意事项

如果你想给团队搭一个"集中的本地代码 AI"：

方案：一台机器跑 Ollama Server，多人共用

1. 找一台带 RTX 4090 / 5090 或 Mac Studio Ultra 的机器
2. 装 Ollama，让它监听 0.0.0.0:11434（公司局域网）
3. 团队成员在 Continue 里把 apiBase 改为该机器的内网 IP
4. 所有人共享一个本地大模型，速度和成本极佳

注意：

• 加上 IP 白名单或反向代理（如 Nginx 加 Basic Auth）防止外网误访问
• 配合公司 VPN，远程办公也能用
• 监控显存占用，超过 80% 就该升级或加机

9.13 本章小练习

练习 1：把 Continue 接到 Ollama

按 9.5 节做完。让本地 AI 在 VS Code 里替你补一行代码。 截图发给一个开发者朋友——他会很想抄你的配置。

练习 2：用 9.6 场景 2 调一个 bug

找你最近遇到的一个真实 bug，用调试提示词丢给本地 AI。 亲身感受 DeepSeek-R1 的"思考过程"对你的启发。

练习 3：尝试一次本地 Agent

装 Cline，让它给你一个旧项目加一份 README.md：

请你读一下我项目根目录的所有文件，给我生成一份 README.md：
1. 项目简介（一句话）
2. 安装步骤
3. 快速开始（核心命令）
4. 目录结构说明
5. 贡献指南
完成后告诉我"已生成 README.md，写了 X 字"。

体验一下"本地 Agent 真的能干活"是什么感觉。

9.14 一句话记住

能用 Cursor 就用 Cursor，但当你在客户内网、在合规严格的公司、在写涉密代码——本地编程 AI 是你唯一的依靠。

下一章 第十章 · 本地文档总结与会议纪要，我们把本地 AI 的"读文档"能力打通。