由于种种原因，小伙伴们在写代码时，不一定能用上Github Copilot；或者由于代码安全的原因，不能使用外网的编程助手。今天我就介绍一种利用开源大语言模型在本地搭建编程助手的方案：
- IDE插件：Continue
- 本地开源大语言模型框架：Ollama
- 本地开源大语言模型（推荐 Code Llama）
该方案适用于 VS Code 和 PyCharm，搭建的步骤类似，如下步骤中以VS Code为例说明。
Step 1: 安装 Continue 插件
在VS Code 和 PyCharm的插件市场中搜索并安装 Continue 插件，以VS Code为例，安装步骤截图如下： 
安装完成后，默认会有一些在线的大语言模型供试用（需要联网）。 
更多关于Continue插件的细节，可以参考Continue插件的官网：Continue官网
Continue插件支持GPT-4 / Claude-2 等收费大语言模型，只需要将自己的 api key 更新到配置文件中的 apiKey 即可，以下步骤将介绍如何使用 Continue 插件调用本地开源大语言模型。
Step 2: 安装本地开源大语言模型框架 Ollama
Ollama 是一个可以在本地部署和管理开源大语言模型的框架，由于它极大的简化了开源大语言模型的安装和配置细节，一经推出就广受好评，目前已在github上获得了46k star。
关于Ollama的更多介绍和安装方法请参见 零基础入门AI：一键本地运行各种开源大语言模型 - Ollama。
Step 3: 下载代码大语言模型 Code Llama
安装Ollama后，即可一键安装开源大语言模型。Ollama支持大部分主流的开源大语言模型，但是在编程助手的使用场景下，我更推荐Meta发布的 CodeLlama，包含 7b / 13b / 34b / 70b 四种参数规模，小伙伴们可以根据本地GPU的性能，下载合适的Code Llama版本
| 参数版本 | 链接 | 命令 |
|---|---|---|
| 7 billion | View | ollama run codellama:7b |
| 13 billion | View | ollama run codellama:13b |
| 34 billion | View | ollama run codellama:34b |
| 70 billion | View | ollama run codellama:70b |
PS: Code Llama除了有不同的参数版本，根据微调语料的不同类型，还有基础、Python、instruct三种类型的微调版本，其中instruct是经过自然语言指令微调的，更适合本文的使用场景，所以推荐使用 instruct 版本，以上表格中的命令默认下载的就是instruct版本。
Step 4: 配置 Continue + Ollama
Ollama服务运行后，默认的API接口地址是localhost:11434，能够为本机提供服务。
也可以在Ollama中配置环境变量 OLLAMA_HOST=0.0.0.0:11434 来对局域网提供服务，API接口地址就是<ollama server IP>:11434。（具体可参见 零基础入门AI：一键本地运行各种开源大语言模型 - Ollama）
将大语言模型的信息和API接口地址添加到 Continue 的配置文件中，举例如下：
json
"models": [
{
"title": "codellama:7b",
"provider": "ollama",
"model": "codellama:7b",
"api_base": "localhost:11434"
}修改完配置文件后，在 IDE 的 Continue 插件界面选择本地大模型，就可以愉快的使用本地大模型玩耍了：
至此，Continue插件就可以和本地大语言模型联动，调用本地的大语言模型来辅助编程，实现本地的编程助手。
Bingo! 运行 Continue + Ollama
如下图中的例子，我让大模型帮忙写一下python的函数，用于判断输入的数字是不是质数： 
添加常用的快捷指令 (可选)
阅读 Continue 插件的配置文件，会发现其中已经内置了一些快捷指令，其实就是将一段提示词简化为一个命令，比如:
- comment: 为选中的代码添加注释，对应的提示词是
Write comments for the highlighted code - edit: 编辑选中的代码，对应的提示词是
Edit highlighted code
参照这些示例，我们也可以添加自己常用的快捷指令，比如我添加了一个代码评审的快捷指令 review，具体配置如下：
json
"custom_commands": [
{
"name": "review",
"prompt": "Act as a comprehensive code review assistant to help me analyze and improve the selected code",
"description": "Code review for highlighted code"
}
]PS:
- 实际使用时，可以用大语言模型来辅助生成代码、改BUG、添加注释、解释代码等等。
- 以上例子中，我仅以最小规模的7B版本为例，本地GPU性能更强的话，可以尝试更大参数规模的版本，使用效果会更好一些。
- 本文推荐的代码大语言模型 Code Llama 的训练语料中，中文语料所占的比例较少，所以使用英文提问的效果会更好一些。
- Ollama同样也支持一些中文的开源模型，比如qwen 、Yi等等，这些大模型对中文的支持就会更好一些，可以参照文中的方法安装使用。