VScode内接入deepseek包过程(本地部署版包会)

目录

[1. 首先得有vscode软件](#1. 首先得有vscode软件)

[2. 在我们的电脑本地已经部署了ollama,我将以qwen作为实验例子](#2. 在我们的电脑本地已经部署了ollama,我将以qwen作为实验例子)

[3. 在vscode上的扩展商店下载continue](#3. 在vscode上的扩展商店下载continue)

[4. 下载完成后,依次点击添加模型](#4. 下载完成后,依次点击添加模型)

[5. 在这里可以添加,各种各样的模型,选择我们的ollama](#5. 在这里可以添加,各种各样的模型,选择我们的ollama)

[6. 选择我们本地有的模型,后面的7b可以不用管,只是名字的差别,最后点击connect](#6. 选择我们本地有的模型,后面的7b可以不用管,只是名字的差别,最后点击connect)

[7. 创建完成后会出现一个配置文件,可以看到models这个部分,这里就是我们刚刚创建的模型,可以看到这上面的名字和我们本地的名字不相同,我们可以修改一下,如果相同的话可以不用修改](#7. 创建完成后会出现一个配置文件,可以看到models这个部分,这里就是我们刚刚创建的模型,可以看到这上面的名字和我们本地的名字不相同,我们可以修改一下,如果相同的话可以不用修改)

[8. 我的本地下的时0.5b版本,将model这里修改一下即可,上面的title只是一个名字可以不用管,保存一下](#8. 我的本地下的时0.5b版本,将model这里修改一下即可,上面的title只是一个名字可以不用管,保存一下)

[9. 此时就可以使用我们的模型了,你可以进行各种各样的对话,qwen的模型对话](#9. 此时就可以使用我们的模型了,你可以进行各种各样的对话,qwen的模型对话)

[10. 如果想要删除这个模型,可以直接在配置文件里删除即可,点击这个配置文件就可以出来](#10. 如果想要删除这个模型,可以直接在配置文件里删除即可,点击这个配置文件就可以出来)


在 VSCode 中集成本地部署的 DeepSeek-R1 模型可以显著提升开发效率,尤其是在需要实时访问 AI 模型进行推理任务时

1. 首先得有vscode软件

2. 在我们的电脑本地已经部署了ollama,我将以qwen作为实验例子

3. 在vscode上的扩展商店下载continue

4. 下载完成后,依次点击添加模型

5. 在这里可以添加,各种各样的模型,选择我们的ollama

6. 选择我们本地有的模型,后面的7b可以不用管,只是名字的差别,最后点击connect

也可以选择我们的自动,这个是自动识别你本地有的模型

7. 创建完成后会出现一个配置文件,可以看到models这个部分,这里就是我们刚刚创建的模型,可以看到这上面的名字和我们本地的名字不相同,我们可以修改一下,如果相同的话可以不用修改

8. 我的本地下的时0.5b版本,将model这里修改一下即可,上面的title只是一个名字可以不用管,保存一下

9. 此时就可以使用我们的模型了,你可以进行各种各样的对话,qwen的模型对话

这个是自动的模型对话

10. 如果想要删除这个模型,可以直接在配置文件里删除即可,点击这个配置文件就可以出来

将这一段删除就可以了,不要删多了


这样一个简单的deepseek接入vscode就完成了⭐

相关推荐
像风一样自由2020几秒前
MCP 入门指南:让 AI 连接真实世界
人工智能
尚可签7 分钟前
怎么降低AI率(文本)?最近发现了非常简单的思路
人工智能
咕噜企业分发小米10 分钟前
阿里云AI教育产品如何助力企业提升客户粘性?
人工智能·microsoft·阿里云
华如锦16 分钟前
四:从零搭建一个RAG
java·开发语言·人工智能·python·机器学习·spring cloud·计算机视觉
F_D_Z22 分钟前
TensorFlow Playground 交互式神经网络可视化工具
人工智能·神经网络·tensorflow
杭州泽沃电子科技有限公司27 分钟前
核电的“热血管”与它的智能脉搏:热转换在线监测如何守护能源生命线
人工智能·在线监测
yuzhiboyouye32 分钟前
指引上调是什么意思
人工智能
昨夜见军贴06161 小时前
IACheck × AI审核:重构来料证书报告审核流程,赋能生产型企业高质量发展
人工智能·重构
OidEncoder1 小时前
绝对值编码器工作原理、与增量编码器的区别及单圈多圈如何选择?
人工智能
计算机科研狗@OUC1 小时前
(NeurIPS25) Spiking Meets Attention: 基于注意力脉冲神经网络的高效遥感图像超分辨率重建
人工智能·神经网络·超分辨率重建