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
fthux13 小时前
RenoPit 能为普通业主做什么?看懂图纸、审查合同,提前发现装修坑
javascript·人工智能·ai·开源·github·chrome扩展·open source·edge扩展·firefox扩展
火山引擎开发者社区16 小时前
火山引擎混合云 veStack 智算平台 Day0 适配 Kimi K3
人工智能
RSABLOCKCHAIN16 小时前
AI Agents in LangGraph-2
人工智能·python
cd_9492172116 小时前
哪些AI工具适合生成游戏开发用的3D道具模型?从道具草稿到引擎测试的选择方法
人工智能·3d
FII工业富联科技服务16 小时前
工业设备运维如何Agentic化?拆解Factory Brain的设备运维架构
大数据·运维·人工智能·架构·制造
糖果店的幽灵17 小时前
人已经用 WorkBuddy 找工作拿了面试,你还在一份份手工改简历
人工智能·面试·职场和发展·langgraph
qq295317 小时前
2026 财搭子决策模拟器:多智能体投研架构能力拆解
大数据·人工智能·架构
我才是银古18 小时前
My OpenCode × DeepSeek Config 实战:从一行需求到 13 次提交的全自动化开发管线
deepseek·opencode
满怀冰雪18 小时前
12-PaddlePaddle, 飞桨, 分类模型, 训练循环, 损失函数, 优化器, cross_entropy, Adam
人工智能·深度学习·分类·paddlepaddle
冬奇Lab18 小时前
AI 评测系列(08):评测 CI/CD——持续质量门控
人工智能