Ollama 接入本地 AI Copilot 编程助手

408 0

简介

本文档介绍了如何在本地搭建类似 Copilot 的编程助手，以帮助您写出更加优美，效率的代码。

从过本课程你将学会，使用 Ollama 集成本地编程助手，其中包括

Continue
Aider

注意：
我们讲主要讲解 VScode 的安装和基本使用方式。jetbrain 使用方式和 VScode 大同小异，参考 vscode 即可。
jetbrain 可以使用的功能和可配置项不如 VScode 丰富，建议使用 VScode
本地搭建 Copilot 对机器要求较高，特别是代码自动补全部分，若无特殊需求，建议购买 API 使用。

一、AI 编程介绍

1.1 为什么我们要使用 AI 编程？

大语言模型问世已久，但是其表现最出色的领域一直是编程领域，原因如下：

明确的对错标准。 在编程世界里, 代码要么能跑, 要么不能。这种非黑即白的特性让 AI 更容易判断自己的输出质量。
精确的语言。 编程语言没有太多模棱两可的地方。每个符号、每个关键字都有明确的含义。这种精确性正是 AI 模型所擅长的。
目标明确的任务。 写代码时, 我们通常有明确的目标。比如, "写一个计算斐波那契数列的函数"。这种清晰的指令让 AI 更容易集中精力解决问题。
知识的通用性。 学会了一种编程语言的基本概念, 很多东西都能迁移到其他语言。这种知识的可迁移性让 AI 模型在编程领域学习效率特别高。

1.2 我们如何使用 AI 编程？

使用大模型对话应用（这里不再讲解）
使用集成开发环境（IDE）
- Continue
使用命令行工具
- Aider

二、集成开发环境 Continue 接入

2.1 安装所需模型

安装 Ollama
安装以下模型
- 安装通用问答模型 ollama pull llama3:8b
- 安装自动代码补全模型: ollama pull starcoder2:3b
- 安装 embedding 模型: ollama pull nomic-embed-text

2.2 在 VScode 安装 Continue 以及配置本地 Ollama

在 VScode 插件库安装模型
搜索 Continue ，看到如下的图标，点击 install 或者安装
（推荐操作）强烈建议将"继续"移至 VS Code 的右侧边栏。这有助于在使用"继续"时保持文件资源管理器打开，并且可以使用简单的键盘快捷键切换侧边栏。
配置 Ollama
方式1：点击 Select model----选择 Add model----点击 Ollama----选择 Autodetect
这样，就可以自动选择刚刚我们在 Ollama 上下载好的模型进行代码推理工具了。

方式2：点击如图所示的设置按钮，进入配置页面，粘贴如下配置
```
{
"models": [
{
"title": "Ollama",
"provider": "ollama",
"model": "AUTODETECT"
}
],
"tabAutocompleteModel": {
"title": "Starcoder 2 3b",
"provider": "ollama",
"model": "starcoder2:3b"
},
"embeddingsProvider": {
"provider": "ollama",
"model": "nomic-embed-text"
}
}
```

2.3 基本使用指南

轻松理解代码

VS Code : cmd+L ( MacOS ) / ctrl+L ( Windows )
JetBrains : cmd+J ( MacOS ) / ctrl+J ( Windows )

使用 Tab 键自动完成代码

VS Code : tab ( MacOS ) / tab ( Windows )
JetBrains : tab ( MacOS ) / tab ( Windows )

AI快速修改你的代码

VS Code : cmd+I ( MacOS ) / ctrl+I ( Windows )
JetBrains : cmd+I ( MacOS ) / ctrl+I ( Windows )

VS Code: @codebase ( MacOS ) / @codebase ( Windows )
JetBrains : 未来将支持

根据官方文档提问

VS Code : @docs ( MacOS ) / @docs ( Windows )
JetBrains : @docs ( MacOS ) / @docs ( Windows )

2.4 参考资料

官方网站：https://docs.continue.dev/intro

三、命令行环境 Aider 接入

Aider 是基于命令行的编程助手，比起集成开发环境，它拥有顶级的系统权限和功能使用，但同时意味着它更难上手。

以下教程将教会你安装 Aider 以及连接到 Ollama 服务

此外，请确保：

安装了 git 并且有 git 使用经验
python 使用经验

3.1 安装 Aider

Aider 的使用过程中对 python 环境有大量依赖，建议使用 conda 新开一个环境或者使用 python 新建虚拟环境，以下使用 conda 演示
- 新起一个 conda 虚拟环境（python 虚拟环境同理）
```
conda create -n aider_env python=3.9
```
- 进入该虚拟环境
```
conda activate aider_env
```
- 按照以下命令安装
```
python -m pip install aider-chat
```

3.2 设置 Ollama 并启动

启动命令行，按照如下设置环境变量

export OLLAMA_API_BASE=http://127.0.0.1:11434 # Mac/Linux环境
setx OLLAMA_API_BASE http://127.0.0.1:11434 # Windows环境,设置以后重启shell工具

cd 进入自己本地的代码仓库位置，若没有，Aider 会自动在当前目录下初始化 git 仓库
```
#example 
cd D:\Myfile\handy-ollama\handy-ollama\handy-ollama
```

使用以下命令运行 Aider

aider --model ollama/<你的模型名字>
#example
#aider --model ollama/llama3:8b

你也可以使用 .env 文件配置 Aider 相关信息
比如

## 指定OPENAI_KEY(如果有的话)
OPENAI_API_KEY=xxx
## 指定你使用model
AIDER_MODEL=ollama/llama3:8b

更多配置参考：https://aider.chat/docs/config/dotenv.html

进入以下页面即成功
你现在可以跟他聊天，或者给他发送一些指令，它可以直接修改你的代码

3.3 基本使用

你可以问它一些关于这个仓库的基本信息
Add Files 添加文件
```
/add <file1> <file2> ...
```
然后你就可以根据这些文件来做一些提问
- 你可以在不添加任何文件的情况下使用 Aider，它会根据您的请求尝试找出需要编辑哪些文件。(但是想过往往不好)
- 添加相关的文件以对某个特定的代码或者文件进行修改或者答疑。（不要添加一堆额外的文件。如果添加太多文件，生成效果也不好，并且需要花费更多 Token ）。
示例：
使用 Aider 直接对代码文件或者其他文件进行修改，比如对 Readme最后一行加一个总结

查看实际文件
如果不希望 Aider 对文件进行实际操作，可以在对话前添加操作符 /ask
使用 /drop 删除所有添加入的文件

3.4 参考资料

常用斜杠命令列表：

命令	描述
`/add`	将文件添加到聊天中，以便 GPT 可以编辑或详细审查它们
`/ask`	询问关于代码库的问题，而不编辑任何文件
`/chat-mode`	切换到新的聊天模式
`/clear`	清除聊天历史
`/clipboard`	将剪贴板中的图像/文本添加到聊天中（可选择为图像提供名称）
`/code`	请求对代码进行更改
`/commit`	提交在聊天外对仓库所做的编辑（提交信息可选）
`/diff`	显示自上次消息以来的更改差异
`/drop`	从聊天会话中移除文件以释放上下文空间
`/exit`	退出应用程序
`/git`	运行 git 命令
`/help`	询问关于 aider 的问题
`/lint`	对提供的文件或聊天中的文件进行代码检查和修复（如果未提供文件）
`/ls`	列出所有已知文件，并指示哪些文件包含在聊天会话中
`/map`	打印当前仓库信息
`/map-refresh`	强制刷新仓库信息并打印出来
`/model`	切换到新的语言模型
`/models`	搜索可用模型列表
`/quit`	退出应用程序
`/read-only`	将文件添加到聊天中，仅供参考，不可编辑
`/run`	运行 shell 命令，并可选择将输出添加到聊天中（别名：!）
`/test`	运行 shell 命令，并在非零退出代码时将输出添加到聊天中
`/tokens`	报告当前聊天上下文使用的令牌数量
`/undo`	如果最后一次 git 提交是由 aider 完成的，则撤销该提交
`/voice`	录制并转录语音输入
`/web`	抓取网页，转换为 markdown 并添加到聊天中

更多用法请参照 https://aider.chat/docs/usage.html

四、集成开发环境 RooCline 接入（新）

4.1 Cline 和 RooCline

Cline 是目前世界范围内最火热的 vscode 的 ai 编程插件。它对人工智能辅助的运用方式与市场上大多数工具不同。它并非仅仅专注于代码生成或补全，而是作为一种系统级工具运行，能够与整个开发环境进行交互。在处理复杂的调试场景、大规模重构或集成测试时，这一特性就显得尤为重要，具体我们可以看参考资料中的Cline部分。今天我们要介绍的是 Roo Cline。

RooCline 是 Cline 的增强版，专注于提升开发效率和灵活性。它支持多语言、多模型（如 Gemini、Meta 等），并提供了智能通知、文件处理优化、缺失代码检测等功能。此外，RooCline 还支持与 Cline 并行运行，适合需要同时处理多种任务的开发者。

虽然 Roo Cline 的量级仍然不及 Cline，但增速很快。它在 Cline 的基础上，加了一些额外的实验功能，还能自我编写部分代码，只需要人类做少量干预。

并且 Cline 消耗的 Token 数量很高，这或多或少影响了日常开发成本。

4.2 在 VScode 安装 RooCline 以及配置本地 Ollama

[](https://github.com/datawhalechina/handy-ollama/blob/main/docs/C7/1.%20%E6%90%AD%E5%BB%BA%E6%9C%AC%E5%9C%B0%E7%9A%84%20AI%20Copilot%20%E7%BC%96%E7%A8%8B%E5%8A%A9%E6%89%8B.md#42-%E5%9C%A8-vscode-%E5%AE%89%E8%A3%85-roocline-%E4%BB%A5%E5%8F%8A%E9%85%8D%E7%BD%AE%E6%9C%AC%E5%9C%B0-ollama)

Ollama 安装模型（以 deepseek-r1:1.5b 为例）
```
ollama run deepseek-r1:1.5b
```
在 VScode 插件库安装模型
搜索 Roo Cline ，看到如下的图标，点击 install 或者安装
配置 ollama
1. 点击右边 Roo cline 图标
2. 点击设置图标
3. 输入模型名称
4. 点击 Done
现在，你可以像使用其他任何集成编辑器+ ai 一样使用 vscode

接下来，我们会介绍一些 Roo cline 独有的功能！

4.3 Roo Cline 特性

注意，这些特性需要依赖一定的大模型能力，特别是在控制系统级别应用的时候。我们举例中的 deepseek-r1:1.5b 不具备以下这些操作的能力，会报错复杂度太高。建议接入 deepseek 的 api 访问（很便宜）。

以下1~2功能点击功能区域的 Prompt 图标即可进入配置页面

支持任意 API/模型
- OpenRouter/Anthropic/Glama/OpenAI/Google Gemini/AWS Bedrock/Azure/GCP Vertex
- 本地模型（LM Studio/Ollama）及任何 OpenAI 兼容接口
- 不同模式可使用不同模型（如架构设计用高级模型，日常编码用经济模型）
- 会话级使用量追踪（Token 消耗和成本统计）
自定义模式：通过模式定制 Roo Code 的角色、指令和权限：
- 内置模式
  - Code 模式：默认多功能编码助手
  - Architect 模式：系统级设计和架构分析
  - Ask 模式：深度研究及问题解答
- 用户创建模式
  - 输入"Create a new mode for "即可生成定制角色
  - 每个模式可拥有独立指令和技能集（在 Prompts 标签管理）
- 高级功能
  - 文件类型限制（如 ask/architect 模式仅编辑 markdown）
  - 自定义文件规则（如仅操作 .test.ts 测试文件）
  - 模式间切换（如自动转代码模式实现具体功能）
  - 自主创建新模式（含角色定义和文件限制）
颗粒度控制 Roo cline 权限
点击设置界面进入：可以在 Auto-Approve Setting 控制 Roo cline 的权限.
注意，这里控制的是哪些操作可以不经过你的同意自动进行。否则将会在进行前对你进行一次点击确认过程
文件与编辑器操作
- 项目文件创建/编辑（显示差异对比）
- 自动响应代码错误（缺失导入、语法问题等）
- 通过编辑器时间轴追踪变更（便于审查/回滚）
命令行集成
- 包管理/构建/测试命令
- 监控输出并自动适配错误
- 后台持续运行开发服务器支持审批策略：逐条确认/常规操作自动批准
浏览器自动化
在第三步中，选择以下选项即可让 Roo Cline拥有网页自动化能力
- 启动本地/远程 Web 应用
- 点击/输入/滚动/截图操作
- 收集控制台日志调试运行时问题适用于端到端测试和视觉验证
MCP 工具扩展
Model Context Protocol (MCP) 是 Roo 的能力扩展协议，允许 Roo 与本地服务器通信，这些服务器提供额外的工具和资源。相当于给这个编程助手装上了"外接大脑"。
本地/云端双模式：既可以用你电脑本地的工具服务，也能连社区共享的现成模块
动态创建工具：直接告诉 Roo "做个能查最新 npm 文档的工具"，它会自动生成对接代码
举例：
1. 接社区资源：用别人造好的轮子
  比如接入已存在的「天气 API 查询工具」
  直接使用开源社区验证过的工具
2. 自建私藏工具：根据业务需求定制
  说"做个能抓取公司内部日志的工具"
  Roo 会自动生成：
```
# 示例自动生成的工具框架
class LogTool(MCPPlugin):
def fetch_logs(self, service_name):
# 自动对接公司日志系统
# 返回最近1小时的关键错误日志
...
```
  你审核通过后，这个工具就会出现在 Roo 的技能列表里
3. 安全机制：所有新增工具需要人工审核授权才会激活，防止随意调用敏感接口
上下文@：提供额外上下文的方式：
- @file：嵌入文件内容
- @folder：包含完整目录结构
- @problems：引入工作区错误/警告
- @url：获取 URL 文档（转 markdown）
- @git：提供 Git 提交记录/差异分析帮助聚焦关键信息，优化 token 使用