VSCode+Continue插件+Claude 3.5：AI开发效率翻倍，无需梯子直达全球大模型！-平芜编程栈

本文详细介绍了如何在Visual Studio Code中安装和配置Continue插件，并利用Claude 3.5模型进行AI开发。教程涵盖了插件安装、API密钥获取、模型配置、自定义设置等关键步骤，并提供了代码优化示例。通过该插件，开发者可高效利用AI助手提升编程效率，无需梯子即可访问所有大模型。文章还提醒注意API密钥安全，并附常见问题解答，助力开发者快速上手AI辅助开发。

简介

本教程将指导您如何在 Visual Studio Code (VSCode) 中安装和自定义配置 Continue 插件，并使用 Claude 3.5 模型进行 AI 开发。通过本教程，您将能够高效地利用 AI 助手提升开发效率。（本方法访问所有大模型均无需梯子）

重点注意事项

重点：无论是用 Openai GPT系列模型还是 Claude系列模型或其他任何模型，均只需修改Continue的config.json配置文件即可！！

API KEY：在大模型API平台 CURSOR API 令牌页面新建获得。例：sk-1Qpxob9KYXq6b6oCypgyxjFwuiA817KfPAHo8XET7HjWQqU

Base URL：api.cursorai.art/v1/

主流模型全称：claude-3-5-sonnet-20241022、claude-3-5-sonnet-20240620、gpt-4o、gpt-4o-mini

所需工具与前提条件

安装了最新版本的 Visual Studio Code
网络连接，用于下载插件（访问所有大模型均无需梯子）
拥有 Claude 3.5 模型的 API 密钥
基本的编程知识，建议熟悉 JavaScript 或 Python

详细步骤指南

1. 安装 Continue 插件

打开 VSCode，进入扩展市场（快捷键Ctrl+Shift+X），搜索 “Continue”，然后点击安装。

2. 配置 Claude 3.5 模型

在 VSCode 中，按Ctrl+Shift+P打开命令面板，输入 “Continue : Open configution file”，然后"models"中增加模型配置。例如：

{ "apiKey": "你的apikey", "apiBase": "https://api.cursorai.art/v1", "model": "cursor-3-5-sonnet-20241022", "title": "Claude-3-5-sonnet-20241022", "systemMessage": "You are an expert software developer. You give helpful and concise responses.", "provider": "openai" }

*注意模型配置之间要用英文逗号相隔，最后一个模型不需要逗号！！！

2. 自定义插件设置

根据您的开发需求，调整 Continue 插件的User setting，例如使用谷歌来搜索文档等。

4. 使用 Continue 进行 AI 开发

在代码编辑器中，选择刚刚配置的模型，输入@，可以让Continue读取任意文件，插件将使用 Claude 3.5 模型生成代码优化建议。

5. 配置自动补全模型（选配）

在模型配置文件中，修改"tabAutocompleteModel"部分的代码为：

"tabAutocompleteModel": { "apiKey": "你的apikey", "apiBase": "https://api.cursorai.art/v1", "model": "gpt-4o-mini", "title": "gpt-4o-mini", "provider": "openai" }

示例与演示

代码优化示例

import requests from bs4 import BeautifulSoup import csv from time import sleep defcrawl_website(url, output_file): # 设置请求头,模拟浏览器访问 headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36' } try: # 发送GET请求获取页面内容 response = requests.get(url, headers=headers) response.raise_for_status() # 检查请求是否成功# 使用BeautifulSoup解析HTML soup = BeautifulSoup(response.text, 'html.parser') # 提取数据 (这里以提取所有标题为例) titles = soup.find_all('h2') # 根据实际网页结构调整选择器# 保存数据到CSV文件withopen(output_file, 'w', newline='', encoding='utf-8') as f: writer = csv.writer(f) writer.writerow(['Title']) # 写入表头for title in titles: writer.writerow([title.text.strip()]) print(f"数据已保存到 {output_file}") except requests.RequestException as e: print(f"爬取过程中出现错误: {e}") # 添加延迟，避免频繁请求 sleep(2) # 使用示例if __name__ == "__main__": target_url = "https://example.com"# 替换为你要爬取的网站 output_file = "crawled_data.csv" crawl_website(target_url, output_file)

使用 Continue 生成的优化建议：（prompt：修改为分页爬取豆瓣250）

import requests from bs4 import BeautifulSoup import csv from time import sleep import random defcrawl_douban_top250(output_file, items_per_page=25): base_url = "https://movie.douban.com/top250" headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36', 'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8', 'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8', } total_pages = 10 movies_data = [] try: for page inrange(total_pages): start_index = page * items_per_page url = f"{base_url}?start={start_index}"print(f"正在爬取第{page + 1}页...") response = requests.get(url, headers=headers) response.raise_for_status() soup = BeautifulSoup(response.text, 'html.parser') movie_items = soup.find_all('div', class_='item') ifnot movie_items: print(f"警告：第{page + 1}页没有找到电影数据") continuefor item in movie_items: try: rank = item.find('em').text title = item.find('span', class_='title').text info = item.find('div', class_='bd').find('p').text.strip() info_lines = [line.strip() for line in info.split('\n') if line.strip()] year = info_lines[1].split('/')[0].strip() director = info_lines[0].split('导演: ')[1].split('主演:')[0].strip() rating = item.find('span', class_='rating_num').text votes = item.find('div', class_='star').find_all('span')[-1].text votes = ''.join(filter(str.isdigit, votes)) movies_data.append([rank, title, year, director, rating, votes]) print(f"已爬取：{title}") except Exception as e: print(f"处理电影数据时出现错误: {e}") continue delay = random.uniform(3, 7) print(f"等待 {delay:.2f} 秒后继续...") sleep(delay) withopen(output_file, 'w', newline='', encoding='utf-8-sig') as f: writer = csv.writer(f) writer.writerow(['排名', '电影名', '年份', '导演', '评分', '评价人数']) writer.writerows(movies_data) print(f"爬取完成！共爬取 {len(movies_data)} 部电影") print(f"数据已保存到 {output_file}") except requests.RequestException as e: print(f"网络请求错误: {e}") except Exception as e: print(f"程序执行错误: {e}") if __name__ == "__main__": output_file = "douban_top250.csv" crawl_douban_top250(output_file)

提示与注意事项

提示：确保您的 API 密钥安全，不要在公共代码库中泄露。

注意：在调用 API 时，请务必添加 try 重试机制，以提升代码的健壮性。

常见问题解答

Q1: 如何获取 Claude 3.5 的 API 密钥？

A1: 您可以访问 CURSOR API，注册并登录，在令牌页面新建令牌获取 API 密钥。

Q2: Continue 插件不工作怎么办？

A2: 请检查您的 API 密钥是否正确配置，并确保您的网络连接正常。此外，查看 VSCode 的输出面板以获取错误日志。

Q3: 如何自定义提示模板？

A3: 在 Continue 插件的设置页面中，找到 “Workspace prompts path” 选项，输入您自定义的提示内容。

Q4: Claude 3.5不支持一键写入代码？

A3: 这是官方原因，Anthropic 目前不提供任何自动完成模型。把模型换成gpt-4o就可以了。

总结

通过本教程，您已经学会如何在 VSCode 中安装和配置 Continue 插件，利用自定义key 使用 Openai gpt系列模型或 Claude 3.5 模型提升 AI 开发效率。合理配置和使用这些工具，可以显著提高您的开发生产力。

接下来，您可以探索更多 Continue 插件的高级功能，或尝试集成其他 AI 模型以满足更复杂的开发需求。

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

最后

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、AI大模型最新行业报告

2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

大模型 AI 能干什么？
大模型是怎样获得「智能」的？
用好 AI 的核心心法
大模型应用业务架构
大模型应用技术架构
代码示例：向 GPT-3.5 灌入新知识
提示工程的意义和核心思想
Prompt 典型构成
指令调优方法论
思维链和思维树
Prompt 攻击和防范
…

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

为什么要做 RAG
搭建一个简单的 ChatPDF
检索的基础概念
什么是向量表示（Embeddings）
向量数据库与向量检索
基于向量检索的 RAG
搭建 RAG 系统的扩展知识
混合检索与 RAG-Fusion 简介
向量模型本地部署
…

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

为什么要做 RAG
什么是模型
什么是模型训练
求解器 & 损失函数简介
小实验2：手写一个简单的神经网络并训练它
什么是训练/预训练/微调/轻量化微调
Transformer结构简介
轻量化微调
实验数据集的构建
…

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

硬件选型
带你了解全球大模型
使用国产大模型服务
搭建 OpenAI 代理
热身：基于阿里云 PAI 部署 Stable Diffusion
在本地计算机运行大模型
大模型的私有化部署
基于 vLLM 部署大模型
案例：如何优雅地在阿里云私有部署开源大模型
部署一套开源 LLM 项目
内容安全
互联网信息服务算法备案
…
👇👇扫码免费领取全部内容👇👇

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

简介