WSL+VScode 快速搭建 Linux 下 C/C++ 开发环境：TaoToken 统一 Key 接入 AI 补全

1. 为什么我放弃了虚拟机和双系统，改用 WSL + VScode 写 C/C++

如果你在 Windows 上写 C/C++，大概率经历过这种纠结：装 Visual Studio 太重，装 MinGW 又总在链接阶段报一些莫名其妙的错，想用 GDB 调试还得额外折腾一遍路径。更麻烦的是，很多数据结构、算法题、开源项目的构建脚本默认就是给 Linux 写的，Makefile里一个gcc命令，在 Windows 上就得换成别的写法。

我自己的场景很典型：复习数据结构、刷题、偶尔写点小工具，需要 Linux 环境来编译运行，但又不想为了这点事去装双系统或者常年挂一个虚拟机。虚拟机的问题在于，你不用它的时候它还在吃内存，用的时候又因为分配的核心少，编译大一点的项目慢得让人想砸键盘。

WSL（Windows Subsystem for Linux）正好卡在这个痛点上。它让你在 Windows 里直接跑一个 Linux 子系统，共享 CPU 和内存，没有图形界面，资源占用低，启动快。再配上 VScode 的 Remote - WSL 插件，你可以在 Windows 的 VScode 里直接编辑 WSL 中的文件、打开终端、调试程序，体验几乎和本地开发一样。

这篇文章要做的，就是把这套环境从零搭起来，并且接入 TaoToken 的统一 Key/API 通道，让 VScode 里的 AI 补全也能用上。TaoToken 是一个 AI 模型 API 聚合平台，你可以把它理解成一个统一的入口，用一个 Key 就能调用多种模型，省去到处注册、到处配 Key 的麻烦。官网地址是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，后面配置时会用到。

整套流程分四块：装 WSL、配 VScode Remote、配 C/C++ 编译调试、接 TaoToken 做 AI 补全。每一步我都会给出可复制的命令和配置，你跟着做就行。

2. WSL 安装与 Ubuntu 基础环境配置：避开 apt 源和 SSH 的坑

2.1 安装 WSL 和 Ubuntu

最省事的方式是用命令行。以管理员身份打开 PowerShell，执行：

wsl --install

这条命令会自动启用 WSL 功能、下载内核更新、并把 Ubuntu 设为默认发行版。执行完重启电脑，再次打开 PowerShell 或终端，系统会提示你设置 Ubuntu 的用户名和密码。这个用户名和密码是 Linux 子系统里的，和 Windows 账户无关，记好就行。

如果你想要指定版本，比如 Ubuntu 22.04，可以这样：

wsl --install -d Ubuntu-22.04

装完之后，在开始菜单里能看到 Ubuntu 图标，点进去就是一个 Linux 终端。第一次进入会要求你设置 UNIX 用户名和密码，设置完成后就进入 shell 了。

验证一下版本：

lsb_release -a

正常会输出类似Ubuntu 22.04.3 LTS的信息。到这里，WSL 本身就算装好了。

2.2 更换 apt 源（可选但推荐）

默认的 apt 源在国内访问速度可能不理想。备份并替换成国内镜像：

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak sudo vim /etc/apt/sources.list

把文件内容替换为（以 Ubuntu 22.04 jammy 为例）：

deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse

保存退出后更新：

sudo apt-get update sudo apt-get upgrade -y

注意：如果你用的是 Ubuntu 20.04，把jammy换成focal；18.04 换成bionic。版本代号写错会导致apt update报 404。

2.3 安装编译调试工具链

C/C++ 开发需要编译器、调试器、构建工具。一条命令装齐：

sudo apt-get install -y build-essential gdb make cmake git

build-essential包含了gcc、g++、make等核心工具。装完后验证：

gcc --version g++ --version gdb --version

如果都能输出版本号，说明工具链就绪。

2.4 配置 SSH（可选）

如果你以后想从别的机器连到这个 WSL，可以配一下 SSH。不过对于本文的场景——VScode 通过 Remote - WSL 连接——其实不需要 SSH，Remote - WSL 走的是 WSL 的本地通道。所以这一步可以跳过。如果你确实需要，简单配置如下：

sudo cp /etc/ssh/sshd_config /etc/ssh/sshd_config.bak sudo vim /etc/ssh/sshd_config

修改几处：

Port 8022 ListenAddress 0.0.0.0 PasswordAuthentication yes

然后重启 SSH：

sudo service ssh restart

这样就能用ssh 用户名@localhost -p 8022连进来了。但再次强调，VScode Remote - WSL 不依赖这个。

3. VScode Remote - WSL 与 C/C++ 配置：settings.json 和 launch.json 完整片段

3.1 安装 VScode 和必要插件

在 Windows 上安装 VScode（官网直接下载安装包即可）。打开后，在扩展市场搜索并安装以下插件：

• WSL（由 Microsoft 发布，全名 Remote - WSL）
• C/C++（由 Microsoft 发布，提供 IntelliSense、调试支持）
• CMake Tools（可选，如果你用 CMake 构建）

安装完 WSL 插件后，VScode 左下角会出现一个绿色图标，点击它，选择 “Connect to WSL”。VScode 会打开一个新窗口，连接到你的 Ubuntu 子系统。第一次连接会自动在 WSL 里安装一个 VScode Server，稍等片刻即可。

连接成功后，左下角会显示 “WSL: Ubuntu”。此时你打开的文件夹、终端、调试器，全部运行在 Linux 环境里。

3.2 配置 C/C++ 智能提示

在 WSL 窗口里，打开一个你的代码目录，比如~/projects/cdemo。然后按Ctrl+Shift+P，输入 “C/C++: Edit Configurations (UI)”，或者直接创建.vscode/c_cpp_properties.json：

{ "configurations": [ { "name": "Linux", "includePath": [ "${workspaceFolder}/**" ], "defines": [], "compilerPath": "/usr/bin/gcc", "cStandard": "c17", "cppStandard": "c++17", "intelliSenseMode": "linux-gcc-x64" } ], "version": 4 }

这个文件告诉 C/C++ 插件：编译器在/usr/bin/gcc，头文件搜索路径包含工作区所有子目录，C 标准用 C17，C++ 标准用 C++17。这样补全和跳转就能正常工作。

3.3 配置编译任务

创建.vscode/tasks.json，定义一个编译任务：

{ "version": "2.0.0", "tasks": [ { "label": "build", "type": "shell", "command": "/usr/bin/gcc", "args": [ "-g", "${file}", "-o", "${fileDirname}/${fileBasenameNoExtension}" ], "group": { "kind": "build", "isDefault": true }, "problemMatcher": ["$gcc"] } ] }

按Ctrl+Shift+B就会编译当前打开的 C 文件，生成同名的可执行文件。-g参数保留调试信息，后面 GDB 调试需要它。

3.4 配置调试

创建.vscode/launch.json：

{ "version": "0.2.0", "configurations": [ { "name": "Debug C", "type": "cppdbg", "request": "launch", "program": "${fileDirname}/${fileBasenameNoExtension}", "args": [], "stopAtEntry": false, "cwd": "${fileDirname}", "environment": [], "externalConsole": false, "MIMode": "gdb", "miDebuggerPath": "/usr/bin/gdb", "setupCommands": [ { "description": "Enable pretty-printing for gdb", "text": "-enable-pretty-printing", "ignoreFailures": true } ], "preLaunchTask": "build" } ] }

这个配置做了几件事：指定要调试的程序路径、工作目录、使用 GDB 作为调试器、在启动前先执行build任务。按 F5 就能编译并进入调试，可以打断点、单步、查看变量。

3.5 接入 TaoToken 统一 Key 做 AI 补全

VScode 里做 AI 补全，可以用 Continue 插件或者 Cline 插件。这里以 Continue 为例，因为它配置简单，支持自定义 API 端点。

在 VScode 扩展市场搜索 “Continue” 并安装。安装后，在侧边栏打开 Continue，点击设置图标，编辑配置文件。Continue 的配置文件通常位于~/.continue/config.json（在 WSL 里）。你可以直接编辑：

{ "models": [ { "title": "TaoToken", "provider": "openai", "model": "gpt-4o-mini", "apiBase": "https://taotoken.net/api", "apiKey": "你的TaoToken Key" } ], "tabAutocompleteModel": { "title": "TaoToken Autocomplete", "provider": "openai", "model": "gpt-4o-mini", "apiBase": "https://taotoken.net/api", "apiKey": "你的TaoToken Key" } }

这里的关键是三个东西：Base URL填https://taotoken.net/api，API Key填你在 TaoToken 控制台创建的 Key，Model ID填你想用的模型，比如gpt-4o-mini或者claude-3-5-sonnet等。TaoToken 的模型列表可以在控制台查看。

如果你用的是 Cline 插件，配置方式类似，在设置里选择 “OpenAI Compatible”，然后填 Base URL、Key、Model ID。

Key 的获取方式：访问 https://taotoken.net/api-keys ，登录后创建一个新的 API Key，复制出来填到配置里。注意不要把这个 Key 提交到公开仓库。

4. 验证请求：一个最小 C 程序跑通编译、调试与补全

4.1 写一个最小 C 程序

在 WSL 里创建目录和文件：

mkdir -p ~/projects/cdemo cd ~/projects/cdemo vim hello.c

输入以下代码：

#include <stdio.h> int add(int a, int b) { return a + b; } int main(void) { int x = 3; int y = 4; int sum = add(x, y); printf("sum = %d\n", sum); return 0; }

保存退出。在 VScode 里打开这个文件夹（如果还没打开的话），按Ctrl+Shift+B编译。如果一切正常，终端会输出编译成功的信息，目录下出现hello可执行文件。

运行：

./hello

输出sum = 7。

4.2 验证调试

在int sum = add(x, y);这一行左侧点击，打一个红点断点。按 F5 启动调试。程序会在断点处停下，左侧变量面板能看到x、y的值，按 F10 单步执行，能看到sum被赋值。按 F5 继续，程序输出结果并退出。

如果调试器报错说找不到gdb，检查miDebuggerPath是否指向/usr/bin/gdb，以及是否在 WSL 里装了gdb。

4.3 验证 AI 补全

在hello.c里新起一行，输入int mul，稍等片刻，Continue 或 Cline 应该会给出补全建议，比如int multiply(int a, int b)的完整函数框架。按 Tab 接受补全。

如果补全没反应，打开 Continue 的输出面板看日志。常见问题是 API Key 填错、Base URL 少了/api、或者模型名写错。TaoToken 的 API 是 OpenAI 兼容格式，所以provider选openai即可。

你也可以在 Continue 的聊天框里直接问：“帮我写一个 C 语言的冒泡排序”，看它是否能正常返回代码。如果能返回，说明 TaoToken 通道已经通了。

5. 本篇常见错排查：401、local proxy failed、reading choices、OAuth 报错对照

5.1 401 Unauthorized

这是最常见的错误，意思是 API Key 无效或没传。检查三处：

• Continue 配置里的apiKey是否填了正确的 TaoToken Key，有没有多余空格。
• Key 是否已经过期或被删除，去 https://taotoken.net/api-keys 确认。
• 请求头是否正确。TaoToken 兼容 OpenAI 格式，Continue 会自动加Authorization: Bearer <key>，一般不用手动改。

如果还是 401，试着用 curl 直接测一下：

curl https://taotoken.net/api/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer 你的Key" \ -d '{ "model": "gpt-4o-mini", "messages": [{"role": "user", "content": "hello"}] }'

如果 curl 能返回结果，说明 Key 和 Base URL 没问题，问题在插件配置。如果 curl 也 401，那就是 Key 本身的问题。

5.2 local proxy failed

这个错误通常出现在插件试图通过本地代理转发请求时。检查：

• 是否在 VScode 设置里配了http.proxy，如果有，清空它。
• Continue 配置里是否有proxy字段，删掉。
• WSL 里的环境变量http_proxy、https_proxy是否指向了一个不可用的地址。用env | grep -i proxy查看，如果有，unset掉。

TaoToken 的 API 是直接可访问的，不需要额外代理。所以任何代理配置都可能导致local proxy failed。

5.3 reading choices 报错

这个错误一般出现在流式响应解析时，插件期望的 JSON 结构和实际返回的不一致。可能原因：

• 模型名写错了，TaoToken 返回了一个错误对象，而不是正常的 choices 数组。检查model字段是否在 TaoToken 支持的模型列表里。
• Base URL 写成了https://taotoken.net/api但实际需要https://taotoken.net/api/v1。Continue 的apiBase填https://taotoken.net/api即可，它会自动补/v1。如果你用的是其他插件，可能需要填完整路径。可以先试https://taotoken.net/api，不行再试https://taotoken.net/api/v1。

5.4 OAuth 相关报错

如果你在插件里选择了 “Sign in with OAuth” 之类的选项，可能会报 OAuth 错误。TaoToken 用的是 API Key 认证，不需要 OAuth。所以在插件里选择 “API Key” 或 “OpenAI Compatible” 模式，不要选 OAuth 登录。

5.5 编译时报 “cannot find -lstdc++”

如果你写的是 C++ 程序，但用gcc编译，会报这个错。改用g++：

g++ -g main.cpp -o main

或者在tasks.json里把command改成/usr/bin/g++。

5.6 调试时断点不生效

检查编译时是否加了-g参数。没有-g，GDB 找不到调试符号，断点就不会停。另外确认launch.json里的program路径和实际生成的可执行文件路径一致。

6. 把这套环境用起来：TaoToken 统一 Key 的日常开发接入

环境搭好之后，日常开发流程就是：打开 VScode，连接到 WSL，打开项目文件夹，写代码，按Ctrl+Shift+B编译，按 F5 调试，AI 补全在后台默默工作。

TaoToken 的价值在于，你不需要为每个 AI 工具单独申请 Key。Continue、Cline、甚至你在终端里用的 AI 命令行工具，都可以填同一个 Base URL 和 Key。模型也可以随时切换，今天用gpt-4o-mini做补全，明天想试试claude-3-5-sonnet写复杂逻辑，改一下配置里的model字段就行，不用重新注册账号。

如果你后面想用 Claude Code 或者 Codex 这类命令行 AI 编码工具，也是同样的三件套：Base URL 填https://taotoken.net/api，Key 填 TaoToken 的 Key，Model ID 填你想要的模型。具体接入文档可以参考 https://taotoken.net/doc 。

对于长期写代码、跑 Agent 任务的场景，TaoToken 也有 Coding Plan 可以了解：https://taotoken.net/coding-plan 。它适合需要稳定、大量调用模型的开发者，比按次计费更划算。

最后提醒一点：API Key 不要硬编码在会提交到 Git 的文件里。Continue 的配置文件在~/.continue/config.json，这个路径在 WSL 的用户目录下，一般不会被提交。但如果你把配置放在项目目录里，记得加.gitignore。

整套流程走下来，你应该能在 Windows 上拥有一个响应快、资源占用低、调试方便、还带 AI 补全的 Linux C/C++ 开发环境。WSL 负责提供 Linux 运行时，VScode 负责编辑和调试，TaoToken 负责统一 AI 能力入口。三者各司其职，用起来很顺。