Continue 不是一个只会"聊天"的 AI 工具。它把 AI 能力拆成了四种不同的交互模式，每种模式针对不同的开发场景。用对了模式，效率差距非常大。
Chat 模式：你的编程对话伙伴
按 Ctrl+L 打开侧边栏 Chat。它不只是一个问答框——你可以直接引用项目里的文件、代码片段、甚至终端输出作为上下文。
Context Provider 是 Chat 的灵魂。在输入框里打 @，就能调用各种上下文：
| 上下文 | 用法 | 场景 |
|--------|------|------|
| @file | 引用项目里的任意文件 | "参考 @utils.ts 给我写一个类似的 helper" |
| @terminal | 引用终端最近的输出 | "看看 @terminal 里的报错，帮我分析原因" |
| @url | 抓取一个网页的内容 | "参考 @https://docs.xxx.com/api 写个请求" |
| @problems | 引用 IDE 里的 Problems 面板 | "修复 @problems 里所有的 TypeScript 错误" |
| @git-diff | 引用当前的 git diff | "给这个 @git-diff 写一段 commit message" |
一个实际的工作流：你在做 code review，看到一段不太理解的逻辑。选中那段代码，按 Ctrl+L，代码自动带入 Chat，然后问"这段代码的时间复杂度是多少？有没有更优的写法？"——比切到浏览器去查高效得多。
Autocomplete 模式：无感知的代码补全
Continue 的 Tab Autocomplete 和 GitHub Copilot 的体验几乎一样：你打字的时候，灰色的补全建议会自动出现，按 Tab 接受。
但 Continue 的优势在于模型可选。你可以用云端的 Claude 做补全（质量高但有延迟），也可以用本地的小模型（比如 Qwen 2.5 Coder 3B）做补全（几乎零延迟）。我个人的最佳实践是用本地模型做 Autocomplete，用云端大模型做 Chat 和 Agent。
在 config.yaml 里针对 autocomplete 的精细调参：
models:
- name: Starcoder Local
provider: ollama
model: starcoder2:3b
roles:
- autocomplete
defaultCompletionOptions:
temperature: 0.2
maxTokens: 256温度（temperature）建议设低一点（0.1-0.3），补全代码要的是确定性，不是创意。
Edit 模式：精准的代码手术刀
选中一段代码，按 Ctrl+I，输入自然语言指令，Continue 会直接在编辑器里 inline 修改那段代码。这是我用得最多的功能——比 Chat 更快，因为不需要来回复制粘贴。
典型用法：
- 选中一个函数 →
Ctrl+I→ "加上 try-catch 错误处理" - 选中一段 CSS →
Ctrl+I→ "改成 dark mode 配色" - 选中一个类 →
Ctrl+I→ "把所有方法改成 async"
Edit 模式会直接在文件里显示 diff，你可以 Accept 或 Reject 每一处修改。
Agent 模式：让 AI 自己干活
Agent 模式是 Continue 2025-2026 年的重点方向。在 Chat 面板里切换到 Agent 模式，AI 就从"回答问题"变成了"执行任务"——它可以：
1. 读取和搜索项目文件 2. 修改多个文件的代码 3. 在终端里执行命令 4. 使用 MCP 工具连接外部服务
Agent 会自己制定计划、逐步执行，遇到需要权限的操作会先问你。
MCP 工具集成是 Agent 模式的扩展接口。MCP（Model Context Protocol）让 AI 可以调用外部工具——数据库查询、浏览器操作、API 调用等。配置一个 MCP 服务器：
mcpServers:
- name: github
command: npx
args: ["-y", "@modelcontextprotocol/server-github"]
env:
GITHUB_TOKEN: ghp_xxxxxxxxxxxx配好之后，Agent 就能直接操作你的 GitHub 仓库——搜索 issue、读 PR、提交代码，不需要你切到浏览器。
实战技巧：组合使用四种模式
处理一个 bug 的高效流程：
1. Chat 模式 + @terminal：把报错信息丢给 AI，让它分析根因
2. AI 指出是 src/api/handler.ts 第 47 行的问题
3. Edit 模式：选中那段代码，Ctrl+I，让 AI 直接修
4. Autocomplete：修好之后继续写相关的单元测试，Tab 补全加速
5. Agent 模式：让 AI 跑一遍测试、检查有没有其他地方有类似问题
四种模式不是割裂的，而是一个连贯的工作流。理解每种模式的适用场景，是高效使用 Continue 的关键。
