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：
- 读取和搜索项目文件
- 修改多个文件的代码
- 在终端里执行命令
- 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：
- Chat 模式 +
@terminal：把报错信息丢给 AI，让它分析根因 - AI 指出是
src/api/handler.ts第 47 行的问题 - Edit 模式：选中那段代码，
Ctrl+I，让 AI 直接修 - Autocomplete：修好之后继续写相关的单元测试，Tab 补全加速
- 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。