为什么我们对面向工程团队的提示缓存感到兴奋

Anthropic 推出的提示缓存（也称为上下文缓存）紧随 DeepSeek 和 Google 等提供商的类似产品，并且最近引起了广泛关注。在 Continue，我们对它对工程团队的潜在影响特别兴奋，因为提示缓存可以显着降低成本

Continue 成立一周年快乐！

回顾 Continue 的第一年 就在一年多前，我们在 Hacker News 上推出了 Continue。自那时以来，Continue 社区已初具规模并大幅发展：* 在 VS Code 和 JetBrains 扩展中的下载量超过 30 万 * GitHub 上的星标超过 1.4 万，Discord 成员超过 5000 人，贡献者超过 140 人 * 许多

评估 AI 代码助手的框架

在与用户的数百次交流中，我们听到了许多关于他们对一个优秀的 AI 代码助手的需求。在这篇文章中，我们将分享一套标准，这些标准代表了我们发现的公司最关心的方面，尤其是在他们有了运行的经验之后

新闻通讯

Continue 新闻通讯：2024年8月更新

Continue 更新 🦙 Llama 3.1 (8b, 70b, 405b) 终于来了！它可以在 Continue 中与 Groq、Ollama、LM Studio、Together AI、Fireworks、Replicate 和其他提供商一起使用 📕 改进的 @docs 管理和索引使这一核心功能更加可靠 🧠 @codebase 检索和本地索引的升级带来了

新闻通讯

Continue 新闻通讯：2024年7月更新

Continue 更新 🐋 Continue 现在支持 Claude 3.5 Sonnet（我们新的代码编写 #1 商业 LLM）和 DeepSeek Coder v2（我们新的代码编写 #1 开源权重 LLM）🚦现在可以轻松切换不同的模型进行自动补全，并且您应该会注意到嘈杂度大幅降低

编辑器内部完全开源的 AI 代码助手

这最初是 Ollama 博客上的一篇客座文章，介绍了如何设置、探索和找出一起使用 Continue 和 Ollama 的最佳方式。Continue 使您能够使用开源 LLM 轻松地在 Visual Studio Code 和 JetBrains 内部直接创建自己的编码助手。所有

新闻通讯

Continue 新闻通讯：2024年6月更新

Continue 更新 🐝 我们与 Mistral AI 合作于五月发布了他们的最新模型 Codestral！按照此演练开始使用它，并在此阅读更多关于如何通过 Ollama 试用它的信息 🎧 我们听到了很多关于将当前打开的文件用作上下文的请求，

Codestral x Continue

我们很高兴分享，我们已与 Mistral AI 合作发布了他们的最新模型 Codestral！0:00 /0:19 1× Codestral 经过超过 80 种编程语言的训练，并专为填空和代码补全等编码任务定制。事实上，我们对 Codestral 的早期测试

新闻通讯

Continue 新闻通讯：2024年5月更新

Continue 更新 🌠 我们的开源 VS Code 和 JetBrains 扩展在 GitHub 上星标突破 1 万 🦙 Llama 3 8B 和 70B（其能力可与大得多的模型媲美）以及具有 1,000,000 token 上下文长度的 Gemini 1.5 Pro 已在 Continue 中可用 🤠 Continue 的代码库

如何衡量 AI 软件开发系统的影响

通过 AI 软件开发系统赋能您的开发者，他们可以使用它来自动化更多任务，这将改善您组织中开发者的工程成果和生活质量。例如，ML 增强的代码补全已被证明可以提高 Google 和 GitHub 的开发者生产力。下面我们将

新闻通讯

Continue 新闻通讯：2024年4月更新

Continue 更新 🔴 VS Code 中 cmd/ctrl+I 的重大改进：所有模型更好的提示、更容易撤销更改、逐个接受/拒绝、更清晰的差异等 🟡 个人使用分析！Continue 现在在本地跟踪您每天生成的 token，因此您可以按天和按

如何改进您从 LLM 获取的代码建议？

Josh Collinsworth 几周前写了一篇题为“我担心我们的 Copilot 会丢下一些乘客”的文章，我一直在思考它，特别是这一段：“为什么我们应该仅仅接受 LLM 工具不仅 未能 至少给我们带来

新闻通讯

Continue 新闻通讯：2024年3月更新

Continue 更新 ❤️ 我们的开源本地 Tab 自动补全功能于二月进入 Beta 阶段 🌊 有许多新模型可以尝试，如 Gemma 7B、Mistral Large、StarCoder2 等 🌲 @rootedbox 和 @NinjaPerson24119 构建了 Postgres / 数据库上下文提供商 ✨ @theBenForce 为 Jira 问题贡献了另一个很棒的上下文提供商 🚒 JetBrains 扩展共享了大部分

新闻通讯

Continue 新闻通讯：2024年2月更新

Continue 更新 🐋 新上下文提供商：@directory 使用 RAG 查找相关文件，@problems 向 LLM 显示打开文件中的任何 lint 警告，@docs 抓取并索引文档页面 🚌 本地代码库 embeddings 已回归，支持多种 embeddings 提供商，包括 transformers.js、OpenAI、Ollama 和 Together embeddings

新闻通讯

Continue 新闻通讯：2024年1月更新

Continue 更新 🐍 不再需要 Continue Python 服务器，因此扩展现在总是立即可用 🚒 cmd/ctrl+shift+l 使您能够在 VS Code 中无需打开侧边栏即可进行快速编辑（即逐行流式传输编辑，无需并排差异）〽️ 内联上下文提供商，允许文件，

新闻通讯

Continue 新闻通讯：2023年12月更新

Continue 更新 🐥 使用 config.json 简化了模型和提供商设置体验 📗 使用 /so 自动将 Stack Overflow 搜索结果包含在 LLM 的上下文 中 🦙 使用 llamafile 作为提供商，在 Continue 中轻松运行本地开源模型 ⭐ Continue 仓库在 GitHub 上星标突破 5000

LLM 对 Python 很有帮助，但其他编程语言呢？

最近，许多人声称他们的 LLM 在编码方面是最好的。他们的主张通常基于 HumanEval 基准上的自评结果。但当您深入研究该基准时，您会发现它只包含 164 个 Python 编程问题。这让我深入探究了

我们的使命是让软件开发感觉像创作音乐

我们相信大型语言模型 (LLM) 提供了新的机会 让软件开发感觉像创作音乐。当开发者的工作感觉像在篝火旁弹奏吉他、跟着收音机唱歌或在 GarageBand 中试验节拍时，他们会表现出色——而不是在艰难地通过

代码库检索的准确性限制是什么？

为了自动确定您代码库中最重要的上下文，我们刚刚发布了 Continue 代码库检索功能的 v1 版本。您可以提出诸如“我在哪里向服务器添加一个新的端点？”、“哪些脚本用于构建此项目？”或“我在哪里”之类的问题

如何在编码时使用大型语言模型

为什么要在编码时使用 LLM 有史以来第一次，无需自己编写任何代码即可构建软件，尽管如果字面理解，这目前仅限于小的“从头开始”的项目。另一方面，LLM 通常太慢，无法用于

新闻通讯

Continue 新闻通讯：2023年11月更新

Continue 更新 🧇 JetBrains 扩展已正式发布到商店——它仍在进行 Alpha 测试，但已与 VS Code 达到完全功能对等 🔍 代码库检索现已在 VS Code 预发布版本中可用，它允许您通过 cmd+enter“与您的代码库对话”

调整 LLM 预设仍然有必要吗？温度、惩罚和采样方案的历史追溯

🧪TL;DR: 预设包含了一些旋钮，您可以在响应不符合您的期望时使用它们来塑造 LLM 的行为。当 LLM 没有那么大时，它们更必要，但如今仍然可能很重要。简介 现在，每个大型语言模型 (LLM) 大致都带有

面向软件工程师的代码 LLM 基准介绍

基准被研究人员用来评估和比较 LLM 的相对性能。尽管没有比亲自尝试 LLM 并在编码时找出最适合您的 LLM 更好的替代方法，但基准和受欢迎度排名可以帮助确定哪些 LLM 值得尝试。截至十月

如何为您的开发团队部署一个开源代码 LLM

为您的团队正确部署开源代码 LLM 可能很困难。您需要：* 找到一种足够私密和安全的部署方法 * 在需要时始终获得所需的 GPU * 确保您选择的 LLM 在这些 GPU 上可靠地工作 * 在保持

精选

使用哪种 LLM？来自 DevAI 领域的视角

鉴于 DevAI 领域（大型语言模型 (LLM) 帮助开发者构建软件的社区简称）事物发展如此之快，弄清楚使用哪种模型可能具有挑战性。我们根据作为一部分的经验创建了这个仓库