Mac で VS Code、Continue、Ollama + Qwen2.5-Coder を使用して無料のローカル AI プログラミングアシスタントを構築。コメント。Windows PCでも16GB VRAM Graphic Board搭載のPCでも実現不可能なら、MACとWindowsとSONY PS6の4Ｋ 120FPSとDirectXとDSDやMQAやAuro-CXなどの3DCG技術＆AUDIOやメインフレーム機能も融合して、TRON＆LINUXの24時間365日 ミッションクリティカル ノンストップサーバー対応な融合カーネルで動く新型PCを研究して開発して欲しい。

VS Code、Continue、Ollama、そして Qwen2.5-Coder を組み合わせたローカル AI 環境の構築について、最適な Mac の種類とグラフィックボード（GPU）の扱いについて回答します。

1. 推奨される Mac の種類

Apple シリコン（M1, M2, M3, M4 シリーズ）を搭載した Mac が最適です。 

• 推奨モデル: MacBook Pro や Mac mini、Mac Studio など、Apple シリコン搭載機。
• 理由: Apple シリコンは「ユニファイドメモリ」を採用しており、CPU と GPU が同じ高速メモリを共有します。これにより、AI モデルの実行に不可欠なビデオメモリ（VRAM）としてメインメモリをそのまま活用できるため、ローカル LLM の実行において非常に強力なパフォーマンスを発揮します。
• 重要なスペック: モデルのサイズによりますが、メモリ（RAM）は 16GB 以上、可能であれば 32GB 以上が推奨されます。
  • 1.5B 程度の軽量モデルなら 8GB でも動作しますが、Qwen2.5-Coder の 7B 以上のモデルを快適に動かすには 16GB 以上が望ましいです。 

2. グラフィックボード（GPU）の交換について

Mac ではグラフィックボードの交換や後付けはできません。

• 一体型構造: Apple シリコン搭載 Mac は、GPU がチップ（SoC）内に組み込まれており、後から物理的に交換することは不可能です。
• eGPU（外付け GPU）: かつての Intel Mac では eGPU が使えましたが、Apple シリコン搭載 Mac は eGPU に対応していません。
• 対策: 購入時のスペック（特にメモリ容量）が AI の処理能力に直結するため、後から強化することができません。最初からメモリを多めに積んだモデルを選ぶことが、ローカル AI 環境構築の最大のポイントとなります。 

3. 環境構築のヒント

• Ollama: Mac 用の Ollama をインストールするだけで、Qwen2.5-Coder などのモデルを簡単にダウンロード・実行できます。
• Continue: VS Code の拡張機能として Continue を追加し、設定ファイル（config.json）で Ollama を指定すれば、すぐに AI アシスタントとして利用可能です。
• Metal 加速: Ollama は Apple のグラフィックス API である「Metal」を標準でサポートしているため、特別な設定なしで Apple シリコンの GPU パワーを最大限に引き出せます。
• ーーー
• 2026年最新のMAC　MINIのユニファイドメモリか、MacPro A1481 /Intel Xeon E5 /64GB メモリ/SSD:500GB/AMD FirePro D300 グラフィックカード/Mac OS搭載 の様な少し古いMAC　PROのグラフィックボードをVRAM16GBの物に交換しても、 VS Code、Continue、Ollama + Qwen2.5-Coder を使用して無料のローカル AI プログラミングアシスタントを構築して運用、実用に耐えると思いますか？

  結論からいきます👇
  👉 2026年時点では「Mac mini（Apple Silicon＋ユニファイドメモリ）」が圧倒的に有利です。
  👉 古いMac Pro改造は「動くけど実用レベルはかなり厳しい」です。

  ---

  🧠 前提（あなたの構成）

  • VS Code + Continue
  • Ollama
  • Qwen2.5-Coder（ローカルLLM）

  👉 これはGPU性能＋メモリ帯域＋VRAM量が超重要です

  ---

  🔥 結論比較（超重要）

  ① Mac mini（M系・ユニファイドメモリ）

  • CPU + GPU + メモリが一体化
  • VRAMという概念がなく全部GPUに使える
  • メモリ帯域が異常に高速（100〜800GB/s）

  👉 ローカルAIに最適

  ---

  ② Mac Pro（A1481 + Xeon + FirePro）

  • CPUとGPUが分離
  • VRAMはGPUに依存（例：16GB）
  • メモリ帯域が遅い（DDR3世代）
  • GPUも古い（RDNA以前）

  👉 AI用途では不利すぎる

  ---

  ⚖️ 実用性の分岐ライン

  Mac mini（例：M2 / M3 / M4系）

  • 16GB → 軽量モデルOK（7B）
  • 32GB → 実用レベル（14B）
  • 64GB以上 → ほぼ快適（32Bも可）

  👉 Ollama + Qwen2.5-Coder → 普通に実務可能

  📊 Apple SiliconはローカルLLM実行でも実用域に達している研究あり
  

  ---

  Mac Pro改造（VRAM16GB）

  • 7B → 動く（遅い）
  • 14B → ギリギリ（かなり遅い）
  • 32B → ほぼ無理

  👉 Continueでのリアルタイム補完は厳しい

  ---

  🚨 致命的な違い

  💣 メモリ構造

  Mac mini

  • 例：32GB → 全部GPUに使える
  • KVキャッシュも高速

  Mac Pro

  • RAM（64GB）→ CPU用
  • VRAM（16GB）→ GPU用

  👉 AIはVRAMに依存するので詰む

  ---

  💣 GPU性能

  Mac mini（M3/M4）

  • Metal最適化
  • Ollamaネイティブ対応
  • 推論効率が高い

  FirePro D300系

  • 古すぎる
  • AI最適化なし
  • Metalも弱い

  ---

  💻 実運用イメージ

  Mac mini（32GB以上）

  • Continueで補完 → サクサク
  • Ollama → 数秒応答
  • コード生成 → 実用

  👉 Claude Code代替になるレベル

  ---

  Mac Pro改造

  • 補完 → もっさり
  • 推論 → 数十秒〜
  • ストレス大

  👉 実務は厳しい

  ---

  🧠 あなたの用途なら最適解

  あなたは👇

  • SaaS開発（Rust / Next.js）
  • ローカルAI統合
  • 無料運用志向

  👉 なので最適はこれ👇

  ---

  🏆 最適構成（2026）

  ✅ Mac mini（またはStudio）

  • M3 / M4系
  • 最低32GB（できれば64GB）

  ＋

  • Ollama
  • Qwen2.5-Coder
  • Continue

  👉 完全ローカルAI開発環境が成立

  ---

  💡 もしMac Proを使うなら

  正直おすすめしませんが…

  • eGPU（非対応多い）
  • Linux化
  • CUDA環境（NVIDIA）

  👉 ここまでやってやっと戦えるレベル

  ---

  🚀 最終判断

  ✔ Mac mini
  👉 実用・快適・将来性あり

  ❌ 古いMac Pro改造
  👉 趣味・検証レベル

  ---

  ⚡ 重要な一言

  👉 AI開発は「VRAM量」ではなく「メモリ帯域」が勝負です

  Apple Siliconはここが桁違いです。

  ---

  必要なら👇
  👉 「最強コスパ構成（予算別）」
  👉 「Qwen2.5の最適モデルサイズ」
  👉 「Continue設定テンプレ」

  全部具体的に組みますよ 👍
  全部お願い

  了解です。
  👉 「完全ローカルAI開発環境（無料・実務レベル）」をゼロから完成形まで一気に作れる設計を出します。

  ---

  🚀 全体像（あなたの最終ゴール）

  VS Code
    ↓
  Continue（AI補完）
    ↓
  Ollama（ローカルLLM）
    ↓
  Qwen2.5-Coder（コード生成）
  

  👉 これで
  Claude Code / Cursor相当を“無料ローカル”で再現

  ---

  🧠 ① 最適ハード構成（2026確定版）

  🏆 ベスト構成

  • Mac mini (M4)
  • メモリ：32GB以上（重要）

  理由（データベース級に重要）

  • ユニファイドメモリ＝VRAM扱い
    👉 32GB全部がAIに使える
  • メモリ帯域：
    • M4 → 約120GB/s
    • M4 Pro → 約273GB/s

  👉 AIは帯域＝速度

  ---

  🎯 実用ライン

  メモリ	できること
  16GB	7B（軽量）
  24GB	14Bギリ
  32GB	✅ 実務OK
  64GB	🚀 快適（30B級）

  👉 32GB以上で「仕事に使えるAI」になる

  ---

  🧠 ② モデル選定（最重要）

  🏆 コードAI最強（ローカル）

  • Qwen2.5-Coder

  サイズ別おすすめ

  モデル	用途	評価
  1.5B	補完	超高速
  7B	メイン	🔥最適
  14B	重め開発	強い
  32B	大規模設計	上級者

  👉 7Bで十分実務可能（2026時点）

  ---

  ⚙️ ③ セットアップ完全手順

  ① Ollama

  brew install ollama
  ollama serve
  

  ---

  ② モデル導入

  ollama pull qwen2.5-coder:7b
  

  軽量版👇

  ollama pull qwen2.5-coder:1.5b
  

  ---

  ③ VS Code

  • Visual Studio Code

  ---

  ④ Continue（最重要）

  • Continue

  ---

  ⑤ Continue設定（コピペOK）

  {
    "models": [
      {
        "title": "Qwen2.5",
        "provider": "ollama",
        "model": "qwen2.5-coder:7b"
      }
    ],
    "autocompleteModel": {
      "provider": "ollama",
      "model": "qwen2.5-coder:1.5b"
    }
  }
  

  ---

  ⚡ ④ 実運用パターン（ここが本質）

  💡 分離運用（超重要）

  用途	モデル
  補完	1.5B
  コード生成	7B
  設計	14B

  👉 これで爆速＋高精度

  ---

  🚀 ⑤ 開発ワークフロー（あなた向け最適化）

  あなたの構成👇

  • Rust（Axum）
  • Next.js
  • WunderGraph
  • CockroachDB

  👉 最適フロー👇

  ---

  🔥 開発ループ

  ① 要件を書く
  ② Continueに貼る
  ③ コード生成
  ④ 実行
  ⑤ エラー貼る
  ⑥ 自動修正
  

  👉 Claude Codeと同じ構造

  ---

  🧠 ⑥ 実際の性能感

  Mac mini（32GB）

  • 7Bモデル
    👉 20〜50 tokens/sec
  • 体感
    👉 「人間より速い」

  ---

  Mac mini（32GB）実例

  • Qwen2.5 7B → 即レスポンス
  • 20B級 → 動作可能

  ---

  ⚠️ ⑦ NG構成（やらない方がいい）

  ❌ 古いMac Pro改造

  • VRAM16GB → 小さすぎ
  • DDR3 → 遅い
  • GPU → AI非最適

  👉 Continueがストレスになる

  ---

  🧠 ⑧ 上級チューニング（重要）

  🔧 Ollama最適化

  OLLAMA_NUM_PARALLEL=4
  OLLAMA_MAX_LOADED_MODELS=2
  

  ---

  🔧 高速化

  • quantization：Q4_K_M
  • context：4096〜8192

  ---

  🏆 最終結論（2026）

  👉 あなたの理想構成はこれ

  Mac mini（M4 / 32GB or 64GB）
  ＋
  Ollama
  ＋
  Qwen2.5-Coder
  ＋
  Continue
  

  ---

  ⚡ 一言でいうと

  👉 「Mac miniはローカルAI専用機として完成している」

  ---

  🎯 次やるといい（ここから差がつく）

  希望あれば👇

  • SaaS開発用「AI自動生成テンプレ」
  • Rust + Axum 自動生成プロンプト
  • Next.js UI自動生成構成
  • 完全自動エージェント化（AutoDev）

  👉 全部“実戦レベル”で組めます。

ーーー

URLはこちら

Mac で VS Code、Continue、Ollama + Qwen2.5-Coder を使用して無料のローカル AI プログラミングアシスタントを構築2024年9月23日

Table of Contents

最近 Cursor というプログラミングツールが非常に人気を集め、多くの開発者の注目を浴びています。しかし、Cursor は強力な機能を持っているものの、その高額な価格が多くの個人開発者や小規模チームにとっては手が届きにくいものとなっています。また、Cursor のようなツールはクラウドベースの大規模モデルに依存しており、プライバシーを重視する人々は、ローカルで動作する大規模モデルのソリューションを望んでいます。これらの理由から、この記事では Mac ユーザー（できれば M シリーズチップを搭載した高性能なコンピュータが推奨）向けに、VS Code、Continue プラグイン、Ollama Qwen2.5-Coder を使用したローカルオープンソースソリューションを紹介し、低コストで AI プログラミングアシスタントの強力な機能を体験できる方法をお伝えします。

システム環境

macOS Sonoma 14.6.1

VSCode 1.93.1

Continue 0.8.52

Ollama 0.3.11

1. VS Code ダウンロード&設定

VS Code 概要

Visual Studio Code は、軽量ながら強力なソースコードエディタで、デスクトップ上で動作し、Windows、macOS、Linux システムをサポートしています。JavaScript、TypeScript、Node.js のサポートが組み込まれており、C++、C#、Java、Python、PHP、Go、.NET などの他の言語やランタイム環境をサポートする豊富な拡張エコシステムを持っています。

VS Code は公式サイトからダウンロードできます[3]。

ダウンロードリンク：

https://code.visualstudio.com/

VS Code+CLang 環境設定

ここでは C++ を使用してデモを行い、以下の公式チュートリアルに従って VSCode+CLang 環境を設定しました：

https://code.visualstudio.com/docs/cpp/config-clang-mac

例えば、ここでは C/C++ Extension Pack をインストールして、C++ 関連のプラグインをすべてインストールしました。

インストールと設定のチュートリアルはこちらを参照：

https://marketplace.visualstudio.com/items?itemName=ms-vscode.cpptools-extension-pack

もちろん、必要な言語環境を設定することもできますが、この記事の主題ではないため、ここでは詳しく説明しません。

2. Ollama + Qwen2.5 Coder ダウンロード&設定

2.1 Ollama 概要

Ollama は、大規模言語モデルのローカルデプロイと使用を簡素化することを目的としたオープンソースプロジェクトです[4]。主な特徴は以下の通りです：

Llama 2、CodeLlama、Qwen などの人気のあるオープンソース AI モデルをサポート。

シンプルなコマンドラインインターフェースを提供し、モデルのダウンロード、実行、管理が容易。

カスタムモデルやパラメータ調整をサポートし、特定のニーズに対応可能。

ローカルでの実行パフォーマンスが最適化されており、個人のコンピュータでも大規模言語モデルをスムーズに実行可能。

API インターフェースを提供し、他のアプリケーションとの統合が容易。

紹介サイト：

https://ollama.com/

2.2 Qwen2.5-Coder 概要

Qwen2.5-Coder は、通義千問チームが開発した高度な AI プログラミングアシスタントで、1.5B、7B、そして今後リリース予定の 32B の 3 つのモデル規模を提供しています。128K トークンのコンテキスト長と 92 種類のプログラミング言語をサポートし、5.5T トークンの大規模なトレーニングデータにより、コード生成、推論、修正能力が大幅に向上しています。7B バージョンは多くの評価でより大規模なモデルを上回り、現在最も強力な基盤コードモデルの一つとなっています。Qwen2.5-Coder はプログラミングだけでなく、数学や一般的な能力にも優れています。指示微調整された Qwen2.5-Coder-Instruct バージョンは、多言語プログラミングや複雑な指示の遵守能力をさらに強化しています。Apache 2.0 ライセンスを採用し、コードインテリジェンス分野の応用とイノベーションを加速することを目指しています。[1]

このモデルは、ローカルで実行したいモデルであり、この記事では後ほど Qwen2.5-Coder-Instruct を使用して実例を示します。

モデル紹介ページ：

https://qwenlm.github.io/blog/qwen2.5-coder/

紹介からわかるように、ほとんどのオープンソースモデルよりも優れたパフォーマンスを発揮しています：

Hugging Face で簡単に体験することもできます：

https://huggingface.co/spaces/Qwen/Qwen2.5-Coder-7B-Instruct

2.3 Ollama ダウンロードとインストール

Ollama の場合、Mac ユーザーは公式サイトにアクセスしてダウンロードとインストールを行います：

https://ollama.com/

解凍後の Qllama.app をダブルクリックし、手順に従って ollama コマンドラインツールをインストールします：

2.4 Ollama と Qwen2.5-Coder-Instruct などのモデルの設定

Chat 機能モデル：Qwen2.5-Coder-Instruct 7B

このモデルの詳細は以下のページを参照：

https://ollama.com/library/qwen2.5-coder

ターミナルを開き、以下のコマンドを実行して Qwen2.5-Coder-Instruct 7B および 1.5B モデルをダウンロードします。この記事の公開時点では 7B モデルのみが選択可能で、より強力なモデルはまだ公開されていませんが、後で変更することも可能です：

まず、Chat ウィンドウの指示対話用に 7B モデルをダウンロードします。このモデルは少し遅いですが、数十から数百Bのモデルに比べて、ほとんどのローカルコンピュータで動作可能です：

ollama pull qwen2.5-coder:7b-instruct

次に、4.7G のファイルをダウンロードします。時間がかかりますが、成功すると以下のような画面が表示されます：

Autocomplete 機能モデル：StarCode2 3B

Autocomplete 用には、公式が推奨する StarCode2 3B モデルがあります。実際に試してみると、このモデルは大きいため少し遅いですが、効果は確かに良いです。コンピュータの性能が良ければ、これをインストールすることをお勧めします：

URL：https://ollama.com/library/starcoder2

モデルの取得：

ollama pull starcoder2:3b

もしこれが動作しない場合は、より小さなモデル DeepSeek Coder 1.3B を使用できます：

ollama pull deepseek-coder:1.3b-base

要するに、Autocomplete は Chat ほど複雑な入力を処理する必要はなく、頻繁かつ迅速に動作する必要があるため、効果や消費電力を考慮すると、小さくて高速な専用モデルを使用するのが最適です。

Embedding 機能モデル：Nomic Embed Text

Embedding 機能には、公式が推奨する Nomic Embed Text モデルがあります。このモデルは非常に小さいです：

URL：https://ollama.com/library/nomic-embed-text

モデルの取得：

ollama pull nomic-embed-text

Qllama プロセスを終了する必要がある場合は、以下のコマンドを使用します：

 pkill ollama

2.5 OpenWebUI を使って Ollama モデルをテストする設定（オプション）

もちろん、OpenAI ChatGPT のようなチャットページを設定し、これらのモデルを自動的に切り替えてテストすることもできます。OpenWebUI は Ollama が公式にサポートする Web アプリケーションで、インストール方法は Docker を使用することをお勧めします：

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

その後、ブラウザで以下の URL を開きます：http://localhost:3000/ これで使用可能です

デモ機能：

参考ページ：https://openwebui.com/

3. Continue プラグインのインストール&設定

Ollama と Qwen2.5 Coder モデルのインストールが完了したら、VS Code に Continue プラグインをインストールします。VS Code を開き、ショートカット Cmd+Shift+X を使用して拡張機能マーケットにアクセスし、「Continue」プラグインを検索してインストールします。

3.1 Continue プラグイン概要

Continue は、AI プログラミングアシスタントをシームレスにプログラミングワークフローに統合することを目的とした強力な VS Code プラグインです[2]。主な特徴は以下の通りです：

ローカルモデルやクラウドサービスを含む複数の AI モデルをサポート。

コード補完、説明、リファクタリング、生成機能を提供。

コードやコメントのコンテキストを理解し、より正確な提案を提供。

カスタムプロンプトやワークフローをサポートし、さまざまなプログラミングニーズに対応可能。

プライバシー保護機能を備え、ローカルで AI モデルを実行してコードの安全性を保護。

3.2 Continue プラグインのインストール

Visual Studio Code に Continue プラグインをインストールするには、以下の手順に従います：

Visual Studio Code を開く：Visual Studio Code エディタを起動します。

拡張機能マーケットにアクセス：左側のアクティビティバーで拡張機能アイコン（通常は四角形のアイコン）をクリックするか、ショートカット Ctrl+Shift+X を使用します。

Continue プラグインを検索：拡張機能マーケットの検索ボックスに「Continue」と入力し、Enter キーを押します。

プラグインをインストール：検索結果から Continue プラグインを見つけ、「インストール」ボタンをクリックします。

プラグインを設定：インストールが完了したら、必要に応じて設定を行います。詳細な設定手順は Continue の公式ドキュメントを参照してください。

VS Code を再起動：プラグインが正常に動作するように、Visual Studio Code を再起動することをお勧めします。

再起動後、ショートカット Cmd+L を使用してダイアログを開き、ダイアログを右側のサイドバーにドラッグすることをお勧めします：

ここでは無料のテストアカウントを使用でき、Claude Sonnet 3.5 大規模モデルを 50 回使用する機会があります。ただし、この記事では主にローカルの Qwen2.5 Coder モデルの設定方法について説明します。

これらの手順を通じて、Visual Studio Code に Continue プラグインを正常にインストールし、開発体験を向上させることができます。

3.3 Continue プラグインの Ollama + Qwen2.5 Coder モデル設定

続いて、 VS Code で Continue プラグインを設定してこのモデルを使用します。

Chat 機能モデルの設定

Chat 部分のモデルは、チャットウィンドウでモデル選択メニューをクリックしてモデルを追加するだけです：

まずモデルを追加します：

追加時に Ollama を選択し、Autodetect を選ぶと、インストール済みのローカルモデルを自動的に検出します。

問題がなければ、リストにこの2つのモデルが表示されます。ここでは 7B モデルを Chat 用のローカルモデルとして設定します：

長いコードが生成されて途中で切れる場合は、config.json ファイルを編集して次のように変更できます（maxTokens 設定を追加、デフォルトは 600）：

    {

      "title": "Qwen2.5 Coder 7B Instruct",

      "provider": "ollama",

      "model": "qwen2.5-coder:7b-instruct",

      "completionOptions": {

        "maxTokens": 2048

      },

      "useLegacyCompletionsEndpoint": false

    },

Autocomplete 機能モデルの設定

StarCode2 3B を使用する場合、次のように設定を変更できます：

  "tabAutocompleteModel": {

    "title": "StarCode2 3B",

    "provider": "ollama",

    "model": "starcoder2:3b"

  },

DeepSeek Coder 1.3B を使用する場合、次のように設定を変更できます：

  "tabAutocompleteModel": {

    "title": "DeepSeek Coder 1.3B",

    "provider": "ollama",

    "model": "deepseek-coder:1.3b-base"

  },

上記のモデルは異なるプログラミング言語で異なるパフォーマンスを発揮します。公式の推奨は StarCode2 3B ですが、PC の性能が良ければこれを使用することをお勧めします。そうでなければ、DeepSeek Coder 1.3B を検討してください。

PS：Qwen2.5 Coder も 1.5B の小型モデルを提供していますが、公式は推奨していません。このモデルは補完タスクに最適化されていないためです。試してみることはできますが、使用すると次のような警告が表示されるかもしれません：

Embedding 機能モデルの設定

Continue には、@codebase コンテキストプロバイダーが組み込まれており、コードベースから最も関連性の高いコードスニペットを自動的に取得できます。チャットモデル（例：Codestral、Llama 3）を設定している場合、Ollama と LanceDB の埋め込みにより、すべての体験をローカルに保持できます。現時点では、公式は nomic-embed-text embeddings を推奨しています。

この部分のモデルは公式に Nomic Embed Text が推奨されており、次のように設定を変更できます：

  "embeddingsProvider": {

    "provider": "ollama",

    "model": "nomic-embed-text"

  },

4. Continue を使用した AI 支援プログラミング

Continue プラグインは、さまざまな AI 支援プログラミング機能を提供しています。以下は一般的な使用方法の一部です[2]：

4.1 Chat チャット機能

参考：https://docs.continue.dev/chat/how-to-use-it

右側の Chat チャットルームでは、自由に質問できます。使い方がわからない場合は、直接質問することができます。Continue はプログラミングアシスタントとして、コードをコンテキストとして質問できる点が特徴です。例えば：

コードの一部をハイライトしてコンテキストとして質問

コードの一部を選択し、Cmd + L ショートカットキーでチャットウィンドウに追加して質問します：

@ を使用してコンテキストを引用

もう一つの一般的な方法は、@ を使って一連のタグをコンテキストとしてチャットウィンドウで引用することです。例えば、@関数名、@ファイル、@codebase など、プロジェクト全体を引用できます：

Continue.dev には多くの一般的な引用タグがあります。例えば：

現在アクティブなファイル

リクエストを送信する際に Cmd/Ctrl + Option + Enter を押すと、現在開いているファイルをコンテキストとして含めることができます。

特定のファイル

@files を入力してファイルを選択すると、ワークスペース内の特定のファイルをコンテキストとして含めることができます。

特定のフォルダ

@directory を入力してディレクトリを選択すると、ワークスペース内の特定のフォルダをコンテキストとして含めることができます。

コードベース全体

@codebase を入力すると、コードベース全体をコンテキストとして含めることができます。

ドキュメントサイト

@docs を入力してドキュメントサイトを選択すると、特定のドキュメントサイトをコンテキストとして含めることができます。

ターミナル内容

@terminal を入力すると、IDE 内のターミナル内容をコンテキストとして含めることができます。

Git 差分

@diff を入力すると、現在のブランチのすべての変更をコンテキストとして含めることができます。

その他のコンテキスト

Continue.dev は他にも多くの組み込みコンテキストプロバイダーを提供しており、カスタムコンテキストプロバイダーを作成することも可能です。

ここにさらに詳しい説明があります：

https://docs.continue.dev/chat/context-selection

使用デモ：

4.2 Tab Autocomplete 自動コード補完機能

Continue.dev の自動補完機能は、コードを入力している際にインラインでコードの提案を提供します。以下はこの機能の使用方法の詳細です：

自動補完機能を有効にする

自動補完機能を有効にするには、次の方法があります：

IDE の右下のステータスバーにある「Continue」ボタンをクリック

または、IDE の設定で Enable Tab Autocomplete オプションにチェックを入れていることを確認

自動補完機能の使用

提案を全て受け入れる

提案が表示されたら、Tab キーを押して提案全体を受け入れます。

提案を拒否する

現在の提案を使用したくない場合は、Esc キーを押して拒否します。

提案の一部を受け入れる

提案の一部だけを受け入れたい場合は、より細かい制御が可能です：

Cmd（Mac）または Ctrl（Windows/Linux）+ 右矢印キー（→）を押す

これにより、提案の一部を単語ごとに受け入れることができます

これらの簡単な操作を通じて、Continue.dev の自動補完機能を最大限に活用し、コーディング効率を向上させることができます。ニーズに応じて、提案を柔軟に受け入れたり、拒否したり、部分的に受け入れたりすることができます。

使用デモ：

4.3 コード編集

Edit 機能の紹介

Edit 機能は、Continue.dev が提供する便利なツールで、現在のファイル内で直接コードを修正することができます。修正したいコードブロックをハイライトし、変更内容を記述するだけで、システムがインラインの差分（diff）を生成し、これを受け入れるか拒否するかを選択できます。

Edit 機能は、小規模で迅速なコード変更に特に適しています。例えば：

コメントを書く

単体テストを生成する

関数やメソッドをリファクタリングする

Edit 機能の使用

以下は一般的な操作手順です：

コードをハイライトして Edit 機能を有効にする

まず、変更したいコードブロックをハイライトします。その後、Cmd（Mac）または Ctrl（Windows/Linux）+ I を押して Edit 入力ボックスを有効にします。

コードの変更を記述する

入力ボックスに、ハイライトしたコードに対して行いたい変更を簡潔に記述します。Edit 機能に対する良いプロンプトは、比較的短く明確であるべきです。より長く複雑なタスクが必要な場合は、Chat 機能を使用することをお勧めします。

変更を受け入れるか拒否する

システムは、ハイライトしたテキスト内にインラインの差分を生成します。以下の方法でこれらの提案された変更をナビゲートし、処理できます：

単一の変更を受け入れる：Cmd/Ctrl + Option + Y

単一の変更を拒否する：Cmd/Ctrl + Option + N

すべての変更を受け入れる：Cmd/Ctrl + Shift + Enter

すべての変更を拒否する：Cmd/Ctrl + Shift + Delete

同じハイライトしたコードに対して新しい提案をリクエストしたい場合は、再度 Cmd/Ctrl + I を使用してモデルに再プロンプトを送信するだけです。

テストコードを生成する例として、このコードをハイライトし、Cmd + I をクリックしてダイアログに Generate Unit test と入力します。

少し待つと、単体テストコードが自動的に生成されます（もちろん、この生成は簡素なもので、より完全なコードを生成するために、さらに多くのプロンプトを追加することができます）。

4.4 Actions 機能

Action 機能は開発者に大きな利便性を提供します。Action はユーザーが事前定義されたタスクを迅速に実行できるようにし、コーディング効率を大幅に向上させます。

Continue プラグインは、以下のような便利なプリセット Action を提供しています：

選択したコードを説明する

コードのパフォーマンスを最適化する

単体テストを追加する

コードのエラーを修正する

以下は Action のいくつかの一般的な機能です：

スラッシュコマンド

詳細は以下を参照してください：

https://docs.continue.dev/customize/slash-commands

いくつかの一般的なコマンドの例：

スラッシュコマンドは、’/’ を入力し、ドロップダウンメニューから選択することで有効化されるショートカットです。

/edit コマンドは、コードの編集を直接エディタにストリーミングすることを許可します。

/comment コマンドは、ハイライトされたコードにコメントを追加するよう LLM に指示します。

/share コマンドは、チャット履歴の共有可能なMarkdownテキストを生成します。

/cmd コマンドは、自然言語からシェルコマンドを生成します。

/commit コマンドは、現在のgit変更に対するコミットメッセージを生成します。

/http コマンドは、独自のHTTPエンドポイントでカスタムスラッシュコマンドを作成することを許可します。

/issue コマンドは、GitHubのドラフト問題のリンクを生成するのに役立ちます。

/so コマンドは、StackOverflowを参照して質問に答えます。

/onboard コマンドは、新しいプロジェクトに慣れるのを助けます。

右クリック Actions

右クリック操作では、必要なコード領域をハイライトし、右クリックしてドロップダウンメニューから操作を選択できます。

Continue は以下のような一般的なオプションを提供しています：

Add Highlighted Code to Context: ハイライトしたコードをコンテキストに追加する

Fix this Code: このコードを修正する

Optimize this Code: このコードを最適化する

Write a Docstring for this Code: このコードのドックストリングを書く

Write Comments for this Code: このコードにコメントを書く

ここにさらに詳細な説明があります：

https://docs.continue.dev/actions/how-to-use-it

結論

これらのさまざまな探索を通じて、Continue と Ollama をどのように最適に活用するかについて、より明確な理解が得られたことと思います。これらのツールが、プログラミングの効率を向上させるだけでなく、創造力を刺激し、技術の世界で自己を超える手助けとなることを願っています。皆さん、AIプログラミングを楽しんでください！

参考文献

QwenLM. (2024). Qwen2.5-Coder. GitHub. https://github.com/QwenLM/Qwen2.5-Coder

Continue. (2024). Continue – AI Coding Assistant. https://www.continue.dev/

Microsoft. (2024). Visual Studio Code. https://code.visualstudio.com/

Ollama. (2024). Ollama: Get up and running with large language models locally. https://ollama.ai/

OllamaとVSCodeのContinueプラグインを使用してローカル大規模モデルでAI支援コード作成を実現する. (2024). https://mp.weixin.qq.com/s/oqndOraEmIeFCpXT4QYOww

Continue. (2024). OpenAI compatible servers / APIs. https://docs.continue.dev/customize/model-providers/openai#openai-compatible-servers–apis

Continue. (2024). Ollama Code Assistant. https://blog.continue.dev/ollama-code-assistant/

About The Author

skylook

Add a Comment

Search this site...

Category Posts

アーカイブ

アーカイブ

月を選択

カテゴリー

カテゴリー

カテゴリーを選択

メタ情報

ログイン

投稿フィード

コメントフィード

WordPress.org

Useful Links

Hostinger 主机

Windsurf IDE

口算生成器

域名猎手

© 2026 技术刘 | WordPress Theme by Superb WordPress ThemesBack to Top ↑