企业官网建设流程全解析

1. 为什么要在 Vscode 里同时接本地 Ollama 和统一 Key

如果你正在用 Vscode 写代码，大概率会遇到这样一个尴尬局面：Continue 插件里配了本地 Ollama 的 Qwen2.5，写业务逻辑时够用，但一旦要处理长上下文重构、跨文件分析，本地 7B/14B 模型就开始胡言乱语；想切到云端更强的模型，又得去翻另一套 Key、改另一份配置。工具越多，Key 越散，最后连自己都记不清哪个 Key 对应哪个服务。

这篇就聚焦一个具体场景：在 Vscode 的 Continue 插件里，把本地 Ollama 部署的 Qwen2.5 跑通，同时用 TaoToken 的统一 Key 接入云端模型作为补充。核心交付物是一份可直接复制的config.json骨架，以及 Continue 对话验证动作。适合已经装好 Ollama、拉过 Qwen2.5 模型，但卡在 Continue 配置这一步的开发者。读完你能得到：一个能同时管理本地模型和统一 Key 的 Continue 配置，以及一套排查「模型不响应」的检查清单。

先说清楚 Continue 的工作方式。它本质是一个 Vscode 扩展，通过读取config.json（新版是config.yaml，但 JSON 仍兼容）来决定「用哪个模型、走哪个 API 地址、带什么系统提示词」。本地 Ollama 暴露的是http://localhost:11434这样的 HTTP 接口，Continue 的provider: "ollama"就是直接打这个接口。而 TaoToken 提供的是 OpenAI 兼容接口，provider换成openai并改apiBase即可。两者可以在同一个配置文件里共存，Continue 的模型下拉框里会同时出现，切换成本几乎为零。

2. TaoToken 前置：拿统一 Key 与确认接入地址

在动config.json之前，先把云端这一侧的凭证准备好。TaoToken 的作用是把多个模型的调用收敛到一个 Key 上，你不用为每个模型单独申请账号。操作路径很直接：

打开官网https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=，注册后进入控制台。控制台地址是https://taotoken.net/console，在左侧找到 API Keys 页面，新建一个 Key 并复制保存。这个 Key 就是后面config.json里apiKey字段要填的值。

接入地址用https://taotoken.net/api，注意这个地址不带任何查询参数，直接作为apiBase填入即可。它兼容 OpenAI 的/v1/chat/completions路径，Continue 的openaiprovider 会自动拼接。

注意：Key 只在创建时完整显示一次，建议先存到密码管理器或本地环境变量里，不要直接提交到 Git 仓库。如果你打算把config.json纳入版本管理，把apiKey换成"${env:TAOTOKEN_API_KEY}"这种环境变量引用形式。

如果你后续要长期跑编码任务或 Agent 类工作流，可以顺带看一下 Coding Plan 页面https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite，它针对高频编码场景做了额度规划。模型对话的在线体验入口在https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite，接入前可以先在那里试一下目标模型是否满足你的需求。API Keys 管理页https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite用来随时轮换或吊销 Key。接入文档在https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite，遇到字段疑问优先查这里。

3. 可复制配置：Continue 的 config.json 骨架

下面这份骨架同时包含本地 Ollama 的 Qwen2.5 和 TaoToken 云端模型。先确认本地 Ollama 已经跑起来，并且模型名称和ollama list输出一致。假设你拉的是qwen2.5-coder:7b，那么配置里就写这个名称，不要凭记忆写qwen2.5。

{ "models": [ { "title": "Qwen2.5 Coder (Local Ollama)", "provider": "ollama", "model": "qwen2.5-coder:7b", "apiBase": "http://localhost:11434", "systemMessage": "You are an expert software developer. You give helpful and concise responses." }, { "title": "TaoToken GPT-4o", "provider": "openai", "model": "gpt-4o", "apiKey": "${env:TAOTOKEN_API_KEY}", "apiBase": "https://taotoken.net/api", "systemMessage": "You are an expert software developer. You give helpful and concise responses." } ], "tabAutocompleteModel": { "title": "Tab Autocomplete (Local)", "provider": "ollama", "model": "qwen2.5-coder:7b", "apiBase": "http://localhost:11434" }, "contextProviders": [ { "name": "code", "params": {} }, { "name": "docs", "params": {} }, { "name": "diff", "params": {} }, { "name": "terminal", "params": {} }, { "name": "problems", "params": {} }, { "name": "folder", "params": {} }, { "name": "codebase", "params": {} } ], "slashCommands": [ { "name": "share", "description": "Export the current chat session to markdown" }, { "name": "cmd", "description": "Generate a shell command" }, { "name": "commit", "description": "Generate a git commit message" } ] }

几个关键点解释一下。models数组里第一个是本地 Ollama，apiBase指向http://localhost:11434，这是 Ollama 默认端口，如果你改过端口就同步改这里。第二个是 TaoToken 云端模型，provider必须是openai，因为 TaoToken 走的是 OpenAI 兼容协议，apiBase填https://taotoken.net/api，apiKey用环境变量引用，避免明文。

tabAutocompleteModel单独配置，因为代码补全对延迟敏感，用本地 Qwen2.5 更合适，不消耗云端额度。contextProviders决定了 Continue 能读取哪些上下文，codebase和folder对跨文件理解帮助最大，建议保留。slashCommands里的commit和cmd是高频操作，留着不碍事。

如果你用的是新版 Continue 的 YAML 配置，字段名基本一致，把 JSON 转成 YAML 缩进即可，apiBase和apiKey的写法不变。

4. 验证请求：让 Continue 真正跑起来

配置写完后，保存config.json，Continue 会自动重载。如果没重载，点 Continue 窗口右上角的齿轮图标，或者按Ctrl+Shift+P输入Continue: Reload手动触发。

验证分两步。第一步验证本地 Ollama 是否可达。在终端执行：

curl http://localhost:11434/api/tags

如果返回一串 JSON，里面能看到qwen2.5-coder:7b，说明 Ollama 服务正常。如果报连接拒绝，说明 Ollama 没启动，执行ollama serve后再试。

第二步验证 Continue 对话。在 Vscode 里打开 Continue 侧边栏，模型下拉框应该能看到「Qwen2.5 Coder (Local Ollama)」和「TaoToken GPT-4o」两个选项。先选本地模型，在对话框输入：

用 Python 写一个读取 CSV 并统计每列空值数量的函数

正常情况会在几秒内返回代码块。如果本地模型响应慢，属于正常现象，7B 模型在消费级显卡上首 token 延迟通常 1-3 秒。接着切换到 TaoToken 模型，输入同样的问题，应该能更快返回，且代码风格略有不同。这一步同时验证了本地链路和云端链路。

再测一下代码补全。在任意.py文件里输入def，停顿一下，应该出现灰色补全建议，按 Tab 接受。如果没出现，检查tabAutocompleteModel的apiBase是否和 Ollama 实际端口一致。

5. 本篇常见错排查

错误一：Continue 报ECONNREFUSED 127.0.0.1:11434。这是 Ollama 没启动或端口不对。先ollama serve，再ollama list确认模型存在。如果 Ollama 跑在 Docker 里，localhost在容器内指向容器自身，需要把apiBase改成宿主机的实际 IP，或者用host.docker.internal。

错误二：模型下拉框里只有本地模型，没有 TaoToken。检查provider是否写成了openai，apiBase是否是https://taotoken.net/api，apiKey环境变量是否真的在 Vscode 进程里可见。Vscode 启动时继承的是系统环境变量，如果你在.bashrc里 export 的，需要从终端启动 Vscode 才能读到。更稳妥的做法是直接在config.json里临时填明文 Key 测试，通了再换回环境变量。

错误三：TaoToken 返回 401。Key 复制时带了空格，或者 Key 已被吊销。去 API Keys 页面重新生成一个，注意复制完整字符串。另外确认apiBase没有多写/v1，Continue 的 openai provider 会自己拼/v1/chat/completions，你写https://taotoken.net/api就够了。

错误四：本地模型返回乱码或截断。多半是 Qwen2.5 的上下文长度设置问题。Ollama 默认num_ctx是 2048，对长文件不够。可以在 Ollama 的 Modelfile 里调大，或者启动时用ollama run qwen2.5-coder:7b --parameter num_ctx 8192。Continue 侧不用改，它只负责发请求。

错误五：代码补全不触发。检查tabAutocompleteModel是否配置，以及 Vscode 设置里continue.enableTabAutocomplete是否为 true。有些主题或快捷键冲突会拦截 Tab，换个快捷键试试。

6. 后续怎么用这套配置

日常写业务代码时，我习惯把 Continue 的默认模型设为本地 Qwen2.5，补全和简单问答走本地，零延迟零成本。遇到需要跨文件重构、写复杂 SQL、或者本地模型明显答偏的时候，手动在下拉框切到 TaoToken 的云端模型。切换动作在 Continue 窗口顶部，一次点击的事，不需要改配置文件。

如果你要长期跑 Agent 类任务，比如让 Continue 自动读多个文件并生成修改建议，建议把云端模型设为默认，本地模型只保留补全。因为 Agent 流程对推理深度要求高，本地小模型容易在中间步骤跑偏。TaoToken 的 Coding Plan 页面有针对这类场景的额度方案，可以去https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite看具体说明。

最后提醒一点：config.json里的apiKey如果用环境变量引用，记得在 Vscode 的settings.json里也确认没有覆盖。有些团队会统一推送 Vscode 配置，可能把 Continue 的配置路径改了。遇到配置不生效，先按Ctrl+Shift+P执行Continue: Open Config，确认你改的是 Continue 实际读取的那个文件。