本地模型当 Copilot，VSCode 插件联动实战
把 Copilot 装进本地：VSCode 联动实战
以前用云端的代码助手，心里总有点不踏实。尤其是处理公司内部的核心逻辑，或者调试一些涉及敏感配置的脚本时，把代码片段上传到第三方服务器总觉得像是在“裸奔”。最近折腾了一下 AMD Strix Halo 架构的笔记本，发现本地跑大模型的效果已经非常惊艳，索性决定把这套方案落地到日常开发中——用本地模型替代云端 Copilot。
这不仅仅是为了省那点订阅费，更重要的是数据主权。所有的代码补全、错误解释、单元测试生成，全部在本地闭环完成，断网也能用，隐私绝对安全。今天就来聊聊怎么把 VSCode 和本地的 Ollama 或 LM Studio 打通，打造一套完全私有的智能编程环境。
为什么选择本地部署？
在动手之前，先简单说说为什么我要折腾这套方案。传统的云端 Copilot 确实强大，响应快、模型大，但有两个硬伤：
- 隐私顾虑：代码是程序员的命根子，尤其是未开源的项目，谁愿意让它经过别人的服务器？
- 定制化受限：云模型是通用的，它不懂你项目的特定规范，也不了解你们团队内部的“黑话”。
而基于 Strix Halo 架构的本地部署，凭借统一内存架构，让轻薄本也能轻松跑起 14B 甚至 32B 参数的模型。Radeon GPU 的加速让推理速度达到了实用级别（14B 模型能跑到 20+ tokens/s），这意味着你在写代码时几乎感觉不到延迟。更重要的是，你可以随意微调 Prompt，让模型专门学习你的代码风格，这是云端服务很难做到的。
第一步：搭建本地推理服务
要实现 VSCode 联动，首先得让模型在本地“跑起来”。目前最成熟的两个方案是Ollama和LM Studio。
方案 A：Ollama（命令行极客首选）
Ollama 轻量、稳定，非常适合后台常驻。
安装与启动：去官网下载 Windows 版安装包，一路默认即可。安装完成后，打开 PowerShell，输入以下命令启动服务：
ollama serve拉取模型：推荐拉取针对代码优化的模型，比如
qwen2.5-coder或llama3。在终端执行：ollama run qwen2.5-coder:14b注：Strix Halo 的大内存优势在这里体现得淋漓尽致，14B 模型加载后依然能给系统留出充足空间。
验证服务：确保终端显示
success，且服务监听在http://127.0.0.1:11434。
方案 B：LM Studio（图形界面党最爱）
如果你更喜欢可视化的操作，或者需要频繁切换不同参数的模型，LM Studio 是更好的选择。
- 下载与配置：安装后搜索
Qwen2.5-Coder-14B-Instruct并下载 GGUF 格式模型。 - GPU 加速设置：这是关键一步。在右侧栏找到GPU Offload，将滑块直接拉满。Strix Halo 的 Radeon 显卡会被自动识别，确保所有计算层都交给 GPU 处理。
- 启动本地服务器：点击顶部导航栏的 "<->" 图标（Local Server），点击Start Server。默认地址通常是
http://127.0.0.1:1234/v1。- Tip：在 Settings 中把 Context Length 拉到 128k，这样在处理长文件时不会丢失上下文。
第二步：VSCode 插件联动配置
服务跑通了，接下来就是重头戏：让 VSCode 连上它。我们需要安装一个支持自定义后端的插件，这里推荐Continue或Twinny（两者都支持 Ollama/LM Studio）。以Continue为例，它的配置灵活度极高。
- 安装插件：在 VSCode 扩展商店搜索
Continue并安装。 - 配置文件修改：安装完成后，点击侧边栏的 Continue 图标，点击右上角的齿轮图标打开
config.json。 - 填入本地地址： 如果你用的是Ollama，配置如下：
如果你用的是LM Studio，只需改 provider 和 apiBase：{ "models": [ { "title": "Local Qwen Coder", "provider": "ollama", "model": "qwen2.5-coder:14b", "apiBase": "http://127.0.0.1:11434" } ], "tabAutocompleteModel": { "title": "Local Autocomplete", "provider": "ollama", "model": "qwen2.5-coder:14b" } }
注意：LM Studio 模拟的是 OpenAI 接口，所以 provider 选{ "models": [ { "title": "LM Studio Local", "provider": "openai", "model": "qwen2.5-coder", "apiBase": "http://127.0.0.1:1234/v1", "apiKey": "lm-studio" } ] }openai，但地址指向本地。
保存配置后，右下角状态栏显示绿色即表示连接成功。
第三步：实战体验与快捷键
配置好后，你会发现开发体验发生了微妙变化。
- 代码自动补全：当你敲下函数名的一半，本地模型会瞬间给出后续代码。虽然首字延迟比云端略高（约 0.3 秒），但在 Strix Halo 的加持下，生成速度非常流畅，完全不影响思路。
- 错误解释与修复：选中一段报错代码，按下
Ctrl+L（Continue 默认快捷键），直接在对话框问：“这段代码为什么报空指针异常？”模型会结合上下文给出精准分析，甚至直接给出修复后的代码块。 - 单元测试生成：选中一个复杂的类，输入“为这个类生成 Jest 单元测试，覆盖边界条件”，几秒钟后，一份结构完整的测试文件就生成了。
常用快捷键建议：
Ctrl+L：唤起侧边栏对话（解释代码、重构建议）。Ctrl+I：行内编辑（直接让 AI 修改当前选中的代码）。Tab：接受自动补全建议。
本地 vs 云端：到底差在哪？
用了一周下来，对比非常明显。
| 维度 | 云端 Copilot | 本地私有 Copilot (Strix Halo) |
|---|---|---|
| 隐私安全 | 代码需上传，存在合规风险 | 数据不出域，绝对安全 |
| 响应速度 | 依赖网络，偶尔超时 | 局域网延迟，离线可用 |
| 定制化 | 通用模型，难适应特定规范 | 可换模型，Prompt 随心调 |
| 成本 | 按月订阅，费用不菲 | 一次硬件投入，终身免费 |
| 上下文 | 通常有限制 | 可利用大内存跑 128k+ 长文本 |
当然，本地方案也不是完美的。对于 70B 以上的超大模型，本地推理还是会慢一些；而且需要自己维护环境和更新模型。但对于绝大多数日常开发场景，14B-32B 的本地模型已经完全够用，甚至在代码理解的准确度上，因为可以选用专门的 Code 模型，表现并不输给通用大模型。
结语
把 Copilot 搬回本地，不仅仅是一次技术尝试，更是一种开发理念的回归：工具应该服务于人，而不是让人去适应工具的规则。
有了 Strix Halo 这样的硬件底座，加上 Ollama 或 LM Studio 的便捷部署，我们终于可以在享受 AI 便利的同时，牢牢握住数据的控制权。下次当你在飞机上、在保密会议室，或者只是单纯不想让代码离开本机时，这套本地智能编程环境就是你最可靠的后盾。动手试试吧，那种“我的代码我做主”的感觉，真的很爽。