文章目录
前言
DeepSeek开源之后，让大家意识到即便在本地硬件性能一般的环境下，也能够部署和使用大语言模型，真正实现了大模型的“私有化”。而在实现私有化大模型之后，自然会考虑生产力的私有化。例如，如何使用大模型作为工具进行编程？本文将介绍两种不同的人工智能编程方法。
一、Cursor 的安装与使用
1、Cursor 简介
第一种方法是使用 Cursor 进行编程，它是一个与 VSCode 很相似的 IDE，优点是支持很多模型的 API，如 DeepSeek、o1 - mini、o3 等，是原生为人工智能编程而设计的。
2、Cursor 安装
首先访问Cursor 官网，下载适合自己本地平台的版本。这里以 Windows 版本为例，可直接安装。
安装过程中没有太多可配置的选项，按照自己的需求进行设置即可。
3、Cursor 基本使用
打开工作空间：打开一个文件夹作为 workspace。
创建测试脚本：创建一个测试 py 脚本，只需输入一行注释。此时下面的代码呈灰色，按一下 TAB 键，就可以插入 AI 生成的代码。
生成函数：也可以选择生成一些函数。若输入的指令不明确，函数可能无输出，可要求它输出一个排序之后的列表，点击 TAB 键，即可自动填入生成的代码。甚至还会自动生成两个测试案例，对需要单元测试的项目非常友好。
项目 Chat：除了写代码，还可以把项目作为输入的知识库进行 Chat，使用快捷键 ctrl + L 即可。代码解读较为准确，可作为源码阅读的辅助工具。
直接输入需求生成代码：除了使用注释生成代码，还可以直接用 ctrl + K 快捷键弹出代码需求窗口，输入需求即可生成代码。点击绿色按钮，代码会填入到光标位置。若光标前有缩进，生成的代码块前默认会加一个缩进，可根据需求调整位置。
4、小结
Cursor 的智能编程体验不错，且使用远程的 API 对本地环境要求不高。但似乎较难配置本地的 Ollama 环境，也未找到相关文档。若本地已部署 Ollama 环境，可优先查看下面章节介绍的 VSCode 插件。
二、VSCode 插件 Continue
1、安装与配置
安装插件：直接在 VSCode 的插件商城里搜索 Continue 并点击安装，安装后左侧会显示一个 Continue 的图标。
添加 Chat Model：可以在对话选项里选择添加一个 Chat Model。若配置了 Ollama 的环境，会显示出本地的相关模型。
显示出本地的相关模型：如果配置了Ollama的环境，会显示出本地的相关模型。
查看本地 Ollama 运行情况：运行前可使用命令 $ ollama ps 查看本地 Ollama 运行情况。
$ ollama ps
NAME ID SIZE PROCESSOR UNTIL
随便发送一个问题过去：
再次使用 $ ollama ps查看，若显示加载 Ollama 模型对话成功，就会收到回复：
额外设置：临时会话配置完成后，若要实现 DeepSeek 智能编程，需找到 Local with Ollama 做一些额外设置。
点击 config file 进行配置，默认是这样的：
或者也可以从continue的设置里面找到配置文件的位置：
按照自己本地模型修改下代码：
这里关于Ollama的请求格式，可以参考其官网文档 。
查看快捷键使用方法：点击设置按钮右边的三个点的按钮，可查看 Continue 插件的快捷键使用方法。
接下来开始智能编程。
2、Continue 与 DeepSeek
生成代码：先输入一个注释，选中注释，会提示快捷键使用方法。例如使用 ctrl + L 快捷键进入 Chat 模式，告知需要生成代码，点击接受，新的代码就会更新进来。
编辑代码：选中刚才生成的代码，使用 ctrl + I 快捷键启用编辑模式，告知要修改的内容，可看到自动生成的函数效果。
Chat 模式生成代码：补充一个 Chat 模式随机字符串生成的函数（要在对话框里 @ 所需修改的文件），chat 模式下生成的代码块有一个三角形，可直接 apply 到 python 文件中。
本地运行测试：使用命令测试 AI 生成代码的本地运行。
$ python3 test_chat.py
s!
3、小结
Continue 插件使用的完全是本地 Ollama 环境中的 DeepSeek 开源蒸馏模型，能很好地将本地 LLM 和 Embedding 模型应用到人工智能编程中。不过，虽然隐私性较好，但效率和质量会受限于本地的硬件条件。
三、参考链接
四、总结概要
本文介绍了两种智能编程方案，一种是使用 Cursor 结合远程 API 形式的智能化自动编程，另一种是 VSCode 插件结合本地部署的 Ollama 模型进行智能编程。用户可根据自身需求选择合适的交互方案，总体而言，智能化、自动化的编程已近在眼前。