Continue är ett tillägg med öppen källkod för VS Code som ger chatt, redigering och autokomplettering. Här kopplar du det till Ollama på din egen dator i stället för till en molntjänst. Du skriver en egen config.yaml där en större modell sköter chatt och redigering och en liten modell sköter förslagen medan du skriver. Sedan stänger du av telemetrin och gör tre prov. Det sista provet görs med nätet avslaget, eftersom en inställning i sig inte visar var koden tar vägen.
Formatet för config.yaml och Continues telemetriinställning har ändrats mellan versioner. Uppgifterna nedan kontrollerades mot Continues och Ollamas dokumentation och Continues källkod den 3 oktober 2026. Continues egen Ollama-guide anger att den bygger på Ollama v0.11.x och Continue v1.1.x, alltså äldre versioner än dem du sannolikt installerar. Stämmer en etikett inte, lita på provens facit snarare än på ordalydelsen.
1. Vad du behöver först
Du behöver VS Code och en fungerande Ollama. Har du inte installerat Ollama än, följ guiden om att installera Ollama på Windows först. Continues Ollama-guide anger minst 8 GB RAM, 16 GB eller mer som rekommendation, och minst 10 GB ledigt lagringsutrymme. Kontrollera att Ollama svarar lokalt innan du går vidare:
curl.exe http://localhost:11434Facit är texten Ollama is running. Hämta sedan de två modeller som exemplet använder. Continue påpekar att du ska använda ollama pull med exakt tagg; utan tagg hämtas :latest, som kan vara en annan storlek än den konfigurationen pekar på.
ollama pull qwen2.5-coder:7b
ollama pull qwen2.5-coder:1.5b
ollama list2. Installera Continue
Installera tillägget från Continues sida i Visual Studio Marketplace, enligt installationsanvisningen. Continue-loggan dyker upp i vänster sidofält; dokumentationen föreslår att du flyttar den till höger. Chattpanelen öppnas med Ctrl+L. Behöver du installera på en dator som saknar internet beskriver Continue i guiden för körning utan internet hur du i stället hämtar en .vsix-fil från projektets GitHub-releaser.
3. config.yaml: modeller och roller
Continue lagrar sina data i %USERPROFILE%\.continue. Enligt konfigurationsguiden ligger standardfilen i %USERPROFILE%\.continue\config.yaml och laddas om automatiskt när du sparar. Continues källkod läser dessutom in yaml-filer i undermappen configs som egna konfigurationer, och Ollama-guiden visar sökvägen ~/.continue/configs/config.yaml. Lägg därför din lokala uppsättning i en egen fil, så att standardfilen lämnas orörd:
New-Item -ItemType Directory -Force "$env:USERPROFILE\.continue\configs"
code "$env:USERPROFILE\.continue\configs\config.yaml"Klistra in följande och spara:
name: Lokal Ollama
version: 0.0.1
schema: v1
models:
- name: Qwen2.5-Coder 7B
provider: ollama
model: qwen2.5-coder:7b
apiBase: http://localhost:11434
roles:
- chat
- edit
- apply
- name: Qwen2.5-Coder 1.5B
provider: ollama
model: qwen2.5-coder:1.5b
apiBase: http://localhost:11434
roles:
- autocompleteTre detaljer avgör om det fungerar. model måste stämma exakt med det ollama list visar, annars svarar Ollama med 404 model ... not found. roles styr vilken modell som gör vad; enligt config.yaml-referensen är standardvärdet [chat, edit, apply, summarize] om du utelämnar fältet, så den lilla modellen måste uttryckligen få rollen autocomplete. apiBase pekar på din egen Ollama. Continues guide visar också en kortare variant med uses:-block, som pekar på färdiga modellinställningar i Continues katalog; här skrivs allt ut så att du kan läsa av hela kopplingen i filen. Välj sedan konfigurationen i väljaren ovanför chattfältet. Syns den inte där, lägg samma models-avsnitt i standardfilen i stället.
Varför två modeller? Enligt Continues sida om autokomplettering tränas autokompletteringsmodeller på formatet fill-in-the-middle, där modellen får koden före och efter markören. Uppgiften är så snäv att små modeller räcker, ”även en 3B-modell kan prestera bra”, medan större chattmodeller ofta presterar sämre på just den uppgiften. Sidan rekommenderar QwenCoder2.5 1.5B och 7B bland öppna modeller för autokomplettering.
4. Välj modell efter dator
Continues Ollama-guide anger ungefärliga minnesbehov per modellstorlek. Använd dem som grov planering, inte som löfte:
| Modellstorlek | Ungefärligt RAM enligt Continue | Roll i den här uppsättningen |
|---|---|---|
| 1,5–3B | cirka 4 GB | Autokomplettering |
| 7B | cirka 8 GB | Chatt och redigering |
| 13B | cirka 16 GB | Chatt om datorn har marginal |
| 32B | cirka 32 GB | Chatt på större arbetsstationer |
Avvägningen: båda modellerna kan behöva ligga laddade samtidigt när du växlar mellan chatt och skrivande, så räkna ihop raderna. På en dator med 8 GB RAM är det rimligare att börja med bara 1,5B-modellen och en liten chattmodell än att pressa in 7B. Visas felet ”Model requires more system memory” anger Continue att tillägget kan använda längre standardkontext än andra verktyg; sänk contextLength under defaultCompletionOptions, till exempel till 2048, eller välj en mindre modell. Med ollama ps ser du vilka modeller som är laddade och hur mycket minne de tar.
5. Telemetri och vad som lämnar datorn
Två program kan skicka data: Continue och Ollama. Continue skickar som standard anonym användningsstatistik. I tilläggets manifest på GitHub har den äldre VS Code-inställningen continue.telemetryEnabled standardvärdet true och beskrivs som anonym användningsdata rensad från personuppgifter. Den är markerad som föråldrad och hänvisar till Telemetry › Allow Anonymous Telemetry på tilläggets sida för användarinställningar. Enligt guiden för körning utan internet stoppar avstängningen Continues försök att skicka anonym telemetri till PostHog. Öppna Continues användarinställningar och stäng av Allow Anonymous Telemetry.
Ollama skriver i sin FAQ att företaget inte ser dina prompter när du kör lokalt, men att prompter och svar behandlas hos Ollama när du använder molnmodeller. Vill du stänga den vägen helt: skapa användarvariabeln OLLAMA_NO_CLOUD med värdet 1 i Windows miljövariabler, avsluta Ollama via ikonen i aktivitetsfältet och starta appen igen. Enligt FAQ:n står det då Ollama cloud disabled: true i loggen, som på Windows ligger i %LOCALAPPDATA%\Ollama\server.log.
Select-String -Path "$env:LOCALAPPDATA\Ollama\server.log" -Pattern "cloud disabled"Avgränsning: detta gäller Continue och Ollama. VS Code och andra installerade tillägg har egna inställningar för nätverk och telemetri som den här guiden inte går igenom.
6. Tre prov med facit
Prov 1: chatten svarar. Öppna en kodfil, markera en funktion, tryck Ctrl+L och fråga vad funktionen gör. Facit: svaret kommer från Qwen2.5-Coder 7B i modellväljaren och ollama ps i en terminal visar qwen2.5-coder:7b som laddad. Felar det: kontrollera att modellnamnet är identiskt med ollama list och att Ollama svarar på localhost:11434.
Prov 2: autokompletteringen svarar inom rimlig tid. Mät först modellen direkt mot Ollama med samma sorts fråga, kod före och efter markören. Kör anropet två gånger; första gången ingår laddningen av modellen.
$body = @{ model = 'qwen2.5-coder:1.5b'; prompt = 'def add(a, b):'; suffix = ' return result'; stream = $false; options = @{ num_predict = 32 } } | ConvertTo-Json
Measure-Command { $svar = Invoke-RestMethod -Method Post -Uri http://localhost:11434/api/generate -Body $body -ContentType 'application/json' }
$svar.load_duration / 1e9
$svar.total_duration / 1e9Fälten load_duration och total_duration anges i nanosekunder enligt Ollamas API-referens, så divisionen ger sekunder. Facit: andra körningen har en låg load_duration eftersom modellen redan är laddad, och totaltiden är kortare än den paus du brukar göra när du skriver. Skriv sedan en funktionsrad i VS Code och pausa: ett förslag ska visas direkt i texten, och ollama ps ska nu även lista qwen2.5-coder:1.5b. Tar det direkta anropet flera sekunder även andra gången hinner förslagen inte fram; välj då en mindre modell eller frigör minne.
Prov 3: inga anrop till molnet med nätet avslaget. Kontrollera först att konfigurationen bara pekar på Ollama:
Select-String -Path "$env:USERPROFILE\.continue\configs\*.yaml" -Pattern 'provider:|apiBase:|uses:'Facit: bara provider: ollama och apiBase: http://localhost:11434, inga uses:-rader. Koppla sedan ur nätverkskabeln eller slå på flygplansläge, starta om VS Code och upprepa prov 1 och 2. Facit: chatten svarar och förslagen visas, med samma modeller som nyss. Eftersom ingen nätväg finns kan svaren bara ha kommit från din egen Ollama. Provet visar att assistenten fungerar utan internet; det mäter inte vad VS Code eller andra tillägg skickar när nätet är på. Den gränsen dokumenterar du med dataflödeskartan i integritetsguiden. Vill du senare köra modellerna på en annan dator i hemmet byter du apiBase mot serverns adress och följer guiden om Ollama på lokalt nätverk.
Källor
- Continue, Using Ollama with Continue: systemkrav, ollama pull med exakt tagg, manuell konfiguration med apiBase och roller, minnestabell, felet om systemminne och versionsuppgiften v0.11.x/v1.1.x.
- Continue, Install: installation från Marketplace och flytt till höger sidofält.
- Continue, How to Understand Configuration: config.yaml-sökväg på Windows, Ctrl+L och automatisk omladdning.
- Continue, config.yaml Reference: fälten name, provider, model, apiBase och roles med standardvärde.
- Continue, Autocomplete Role: fill-in-the-middle och rekommenderade autokompletteringsmodeller.
- Continue, How to Run Continue Without Internet: .vsix-installation och avstängd telemetri till PostHog.
- Continue, package.json för VS Code-tillägget och ConfigHandler.ts: telemetriinställningens standardvärde och inläsning av mappen configs.
- Ollama, FAQ: lokal körning kontra molnmodeller, OLLAMA_NO_CLOUD, loggraden och Windows miljövariabler.
- Ollama, Troubleshooting: loggfilens plats på Windows.
- Ollama, Generate a response: suffix, num_predict och tidsfält i nanosekunder.
Källorna kontrollerades 3 oktober 2026 i rå sidtext och källkod på huvudgrenen. Kommandon, konfiguration och facit är en föreslagen rutin. Ingen egen installation, mätning eller nätverksprov har utförts.