Розробник і ютубер Tech With Tim у новому гайді показує, як побудувати повністю локальний AI‑кодинг у Visual Studio Code, не використовуючи жодних хмарних API. Окремий акцент — на тому, як отримати справді офлайн‑autocomplete: під’єднати розширення Continue до LM Studio, задати окрему модель саме для автодоповнення та коректно прописати конфігурацію.
Навіщо окремий інструмент для локального autocomplete
VS Code уже вміє працювати з локальними моделями через вбудовану систему “Manage Language Models”. Це дозволяє підключити сервер LM Studio як custom endpoint і використовувати локальну LLM у вікні чату: просити згенерувати код, редагувати файли, запускати агентний режим.
Однак окремого, нативного налаштування саме для autocomplete у VS Code поки немає. Тому, якщо потрібно, щоб і автодоповнення працювало локально — без інтернету й без хмарних підписок — доводиться доповнювати зв’язку VS Code + LM Studio ще одним компонентом.
Цю роль і виконує розширення Continue. Воно фактично дублює можливості роботи з моделями безпосередньо в редакторі, але додає те, чого бракує VS Code “з коробки”: можливість явно призначити окрему модель як джерело автодоповнення коду.
За задумом, основна, потужніша модель використовується для чату, редагування та agentic‑тасків, а дуже маленька й швидка — виключно для autocomplete в реальному часі, поки розробник друкує.
Встановлення Continue та зв’язка з LM Studio
Після того як LM Studio встановлено, налаштовано і моделі вже запущені в режимі локального сервера (Developer → Start Server, preload chat‑модель і autocomplete‑модель), можна переходити до VS Code.
Крок перший — встановити Continue з Marketplace VS Code. Після інсталяції внизу ліворуч з’являється нова іконка у вигляді шестигранника: вона відкриває окрему панель Continue з власним чат‑інтерфейсом та налаштуваннями моделей.
У налаштуваннях Continue потрібно перейти в розділ models. Там є кнопка Add, яка запускає майстер додавання нової моделі. Вибір провайдера — ключовий момент: у списку потрібно обрати LM Studio. Далі Continue попросить вказати модель, але на цьому етапі можна вибрати будь‑яку доступну опцію — важливо лише, щоб плагін створив конфіг‑файл.
Після натискання Connect Continue автоматично згенерує конфігурацію у форматі JSON. Внизу файлу з’являється новий блок моделі, пов’язаної з LM Studio. Саме цей блок доведеться відредагувати вручну, щоб модель справді відповідала тій, що запущена в LM Studio.
Як прописати модель для локального автодоповнення
Базова ідея налаштування проста: Continue має знати, до якого API‑endpoint звертатися, яку модель запитувати й для чого саме її використовувати. У випадку з autocomplete це означає: вказати назву моделі, API‑базу LM Studio та роль autocomplete.
У згенерованому Continue config достатньо змінити кілька полів. По‑перше, model має відповідати назві моделі з LM Studio. Для автодоповнення демонструється використання маленької моделі:
у полі
modelвказується назва моделі з LM Studio, наприкладGwen 2.5 coder 1.5B.
Можна також змінити людське ім’я (name), але це радше косметика. Ключове поле для прив’язки до LM Studio — apiBase: тут використовується локальна адреса API, яку LM Studio показує в інтерфейсі developer‑сервера. Її достатньо просто скопіювати й вставити в конфіг Continue.
Далі додається ще один параметр — roles. Саме він говорить Continue, для чого ця модель призначена. Щоб зробити її джерелом автодоповнення, у roles потрібно додати:
rules: ["autocomplete"]
У фінальному вигляді блок моделі в Continue має містити назву, провайдера LM Studio, правильний apiBase, назву моделі з LM Studio й масив правил, де чітко вказано autocomplete.
Після збереження конфіг‑файлу Continue починає вважати цю модель спеціальною autocomplete‑моделлю. Тепер у налаштуваннях плагіна можна вибрати її як джерело автодоповнення. З цього моменту, коли розробник друкує код у будь‑якому файлі VS Code, саме локальна модель, підключена через LM Studio, генерує підказки.
Це забезпечує повністю офлайн‑autocomplete: усі запити йдуть по локальному HTTP до LM Studio, а обчислення відбуваються на власному комп’ютері без доступу до інтернету.
Окремі моделі для autocomplete та чату в Continue
Continue дозволяє працювати не лише з autocomplete, а й з повноцінним чатом. У тому ж конфіг‑файлі можна додати ще один блок моделі, яка буде працювати як чат‑агент усередині панелі Continue.
Для чат‑моделі, на відміну від autocomplete, потрібно описати ширший набір можливостей. Демонструється конфігурація, де до моделі додаються:
rolesіcapabilities, серед якихchat,edit,applyіtool use.
Таке поєднання дає Continue змогу не тільки вести діалог, а й застосовувати зміни до коду та викликати інструменти (tools), якщо модель це підтримує. Конфігурацію для чат‑моделі пропонується просто копіювати за готовим шаблоном, змінюючи лише ID та назву моделі під свій вибір у LM Studio.
Проте навіть за наявності цієї можливості автор робить розділення ролей: для роботи з файлами та agentic‑редагуванням він віддає перевагу саме вбудованому чату VS Code. Аргументація проста: стандартний VS Code Chat краще інтегрований із файловою системою редактора і часто більш передбачувано редагує кодові файли.
Continue у цій конфігурації використовується цілеспрямовано як “локальний autocomplete‑модуль”, тобто як шар, який додає відсутнє нативне налаштування автодоповнення поверх уже працюючої зв’язки VS Code + LM Studio.
Що бачить розробник і як перевірити, що все працює
Після збереження конфігурації й вибору локальної моделі як autocomplete‑джерела, перевірка роботи виглядає максимально буденно. Достатньо відкрити будь‑який кодовий файл, наприклад JavaScript‑скрипт, і почати друкувати. Підказки мають з’являтися так само, як із будь‑яким іншим AI‑autocomplete, тільки тепер усе обчислення йде локально.
Паралельно в LM Studio на вкладці з autocomplete‑моделлю можна спостерігати лог запитів: під час набору коду з’являється стрім токенів, що підтверджує, що саме ця модель зараз генерує підказки.
У деяких випадках може знадобитися перезапустити VS Code, щоб Continue коректно підхопив новий конфіг. Після цього вся зв’язка працює стабільно: VS Code для чату й agentic‑операцій із файлами, LM Studio як сервер локальних моделей, Continue як цілеспрямований мостик для офлайн‑autocomplete.
Висновок: повністю локальне автодоповнення без втрати зручності
Комбінація LM Studio, VS Code і розширення Continue дозволяє досягти того, чого поки не дає жоден компонент окремо: повністю локального, контрольованого розробником AI‑autocomplete у звичному редакторі.
Ключові кроки — підняти локальний сервер у LM Studio з двома моделями (швидка маленька для autocomplete, потужніша для чату), додати LM Studio як провайдера в Continue й правильно розмітити ролі моделей у конфіг‑файлі, зокрема через rules: ["autocomplete"].
У результаті VS Code залишається центральним робочим середовищем, де нативний чат використовується для редагування файлів і агентних сценаріїв, а Continue — як нишевий, але критично важливий інструмент, що вмикає справді офлайн‑autocomplete поверх локальних моделей LM Studio.