🛒 डेवलपर्स के लिए कंटिन्यू का ओपन सोर्स एआई प्रोग्रामिंग असिस्टेंट इन-डेप्थ एप्लिकेशन सॉल्यूशन एक लचीला और नियंत्रणीय एआई प्रोग्रामिंग वातावरण बनाने के लिए मल्टी-एलएलएम बैकएंड स्विचिंग, कस्टम प्रॉम्प्ट शब्द, स्थानीय मॉडल तर्क, कोड बेस संदर्भ समझ, स्लैश कमांड अनुकूलन, नियम कॉन्फ़िगरेशन इत्यादि जैसी मुख्य क्षमताओं को शामिल करता है।

ओपन सोर्स एआई प्रोग्रामिंग असिस्टेंट इन-डेप्थ सॉल्यूशन जारी रखें

समाधान सिंहावलोकन

यह प्रोग्राम सॉफ़्टवेयर R&D टीमों और व्यक्तिगत डेवलपर्स के लिए है, जो ओपन सोर्स AI प्रोग्रामिंग असिस्टेंट के फुल-लिंक कॉन्फ़िगरेशन और इन-डेप्थ एप्लिकेशन तरीकों को व्यवस्थित रूप से सुलझाता है। जारी रखें वर्तमान में उच्चतम GitHub सितारों के साथ ओपन सोर्स AI प्रोग्रामिंग प्लग-इन में से एक है। इसका मुख्य लाभ यह है कि यह किसी एक मॉडल तक सीमित नहीं है या किसी विशिष्ट निर्माता से बंधा नहीं है - डेवलपर्स स्वतंत्र रूप से किसी भी एलएलएम पर स्विच कर सकते हैं जैसे , , और अन्य स्थानीय मॉडल। बैकएंड, और वीएस कोड और जेटब्रेन दोनों प्लेटफार्मों पर लगातार एआई-सहायता प्राप्त अनुभव प्राप्त करें।

बंद स्रोत समाधान जैसे या के विपरीत, जारी रखें डेवलपर्स को कॉन्फ़िगरेशन अधिकार और डेटा संप्रभुता पूरी तरह से लौटाता है - शीघ्र शब्द टेम्पलेट, मॉडल चयन और प्रासंगिक नीतियां सभी स्थानीय फ़ाइलों के रूप में प्रबंधित की जाती हैं, जिन्हें संस्करण नियंत्रण, टीम साझाकरण और यहां तक ​​कि निजी तैनाती में भी शामिल किया जा सकता है।

लक्षित उपयोगकर्ता: फ्रंट-लाइन सॉफ़्टवेयर R&D डेवलपर्स, तकनीकी टीम लीडर, DevOps इंजीनियर, और एंटरप्राइज़ R&D टीमें जो डेटा गोपनीयता के बारे में चिंतित हैं या निजी मॉडल से जुड़ने की आवश्यकता है।

आवश्यकताएँ:

• वीएस कोड या जेटब्रेन आईडीई का उपयोग करने का बुनियादी अनुभव हो
• वीएस कोड एक्सटेंशन या जेटब्रेन प्लगइन्स स्थापित करने की क्षमता (कोई व्यवस्थापक अधिकार आवश्यक नहीं)
• यदि आपको क्लाउड एलएलएम (जैसे ओपनएआई, क्लाउड) तक पहुंचने की आवश्यकता है, तो आपको संबंधित प्लेटफॉर्म की एपीआई कुंजी की आवश्यकता है
• स्थानीय मॉडल (जैसे ओलामा के माध्यम से) चलाने के लिए, कम से कम 8 जीबी वीआरएएम या 16 जीबी रैम वाले हार्डवेयर की आवश्यकता होती है

टूलचेन सूची

लागत नोट: जारी रखें स्वयं पूरी तरह से निःशुल्क है। यदि आप केवल स्थानीय मॉडल (ओलामा/एलएम स्टूडियो) का उपयोग करते हैं, तो हार्डवेयर के अलावा कोई लागत नहीं है; यदि आप क्लाउड एपीआई से कनेक्ट होते हैं, तो लागत चयनित मॉडल और उपयोग पर निर्भर करती है। GitHub Copilot ($19/माह·व्यक्ति) या कर्सर प्रो ($20/माह·व्यक्ति) की तुलना में, टीम का आकार बड़ा होने पर कंटिन्यू सीमांत लागत को काफी कम कर सकता है।

तैयारी

पर्यावरण जांच सूची

• [ ] वीएस कोड 1.80+ या जेटब्रेन 2023.2+ आईडीई
• [ ] Node.js 18+ (कुछ उन्नत कॉन्फ़िगरेशन के लिए आवश्यक)
• [ ] Git स्थापित और कॉन्फ़िगर किया गया (कॉन्फ़िगरेशन सिंक्रनाइज़ेशन के लिए)
• [ ] देशी मॉडल के लिए: NVIDIA GPU ड्राइवर या Apple सिलिकॉन मैक (M1+)

खाता और क्रेडेंशियल

• [ ] क्लाउड मॉडल के लिए: ओपनएआई / एंथ्रोपिक / अन्य एपीआई कुंजी
• [ ] स्थानीय मॉडल के लिए: ओलामा लक्ष्य मॉडल को स्थापित और खींचता है

ज्ञान की तैयारी

• [ ] जारी रखें के तीन इंटरैक्शन मोड को समझें: कोड पूर्णता (स्वतः पूर्ण), वार्तालाप (चैट), और इनलाइन संपादन (इनलाइन संपादन)
• [ ] YAML/JSON के मूल सिंटैक्स को समझें (कॉन्फ़िगरेशन फ़ाइल संशोधन के लिए)

चरण-दर-चरण मार्गदर्शिका

चरण 1: प्लग-इन इंस्टालेशन और बुनियादी सत्यापन

⏱अनुमानित समय: 10-15 मिनट 🎯लक्ष्य: प्लग-इन इंस्टॉलेशन जारी रखें को पूरा करें और बुनियादी इंटरैक्शन प्रक्रिया को सत्यापित करें ⚠️ आवश्यक शर्तें: वीएस कोड या जेटब्रेन आईडीई स्थापित

ऑपरेशन निर्देश

जारी रखें दो इंस्टॉलेशन विधियां प्रदान करता है: वीएस कोड एक्सटेंशन और जेटब्रेन प्लग-इन। इंस्टालेशन के बाद, आपको बुनियादी संवादी प्रोग्रामिंग क्षमताएं मिलेंगी।

विशिष्ट संचालन

1. वीएस कोड इंस्टालेशन: एक्सटेंशन मार्केट में "जारी रखें" खोजें या इंस्टॉलेशन लिंक प्राप्त करने के लिए जारी रखें.dev पर जाएं, और इंस्टॉल करने के लिए क्लिक करें।
2. जेटब्रेन्स इंस्टॉलेशन: सेटिंग्स → प्लगइन्स → मार्केटप्लेस खोलें, इंस्टॉल करने के लिए "जारी रखें" खोजें।
3. प्रारंभिक कॉन्फ़िगरेशन: इंस्टॉलेशन के बाद, जारी रखें आईडीई साइडबार में एक आइकन जोड़ देगा। बातचीत शुरू करने के लिए खोलने के लिए क्लिक करें.
4. बुनियादी सत्यापन: यह पुष्टि करने के लिए संवाद बॉक्स में "वर्तमान फ़ाइल को समझाएं" दर्ज करें कि जारी रखें वर्तमान संपादक में फ़ाइल की सामग्री को सही ढंग से पढ़ सकता है और उत्तर दे सकता है।

🔑विशेषज्ञ दृश्य: इंस्टॉलेशन के बाद, कंटिन्यू डिफ़ॉल्ट रूप से एक मुफ्त प्रॉक्सी मॉडल के साथ आता है (connect.dev प्रॉक्सी के माध्यम से एक्सेस किया जाता है), और डेवलपर्स बिना किसी एपीआई कुंजी के तुरंत संपूर्ण वार्तालाप फ़ंक्शन का अनुभव कर सकते हैं। यह आरंभ करने की सीमा को कम करता है - कस्टम मॉडल कॉन्फ़िगरेशन में प्रवेश करने से पहले प्लग-इन उपलब्धता को सत्यापित करने के लिए डिफ़ॉल्ट प्रॉक्सी का उपयोग करने की अनुशंसा की जाती है।

स्वीकृति मानदंड

• [ ] साइडबार जारी रखें आइकन दिखाई देता है और वार्तालाप पैनल खोला जा सकता है
• [ ] कोड का चयन करने के बाद "संपादित करें" या "पूछें" फ्लोटिंग बटन दिखाई देता है
• [ ] वार्तालाप सामान्य रूप से भेजे जा सकते हैं और उत्तर प्राप्त किए जा सकते हैं

चरण 2: एकाधिक एलएलएम बैकएंड कॉन्फ़िगरेशन और स्विचिंग

⏱अनुमानित समय: 30-60 मिनट 🎯लक्ष्य: कम से कम 2 एलएलएम बैकएंड (क्लाउड + लोकल) कॉन्फ़िगर करें और मॉडल स्विचिंग सत्यापित करें ⚠️ पूर्वावश्यकता: प्लग-इन इंस्टॉलेशन सत्यापन उत्तीर्ण

ऑपरेशन निर्देश

जारी रखें की मुख्य डिज़ाइन अवधारणा "मॉडल स्वतंत्र" है। config.json कॉन्फ़िगरेशन फ़ाइल के माध्यम से, डेवलपर्स एक ही समय में कई एलएलएम बैकएंड पंजीकृत कर सकते हैं और परिदृश्यों के अनुसार लचीले ढंग से स्विच कर सकते हैं।

विशिष्ट संचालन

1. कॉन्फ़िगरेशन फ़ाइल खोलें: जारी रखें पैनल के नीचे गियर आइकन पर क्लिक करें → ~/.dependent/config.json खोलें।
2. OpenAI बैकएंड जोड़ें:

   {
    "मॉडल": [
      {
        "शीर्षक": "GPT-4o",
        "प्रदाता": "ओपनाई",
        "मॉडल": "gpt-4o",
        "apiKey": "sk-..."
      },
      {
        "शीर्षक": "क्लाउड 3.5 सॉनेट",
        "प्रदाता": "मानव",
        "मॉडल": "क्लाउड-3-5-सॉनेट-20241022",
        "apiKey": "sk-ant-..."
      }
    ]
   }

3. ओलामा स्थानीय बैकएंड जोड़ें (यदि आवश्यक हो):

   {
    "शीर्षक": "स्थानीय लामा 3",
    "प्रदाता": "ओलामा",
    "मॉडल": "llama3"
   }

4. मॉडल स्विचिंग: जारी संवाद पैनल के शीर्ष पर ड्रॉप-डाउन मेनू में वर्तमान में उपयोग किए गए मॉडल को स्विच करें, विभिन्न मॉडलों की उत्तर गुणवत्ता की तुलना करने के लिए एक ही प्रश्न दर्ज करें।
5. मल्टी-मॉडल समवर्ती: प्रत्येक मॉडल के लिए तापमान और मैक्सटोकन जैसे पैरामीटर अलग से सेट करने के लिए `completionOptions'': {} कॉन्फ़िगर करें।

🔑 विशेषज्ञ दृष्टिकोण: जारी रखें का मॉडल कॉन्फ़िगरेशन "प्रदाता + मॉडल" दो-स्तरीय वास्तुकला को अपनाता है, और एक ही प्रदाता कई मॉडल संस्करणों को पंजीकृत कर सकता है। कार्य प्रकार के आधार पर मॉडल आवंटित करने की अनुशंसा की जाती है: दैनिक कोडिंग पूर्ण करने के लिए हल्के मॉडल (जैसे जीपीटी-4ओ मिनी या स्थानीय 7बी मॉडल), और जटिल पुनर्निर्माण और विश्लेषण के लिए फ्लैगशिप मॉडल (जीपीटी-4ओ, क्लाउड सॉनेट)। यह "पदानुक्रमित मॉडल" रणनीति एकल मॉडल समाधान की तुलना में अधिक किफायती है, और इसे config.json के माध्यम से संस्करण नियंत्रण में शामिल किया जा सकता है।

स्वीकृति मानदंड

• [ ] कम से कम एक क्लाउड मॉडल और एक स्थानीय मॉडल कॉन्फ़िगर करें
• [ ] मॉडलों के बीच स्विच कर सकते हैं और सामान्य रूप से प्रतिक्रियाएँ प्राप्त कर सकते हैं
• [ ] विभिन्न मॉडलों की उत्तर गुणवत्ता में स्पष्ट अंतर हैं (पुष्टि करें कि स्विच प्रभावी होता है)

चरण 3: त्वरित शब्द और स्लैश कमांड को अनुकूलित करें

⏱अनुमानित समय: 1-2 घंटे 🎯लक्ष्य: एक कस्टम प्रॉम्प्ट वर्ड फ़ाइल लिखें और स्लैश कमांड पंजीकृत करें ⚠️पूर्व शर्त: मॉडल कॉन्फ़िगरेशन पूरा हो गया है

ऑपरेशन निर्देश

जारी रखें .prompt फ़ाइल एक्सटेंशन के माध्यम से स्लैश कमांड को अनुकूलित करने का समर्थन करता है। यह क्लोज्ड-सोर्स एआई प्रोग्रामिंग असिस्टेंट से इसकी सबसे महत्वपूर्ण अंतर क्षमता है - टीमें कोड समीक्षा, आर्किटेक्चर समीक्षा, यूनिट टेस्ट जेनरेशन आदि के लिए विशेष वर्कफ़्लो संकेत जमा कर सकती हैं।

विशिष्ट संचालन

1. कस्टम प्रॉम्प्ट डायरेक्टरी बनाएं: प्रोजेक्ट रूट डायरेक्टरी में .continue/prompts/ फ़ोल्डर बनाएं।

2. कोड समीक्षा कमांड लिखें: फ़ाइल .continue/prompts/code-review.prompt बनाएं:

   आप एक वरिष्ठ कोड समीक्षा विशेषज्ञ हैं। कृपया निम्नलिखित आयामों के अनुसार चयनित कोड परिवर्तनों की समीक्षा करें:
   
   1. **सुरक्षा**: क्या एसक्यूएल इंजेक्शन, एक्सएसएस, अनुमति बाईपास इत्यादि जैसे जोखिम हैं।
   2. **प्रदर्शन**: क्या अनुकूलन योग्य लूप और अनावश्यक मेमोरी आवंटन हैं?
   3. **रखरखाव**: क्या नामकरण स्पष्ट है और क्या डुप्लिकेट कोड है?
   4. **सीमा स्थितियाँ**: क्या कोई अनियंत्रित शून्य मान या असामान्य इनपुट है?
   
   कृपया गंभीरता का स्तर (गंभीर/प्रमुख/मामूली) बताएं और मरम्मत के लिए सुझाव संलग्न करें।

3. यूनिट टेस्ट जेनरेशन कमांड लिखें: फ़ाइल .continue/prompts/gen-test.prompt बनाएं:

   आप एक परीक्षण विशेषज्ञ हैं. कृपया चयनित कार्यों/वर्गों के लिए पाइटेस्ट यूनिट परीक्षण तैयार करें:
   
   - पाइटेस्ट फ्रेमवर्क का उपयोग करें
   - सामान्य पथों, सीमा स्थितियों और असामान्य पथों को कवर करता है
   - बाहरी निर्भरता को अलग करने के लिए मॉक का उपयोग करें
   - परीक्षण नामकरण दिए गए_जब_तब पैटर्न का अनुसरण करता है

4. config.json में स्लैश कमांड पंजीकृत करें:

   {
    "स्लैशकमांड": [
      {
        "नाम": "समीक्षा",
        "विवरण": "कोड समीक्षा",
        "promptPath": ".connect/prompts/code-review.prompt"
      },
      {
        "नाम": "परीक्षण",
        "विवरण": "यूनिट परीक्षण उत्पन्न करें",
        "promptPath": ".connect/prompts/gen-test.prompt"
      }
    ]
   }

5. सत्यापन: कस्टम कमांड प्रभावी होने की पुष्टि करने के लिए जारी रखें संवाद पैनल में /review या /test दर्ज करें।

🔑विशेषज्ञ की राय: जारी समाधान में टीम सहयोग के लिए स्लैश कमांड सबसे मूल्यवान फ़ंक्शन है। कर्सर के नियमों या GitHub Copilot के चैट प्रतिभागियों की तुलना में, जारी रखें की .prompt फ़ाइल अनिवार्य रूप से एक सादा पाठ टेम्पलेट है और स्वाभाविक रूप से Git संस्करण प्रबंधन का समर्थन करती है। टीम एक स्वतंत्र प्रॉम्प्ट्स वेयरहाउस बना सकती है और इसे "एक बार लिखें और विश्व स्तर पर पुन: उपयोग करें" प्राप्त करने के लिए गिट सबमॉड्यूल या प्रतीकात्मक लिंक के माध्यम से विभिन्न परियोजनाओं में वितरित कर सकती है। यह अनुशंसा की जाती है कि टीम अत्यधिक चयन लागत से बचने के लिए प्रारंभिक चरण में केवल 3-5 कोर स्लैश कमांड बनाए रखे।

स्वीकृति मानदंड

• [ ] कम से कम 2 स्लैश कमांड बनाएं और उन्हें config.json में पंजीकृत करें
• [ ] /review कमांड निर्दिष्ट आयामों के अनुसार कोड की समीक्षा कर सकता है
• [ ] /test कमांड परीक्षण कोड उत्पन्न कर सकता है जो प्रोजेक्ट शैली के अनुरूप है

चरण 4: नियम और कोड आधार संदर्भ विन्यास

⏱अनुमानित समय: 1-2 घंटे 🎯लक्ष्य: परियोजना संरचना की एआई की समझ को बेहतर बनाने के लिए संदर्भ संदर्भ और नियम नियमों को कॉन्फ़िगर करें ⚠️ पूर्वावश्यकता: स्लैश कमांड कॉन्फ़िगरेशन पूरा हुआ

ऑपरेशन निर्देश

जारी रखें का "संदर्भ" तंत्र यह निर्धारित करता है कि एआई कितनी परियोजना जानकारी "देख" सकता है। उचित रूप से कॉन्फ़िगर किए गए संदर्भ स्रोत कोड पूर्णता और संवाद की गुणवत्ता में काफी सुधार कर सकते हैं, खासकर बड़ी परियोजनाओं में।

विशिष्ट संचालन

1. @फ़ाइल संदर्भ कॉन्फ़िगर करें: संवाद में @फ़ाइल दर्ज करें और वर्तमान फ़ाइल का चयन करें, पुष्टि करें कि जारी रखें फ़ाइल सामग्री को पढ़ सकता है।
2. @फ़ोल्डर संदर्भ कॉन्फ़िगर करें: प्रोजेक्ट निर्देशिका का चयन करने के लिए @फ़ोल्डर दर्ज करें ताकि एआई निर्देशिका संरचना और फ़ाइल सूची को पढ़ सके।
3. कॉन्फ़िगरेशन @codebase: कोड बेस इंडेक्स को config.json में कॉन्फ़िगर करें:

   {
    "संदर्भ प्रदाता": [
      {
        "नाम": "कोडबेस",
        "पैराम्स": {
          "यूजरराग": सत्य,
          "अधिकतमपरिणाम": 20
        }
      },
      {
        "नाम": "फ़ाइल",
        "पैराम्स": {}
      },
      {
        "नाम": "फ़ोल्डर",
        "पैराम्स": {}
      }
    ]
   }

4. अनुकूलित नियम: ~/.continue/config.json में `नियम'' फ़ील्ड बनाएं या प्रोजेक्ट-स्तरीय.continuerules` फ़ाइल का उपयोग करें:

   {
    "नियम": [
      "हमेशा टाइपस्क्रिप्ट सख्त मोड का उपयोग करें",
      "प्रोजेक्ट में मौजूदा कोड शैली का पालन करें",
      "राज्य प्रबंधन के लिए रिएक्ट हुक का उपयोग करें",
      "सभी निर्यातित कार्यों के लिए JSDoc टिप्पणियाँ लिखें"
    ]
   }

5. @docs इंडेक्स कॉन्फ़िगर करें: इंडेक्स में प्रोजेक्ट दस्तावेज़ या तृतीय-पक्ष लाइब्रेरी दस्तावेज़ जोड़ें ताकि AI दस्तावेज़ सामग्री को पुनः प्राप्त कर सके:

   {
    "संदर्भ प्रदाता": [
      {
        "नाम": "दस्तावेज़",
        "पैराम्स": {
          "दस्तावेज़": [
            {
              "शीर्षक": "प्रोजेक्ट एपीआई दस्तावेज़ीकरण",
              "यूआरएल": "https://your-project-docs-url"
            }
          ]
        }
      }
    ]
   }

🔑 विशेषज्ञ दृष्टिकोण: जारी रखें के उन्नत उपयोग के लिए संदर्भ कॉन्फ़िगरेशन एक महत्वपूर्ण वाटरशेड है। डिफ़ॉल्ट कॉन्फ़िगरेशन में, जारी रखें केवल वर्तमान में खोली गई फ़ाइल को पढ़ता है, और उत्तरों में अक्सर प्रोजेक्ट-स्तरीय दृष्टि का अभाव होता है। कोडबेस के आरएजी (रिट्रीवल एन्हांस्ड जेनरेशन) मोड को चालू करने के बाद, जारी रखें स्वचालित रूप से प्रोजेक्ट के लिए एक वेक्टर इंडेक्स बनाएगा और बातचीत के दौरान प्रासंगिक कोड स्निपेट पुनर्प्राप्त करेगा। 100,000 से अधिक पंक्तियों वाली बड़ी परियोजनाओं के लिए, इंडेक्स शोर से बचने के लिए खोज सीमा को मैन्युअल रूप से सीमित करने के लिए maxResults को 15-20 पर सेट करने और इसे @folder के साथ संयोजित करने की अनुशंसा की जाती है।

स्वीकृति मानदंड

• [ ] @codebase संदर्भ प्रोजेक्ट में प्रासंगिक कोड स्निपेट को सही ढंग से पुनर्प्राप्त कर सकते हैं
• [ ] नियम बातचीत में नियम प्रभावी होते हैं (जैसे कि आवश्यकता "टाइपस्क्रिप्ट सख्त मोड का उपयोग करें" का अनुपालन किया जाता है)
• [ ] बातचीत की प्रतिक्रियाएँ आइटम-स्तरीय प्रासंगिक समझ को दर्शाती हैं

चरण 5: स्थानीय मॉडल अनुमान एकीकरण

⏱ अनुमानित समय: 2-4 घंटे (मॉडल डाउनलोड सहित) 🎯लक्ष्य: पूर्ण ऑफ़लाइन एआई प्रोग्रामिंग सहायता प्राप्त करने के लिए ओलामा या एलएम स्टूडियो के माध्यम से स्थानीय ओपन सोर्स मॉडल चलाएं ⚠️ पूर्वापेक्षाएँ: स्थानीय GPU या Apple सिलिकॉन हार्डवेयर

ऑपरेशन निर्देश

ऑन-प्रिमाइसेस मॉडल क्लाउड-ओनली समाधानों की तुलना में कंटिन्यू के मुख्य लाभों में से एक है। या के माध्यम से, डेवलपर्स पूरी तरह से ऑफ़लाइन, शून्य-विलंबता और शून्य-डेटा रिसाव एआई प्रोग्रामिंग अनुभव प्राप्त करने के लिए स्थानीय रूप से लामा 3, कोडलामा, मिस्ट्रल और डीपसीक कोडर जैसे ओपन सोर्स मॉडल चला सकते हैं।

विशिष्ट संचालन

रूट ए: ओलामा का उपयोग करना

1. ओलामा इंस्टॉल करें: प्लेटफ़ॉर्म से संबंधित संस्करण को डाउनलोड और इंस्टॉल करने के लिए ollama.com पर जाएं।

2. प्रोग्रामिंग-विशिष्ट मॉडल खींचें:

   # कोड पूर्णता सिफ़ारिशें
   ओलामा पुल कोडेलमा:7बी-निर्देश
   
   # सामान्य प्रोग्रामिंग वार्तालाप अनुशंसाएँ
   ओलामा पुल डीपसीक-कोडर:6.7बी-इंस्ट्रक्शन
   
   #हल्के विकल्प
   ओलामा पुल क्वेन2.5-कोडर:7बी-निर्देश

3. जारी रखें config.json में ओलामा मॉडल कॉन्फ़िगरेशन जोड़ें:

   {
    "मॉडल": [
      {
        "शीर्षक": "डीपसीक कोडर लोकल",
        "प्रदाता": "ओलामा",
        "मॉडल": "डीपसीक-कोडर:6.7बी-इंस्ट्रक्शन"
      }
    ]
   }

रूट बी: एलएम स्टूडियो का उपयोग करना

1. एलएम स्टूडियो डाउनलोड और इंस्टॉल करें।
2. एलएम स्टूडियो में लक्ष्य मॉडल (जैसे Qwen2.5-Coder-7B-Instruct-GGUF) खोजें और डाउनलोड करें।
3. स्थानीय अनुमान सर्वर (स्थानीय अनुमान सर्वर) प्रारंभ करें और पोर्ट नंबर रिकॉर्ड करें।
4. एलएम स्टूडियो बैकएंड को जारी रखें में कॉन्फ़िगर करें:

   {
    "मॉडल": [
      {
        "शीर्षक": "एलएम स्टूडियो लोकल",
        "प्रदाता": "ओपनाई",
        "मॉडल": "qwen2.5-कोडर-7बी-निर्देश",
        "apiBase": "http://localhost:1234/v1",
        "apiKey": "आवश्यकता नहीं"
      }
    ]
   }

🔑विशेषज्ञ दृष्टिकोण: स्थानीय मॉडल और क्लाउड मॉडल विकल्प नहीं हैं, बल्कि पूरक हैं। अनुशंसित लेयरिंग रणनीति है: दैनिक कोड पूर्णता और सरल वार्तालापों के लिए स्थानीय 7बी मॉडल (प्रतिक्रिया गति <1 सेकंड) का उपयोग करें, और जटिल आर्किटेक्चर समीक्षाओं या गहन रीफैक्टरिंग के लिए क्लाउड फ्लैगशिप मॉडल का उपयोग करें। जारी रखें आईडीई को पुनरारंभ किए बिना उसी सत्र में मॉडल स्विच करने का समर्थन करता है। हार्डवेयर के संदर्भ में, Apple सिलिकॉन मैक (M2+ 16GB) 7B मॉडल को आसानी से चला सकता है, और NVidia RTX 3060+ 13B-34B मॉडल को चला सकता है। यदि हार्डवेयर सीमित है, तो Qwen2.5-Coder या DeepSeek Coder श्रृंखला के 1.5B-7B परिमाणित संस्करण को प्राथमिकता दी जाती है।

स्वीकृति मानदंड

• [ ] स्थानीय मॉडल सामान्य रूप से शुरू हो सकता है और अनुरोध स्वीकार कर सकता है
• [ ] जारी रखें स्थानीय मॉडल बैकएंड से सफलतापूर्वक कनेक्ट हो सकता है
• [ ] आप अभी भी ऑफ़लाइन वातावरण (नेटवर्क से डिस्कनेक्ट) में कोड वार्तालाप संचालित करने के लिए जारी रखें का उपयोग कर सकते हैं

चरण 6: टीम कॉन्फ़िगरेशन सिंक्रनाइज़ेशन और निजी तैनाती

⏱अनुमानित समय: 2-4 घंटे 🎯लक्ष्य: एक टीम-स्तरीय स्थापित करें बहु-सदस्यीय कॉन्फ़िगरेशन स्थिरता प्राप्त करने के लिए कॉन्फ़िगरेशन प्रबंधन प्रक्रिया जारी रखें ⚠️ आवश्यक शर्तें: व्यक्तिगत कॉन्फ़िगरेशन पूर्ण और सत्यापित

ऑपरेशन निर्देश

जब एक टीम में कई लोग जारी रखें का उपयोग करते हैं, तो खंडित कॉन्फ़िगरेशन फ़ाइल प्रबंधन जल्दी से एक बाधा बन सकता है। यह चरण कॉन्फ़िगरेशन को कोड के रूप में लागू करने के लिए कंटिन्यू के कॉन्फ़िगरेशन को प्रोजेक्ट वेयरहाउस से जोड़ता है।

विशिष्ट संचालन

1. प्रोजेक्ट-स्तरीय कॉन्फ़िगरेशन: प्रोजेक्ट रूट निर्देशिका में एक .connect/ निर्देशिका बनाएं और प्रोजेक्ट-विशिष्ट config.json रखें:

   {
    "मॉडल": [...],
    "स्लैशकमांड": [...],
    "नियम": [...],
    "संदर्भ प्रदाता": [...]
   }

   जारी रखें स्वचालित रूप से उपयोगकर्ता-स्तर (~/. जारी/config.json) और प्रोजेक्ट-स्तर (. जारी रखें/config.json) कॉन्फ़िगरेशन को मर्ज कर देगा, जिसमें प्रोजेक्ट-स्तरीय कॉन्फ़िगरेशन उच्च प्राथमिकता वाला होगा।

2. संस्करण नियंत्रण में कॉन्फ़िगर करें: Git पर .continue/ निर्देशिका सबमिट करें:

   गिट जोड़ें .जारी रखें/
   गिट कमिट -एम "कोर: कंटिन्यू टीम कॉन्फिगरेशन जोड़ें"

3. संवेदनशील जानकारी का असंवेदनीकरण: एपीआई कुंजी के बजाय पर्यावरण चर का उपयोग करें:

   {
    "मॉडल": [
      {
        "शीर्षक": "GPT-4o",
        "प्रदाता": "ओपनाई",
        "मॉडल": "gpt-4o",
        "apiKey": "${OPENAI_API_KEY}"
      }
    ]
   }

   सीआई/सीडी या टीम दस्तावेज़ीकरण के माध्यम से पर्यावरण चर वितरित करने के लिए .gitignore में .env फ़ाइलों को बाहर निकालें।

4. निजी परिनियोजन एजेंट (उद्यम परिदृश्य): यदि आपको एकीकृत मॉडल रूटिंग और उपयोग ऑडिटिंग की आवश्यकता है, तो आप एपीआई कुंजी और अनुरोध लॉग को समान रूप से प्रबंधित करने के लिए मॉडल एजेंट परत के रूप में कंटिन्यू हब (सामुदायिक संस्करण) को तैनात कर सकते हैं।

🔑विशेषज्ञ की राय: जारी रखें का "उपयोगकर्ता-स्तर + प्रोजेक्ट-स्तर" दो-स्तरीय कॉन्फ़िगरेशन सिस्टम इसकी टीम सहयोग डिज़ाइन का सार है। अनुशंसित पदानुक्रमित रणनीति है: उपयोगकर्ता-स्तरीय कॉन्फ़िगरेशन व्यक्तिगत एपीआई कुंजी और वैयक्तिकृत मॉडल प्राथमिकताओं को संग्रहीत करता है, और प्रोजेक्ट-स्तरीय कॉन्फ़िगरेशन टीम के एकीकृत स्लैश कमांड, नियमों और संदर्भ नीतियों को संग्रहीत करता है। यह पृथक्करण सुनिश्चित करता है कि जहां व्यक्ति स्वतंत्र रूप से मॉडल बदल सकते हैं, वहीं टीम के मुख्य वर्कफ़्लो संकेत सुसंगत बने रहेंगे। GitHub Copilot की तुलना में, जो केवल व्यक्तिगत-स्तरीय कॉन्फ़िगरेशन मोड का समर्थन करता है, कंटिन्यू का टीम कॉन्फ़िगरेशन प्रबंधन मध्यम और बड़ी R&D टीमों के लिए अधिक उपयुक्त है जिन्हें एकीकृत कोडिंग मानकों की आवश्यकता होती है।

स्वीकृति मानदंड

• [ ] प्रोजेक्ट-स्तर .connect/config.json को Git प्रबंधन में शामिल किया गया है
• [ ] प्रोजेक्ट को खींचने के बाद टीम का एक अन्य सदस्य सीधे कॉन्फ़िगरेशन का उपयोग कर सकता है (व्यक्तिगत एपीआई कुंजी को पूरक करने के बाद)
• [ ] $ पर्यावरण चर संदर्भों को रनटाइम पर सही ढंग से प्रतिस्थापित किया जाता है

अपेक्षित परिणाम

स्वीकृति मानदंड

• [ ] डेवलपर्स 3 से अधिक मॉडलों के बीच स्वतंत्र रूप से स्विच कर सकते हैं
• [ ] टीम के भीतर कम से कम 3 कस्टम स्लैश कमांड साझा किए जा सकते हैं
• [ ] स्थानीय मॉडल ऑफ़लाइन वातावरण में कोड पूर्णता और संवाद पूरा कर सकते हैं
• [ ] टीम कॉन्फ़िगरेशन Git के माध्यम से वितरित किया जाता है, और नए सदस्य 15 मिनट में पर्यावरण सेटअप पूरा कर सकते हैं

अक्सर पूछे जाने वाले प्रश्न और समस्या निवारण

प्रश्न: कंटिन्यू और गिटहब कोपायलट/कर्सर के बीच मुख्य अंतर क्या है? उत्तर: जारी रखें एक स्टैंडअलोन आईडीई के बजाय एक ओपन सोर्स प्लग-इन है। यह किसी भी मॉडल विक्रेता को लॉक नहीं करता है और किसी भी एलएलएम बैकएंड (स्थानीय रूप से चलने वाले ओपन सोर्स मॉडल सहित) को कॉल करने के लिए मुफ्त कॉन्फ़िगरेशन की अनुमति देता है। GitHub Copilot Azure OpenAI से बंधा हुआ है। हालाँकि कर्सर विभिन्न प्रकार के मॉडलों का उपयोग कर सकता है, लेकिन यह खुला स्रोत नहीं है। जारी रखें के मुख्य मूल्य कॉन्फ़िगरेशन संप्रभुता और डेटा गोपनीयता हैं।

प्रश्न: क्या स्थानीय मॉडल के प्रदर्शन की तुलना GPT-4o से की जा सकती है? उत्तर: 7बी-14बी स्तर पर स्थानीय ओपन सोर्स मॉडल का वर्तमान प्रदर्शन कोड पूर्णता और सरल प्रश्न और उत्तर में जीपीटी-4 स्तर के करीब है (ह्यूमनएवल स्कोर लगभग 60-75% बनाम जीपीटी-4 लगभग 85% है), लेकिन जटिल आर्किटेक्चर तर्क, मल्टी-फ़ाइल पुनर्निर्माण और गहन बग विश्लेषण में अभी भी एक अंतर है। दैनिक कोडिंग को संभालने के लिए स्थानीय मॉडल और जटिल कार्यों को संभालने के लिए क्लाउड मॉडल के लिए अनुशंसित रणनीति है।

प्रश्न: टीम निजीकरण परिनियोजन जारी रखने के लिए किस बुनियादी ढांचे की आवश्यकता है? उ: मूल योजना के लिए केवल Git रिपॉजिटरी वितरण कॉन्फ़िगरेशन फ़ाइल (शून्य सर्वर लागत) की आवश्यकता होती है। यदि आपको केंद्रीकृत मॉडल रूटिंग और उपयोग प्रबंधन की आवश्यकता है, तो आप कंटिन्यू हब कम्युनिटी एडिशन (लिनक्स सर्वर या कुबेरनेट्स क्लस्टर की आवश्यकता है) को तैनात कर सकते हैं, और एपीआई कुंजी रोटेशन नीतियों को समान रूप से कॉन्फ़िगर कर सकते हैं और ऑडिट लॉग का अनुरोध कर सकते हैं।

प्रश्न: स्थानीय मॉडल की धीमी अनुमान गति की समस्या को कैसे हल करें? उत्तर: हार्डवेयर निचली गति सीमा निर्धारित करता है। इष्टतम अनुमान दक्षता के लिए ऐप्पल सिलिकॉन मैक एमएलएक्स बैकएंड (ओलामा स्वचालित रूप से सक्षम) का उपयोग करता है; एनवीडिया जीपीयू CUDA + परिमाणित मॉडल (Q4_K_M) की अनुशंसा करते हैं। यदि हार्डवेयर सीमित है, तो <= 7बी पैरामीटर वाले मात्रात्मक मॉडल को प्राथमिकता दें, और जारी रखें के "स्ट्रीमिंग रिस्पांस" मोड को सक्षम करें (डिफ़ॉल्ट रूप से सक्षम)। आप पहले टोकन विलंब के बाद उत्तर पढ़ना शुरू कर सकते हैं।

प्रश्न: क्या प्रोजेक्ट में संवेदनशील कोड क्लाउड पर अपलोड किया जाएगा? उत्तर: स्थानीय मॉडल (ओलामा/एलएम स्टूडियो) का उपयोग करते समय, सभी कोड प्रोसेसिंग पूरी तरह से स्थानीय रूप से पूरी हो जाती है, और शून्य डेटा भेजा जाता है। क्लाउड एपीआई का उपयोग करते समय, कोड HTTPS के माध्यम से संबंधित मॉडल प्रदाता को भेजा जाता है। जारी रखें स्वयं कोड सामग्री को संग्रहीत या समीक्षा नहीं करता है। एंटरप्राइज़ अनुपालन परिदृश्यों के लिए, स्थानीय मॉडल को डिफ़ॉल्ट बैकएंड के रूप में कॉन्फ़िगर करने और केवल गैर-संवेदनशील मॉड्यूल के लिए क्लाउड एपीआई का उपयोग करने की अनुशंसा की जाती है।

उन्नति और विस्तार

मल्टी-आईडीई सिंक्रनाइज़ेशन

जारी रखें का उपयोगकर्ता-स्तरीय कॉन्फ़िगरेशन ~/.continue/ निर्देशिका में संग्रहीत है। वीएस कोड और जेटब्रेन समान कॉन्फ़िगरेशन निर्देशिका साझा करते हैं। जेटब्रेन में कंटिन्यू प्लग-इन स्थापित करने के बाद, आईडीई में निर्बाध स्विचिंग प्राप्त करने के लिए मौजूदा कॉन्फ़िगरेशन स्वचालित रूप से पढ़ा जाएगा।

कस्टम संदर्भ प्रदाता

जारी रखें एआई वार्तालाप संदर्भ में बाहरी डेटा स्रोतों जैसे आंतरिक एपीआई दस्तावेज़, कॉन्फ्लुएंस नॉलेज बेस, आंतरिक एनपीएम पैकेज दस्तावेज़ इत्यादि को इंजेक्ट करने के लिए टाइपस्क्रिप्ट के माध्यम से कस्टम संदर्भ प्रदाता लिखने का समर्थन करता है। विस्तृत विकास दिशानिर्देशों के लिए, जारी रखें आधिकारिक दस्तावेज़ का "कस्टम संदर्भ प्रदाता" अध्याय देखें।

सीआई/सीडी एकीकरण

जारी रखें सीएलआई उपकरण के माध्यम से, आप स्वचालित कोड समीक्षा या कोड दस्तावेज़ीकरण पीढ़ी करने के लिए सीआई पाइपलाइन में जारी रखें को कॉल कर सकते हैं, आईडीई से डेवऑप्स वर्कफ़्लोज़ तक एआई-सहायता क्षमताओं का विस्तार कर सकते हैं।

मॉडल रूटिंग रणनीति

एंटरप्राइज़ टीमें कंटिन्यू हब के माध्यम से मॉडल रूटिंग रणनीतियों को कॉन्फ़िगर कर सकती हैं: कोड बेस पथ, फ़ाइल प्रत्यय या कीवर्ड द्वारा स्वचालित रूप से विभिन्न मॉडलों पर रूट करें। उदाहरण के लिए: src/**/*.ts फ़ाइलें स्वचालित रूप से GPT-4o को कॉल करती हैं, docs/** फ़ाइलें क्लाउड को कॉल करती हैं, और परीक्षण फ़ाइलें स्थानीय मॉडल को कॉल करती हैं।

अवधि और परिणाम

नोट: उपरोक्त चक्र 3-5 व्यक्तियों की आर एंड डी टीम द्वारा पहले कार्यान्वयन के संदर्भ मूल्य पर आधारित है। व्यक्तिगत डेवलपर्स अपने चक्रों को 40-50% तक संपीड़ित कर सकते हैं।

समाधान के फायदे और नुकसान

लाभ

• मॉडल स्वतंत्रता: किसी भी मॉडल निर्माता से बाध्य नहीं, आप किसी भी समय समानांतर में कई मॉडलों को स्विच या उपयोग कर सकते हैं
• डेटा संप्रभुता: स्थानीय मॉडल समाधान शून्य कोड आउटसोर्सिंग प्राप्त करता है और एंटरप्राइज़ डेटा अनुपालन आवश्यकताओं को पूरा करता है
• नियंत्रणीय लागत: खुला स्रोत और मुफ़्त + स्थानीय मॉडल, टीम का आकार जितना बड़ा होगा, व्यावसायिक समाधानों की तुलना में बचत उतनी ही अधिक होगी
• कोड के रूप में कॉन्फ़िगरेशन: स्लैश कमांड और नियमों को फ़ाइलों के रूप में प्रबंधित किया जाता है, जो स्वाभाविक रूप से Git संस्करण नियंत्रण और टीम वितरण का समर्थन करते हैं
• क्रॉस-प्लेटफ़ॉर्म स्थिरता: वीएस कोड और जेटब्रेन समान कॉन्फ़िगरेशन साझा करते हैं, डेवलपर्स विभिन्न आईडीई के बीच सहजता से स्विच कर सकते हैं

सीमाएँ

• स्थानीय मॉडल प्रभाव की ऊपरी सीमा: वर्तमान ओपन सोर्स मॉडल अभी भी जटिल अनुमान कार्यों में GPT-4o/क्लाउड जैसे प्रमुख मॉडल से पीछे है।
• कॉन्फ़िगरेशन जटिलता: "आउट-ऑफ़-द-बॉक्स" वाणिज्यिक समाधानों की तुलना में, कंटिन्यू के लिए डेवलपर्स को प्रारंभिक कॉन्फ़िगरेशन समय निवेश करने की आवश्यकता होती है
• हार्डवेयर थ्रेसहोल्ड: स्थानीय मॉडलों को सुचारू रूप से चलाने के लिए कुछ हार्डवेयर स्थितियों (GPU या Apple सिलिकॉन) की आवश्यकता होती है
• समुदाय-संचालित: कुछ फ़ंक्शन पुनरावृत्तियाँ सामुदायिक योगदान पर निर्भर करती हैं, और फ़ंक्शंस का रिलीज़ समय अनियंत्रित होता है।
• एकीकृत बाजार का अभाव: वीएस कोड एक्सटेंशन बाजार में एक ही नाम/समानता वाले कई प्लग-इन हैं, जिन्हें भ्रम से बचने के लिए आधिकारिक स्रोत (जारी रखें.dev) से इंस्टॉल करने की आवश्यकता है।

टूल सारांश

भीड़ डायवर्जन के लिए लागू

इष्टतम परिदृश्य

• मॉडल चयन और डेटा गोपनीयता (वित्त, चिकित्सा, सरकार और अन्य कड़ाई से विनियमित उद्योग) के लिए उच्च आवश्यकताओं वाली अनुसंधान एवं विकास टीमें
• मध्यम और बड़ी विकास टीमें जो टीम कोडिंग मानकों और वर्कफ़्लो संकेतों को एकीकृत करना चाहती हैं
• ऐसे डेवलपर्स जिन्हें ऑफ़लाइन या प्रतिबंधित नेटवर्क वातावरण में प्रोग्राम करने की आवश्यकता है
• सीमित बजट वाले व्यक्तिगत डेवलपर्स या स्टार्ट-अप टीमें जो कम लागत पर एआई प्रोग्रामिंग सहायता प्राप्त करना चाहते हैं
• प्रौद्योगिकी के प्रति उत्साही जो एआई प्रोग्रामिंग के अंतर्निहित इंटरैक्शन तंत्र को गहराई से समझना चाहते हैं

दृश्य के लिए उपयुक्त नहीं है

• टीमें जो "आउट-ऑफ़-द-बॉक्स" अपनाती हैं और मॉडल कॉन्फ़िगर करने में समय बर्बाद नहीं करना चाहती हैं (कर्सर या गिटहब कोपायलट चुनने की अनुशंसा की जाती है)
• टीम के सदस्यों का आईडीई प्रौद्योगिकी स्टैक अत्यधिक असंगत है (एक्लिप्स और विम जैसे संपादक समर्थित नहीं हैं)
• ऐसे परिदृश्य जहां एआई प्रोग्रामिंग सहायता की आवश्यकता केवल "कभी-कभी सरल कोड पूर्णता" होती है और किसी कस्टम वर्कफ़्लो की आवश्यकता नहीं होती है
• वे टीमें जिनकी हार्डवेयर स्थितियाँ स्थानीय मॉडल चलाने की आवश्यकताओं को पूरा नहीं कर सकती हैं और क्लाउड का उपयोग करने के लिए तैयार नहीं हैं