使用VS Code插件搭建AI开发环境完全指南

使用VS Code插件搭建AI开发环境完全指南

前篇:

AI编程教学:手把手搭建AI编程环境(IDE/插件/CLI方案)

Claude code免费体验+安装方式,对接国产大模型,Node + 配置教程

01. AI编程工具概述

目前主流的AI编程工具主要分为三类:集成IDE、插件模式和独立CLI。

其中,插件模式以其轻量级和高兼容性成为许多开发者的首选。通过在VSCode中安装相应插件,开发者可以在不离开熟悉的编辑器环境的情况下,享受到AI辅助编程的便利。

插件模式的优势在于:

  • 无需切换编辑器,保持开发环境一致性
  • 可根据需求灵活选择不同AI模型
  • 资源占用小,启动速度快
  • 支持与本地开发环境深度集成

02. VS Code AI插件选择

目前市场上有多种VS Code AI插件可供选择,各有特色。以下是几款主流插件的对比分析:

添加图片注释,不超过 140 字(可选)

综合对比下来,RooCode是目前最推荐的VS Code AI插件,它不仅支持多种模型和模式切换,而且对中文的支持非常友好,适合国内开发者使用。

03. RooCode插件安装与配置

3.1 安装RooCode插件

安装RooCode插件的步骤非常简单:

1.打开VSCode,点击左侧边栏的"扩展"图标(或使用快捷键Ctrl+Shift+X)

2. 在搜索框中输入"RooCode",找到带有小袋鼠图标的插件

3. 点击"安装"按钮,等待安装完成

4. 安装完成后,插件默认会出现在侧边栏底部,可将其拖动到侧边栏上方以便使用

3.2 RooCode主要功能模式

RooCode提供三种主要工作模式,满足不同开发需求:

  • 架构模式:适合架构师进行项目计划和设计
  • Code模式:专注于代码编写,提供实时建议和补全
  • Ask模式:用于问答形式的知识查询和问题解决

3.3 整体架构与工作原理

VS Code AI开发环境的整体架构如下:

1. VS Code作为基础编辑器平台

2. RooCode插件作为AI客户端,负责与AI模型交互

3. 通过API调用方式连接到AI模型服务(原生API或聚合平台)

4. 插件通过工具调用(读文件、写文件、查找等)操作VS Code中的文件

PS. VS Code本身不具备直接与AI模型交互的能力,需要通过插件作为中间层,实现编辑器与AI模型的通信。

04. 对接AI模型服务

配置RooCode插件后,需要对接具体的AI模型服务才能正常使用。目前主要有两种对接方式:通过聚合平台或直接对接原生API。

4.1 通过摩搭社区对接(免费方案)

摩搭社区(ModelScope)是一个模型开源社区,提供多种AI模型的API服务,适合开发者免费体验。以下是对接步骤:

1. 注册摩搭社区账号

  • 访问摩搭社区官网并注册账号
  • 绑定阿里云账号,获得每日2000额度

2. 申请访问令牌(TOKEN)

  • 进入账号设置,找到"访问令牌"选项
  • 点击"创建令牌",保存生成的TOKEN

3. 配置RooCode插件

在VS Code中打开RooCode设置(点击插件图标旁的小齿轮)

  • API提供商选择"Open AI接入模式"
  • 粘贴摩搭社区的API base URL
  • 输入申请的TOKEN
  • 选择模型(如Deepseek 3.2、千问3等)

目前摩搭社区提供的可用模型包括:

  • Deepseek V3.2:12月最新发布,性能对标GPT5
  • 千问3:阿里达摩院开发的大语言模型
  • GLM系列:部分模型仅支持网页端使用,不提供API访问

05. 直接对接原生API(付费方案)

对于有更高需求的开发者,可以考虑直接对接模型厂商提供的原生API,获得更稳定的服务和更丰富的功能。以下是几个主流国产模型的接入方案:

Minimax M2模型

Minimax提供的M2模型性能优秀,支持图文理解,适合中文场景。

1. 访问Minimax官网,注册API开放平台账号

2. 选择Coding plan,每月29元,新用户送15元余额

3. 创建API密钥并复制

4. 在VS Code中新建settings.json文件,配置: { "roocode.apiKey": "你的API密钥", "roocode.baseUrl": "https://api.minimax.chat/v1/text/chatcompletion_pro", "roocode.model": "m2" } 5. 保存配置并重启VS Code

GLM模型

GLM提供的Coding plan性价比高,首月仅需20元。

  • 首月20元,第二个月起40元
  • 支持多种编程任务,中文理解能力强
  • 配置方式与Minimax类似,需使用GLM提供的API地址和密钥

Deepseek模型

Deepseek采用按TOKEN收费模式,适合用量波动较大的场景。

  • 按TOKEN收费,1000万TOKEN约3-4元
  • 12月最新发布的V3.2模型性能强劲
  • 适合对成本敏感且用量不稳定的用户
不同模型的API接口格式可能略有差异,配置时需参考各厂商提供的开发文档,确保base URL和请求参数格式正确。

05环境测试与使用

完成插件安装和模型配置后,建议进行简单测试以确保环境正常工作:

1. 基础功能测试

打开RooCode插件,切换到"Ask"模式

输入简单问题,如"如何用Python实现快速排序",检查是否能得到有效回答

2. 代码生成测试

新建一个代码文件

切换到"Code"模式,输入注释描述需要实现的功能

检查插件是否能根据注释生成合理的代码

3. 模型切换测试

  • 尝试切换不同模型,比较生成结果的差异
  • 根据任务类型选择最适合的模型

06高级配置与优化

多模型管理

对于需要同时使用多个AI模型的开发者,可以通过配置多个插件实例或使用支持多模型的插件来实现。RooCode支持在不同项目中保存不同的模型配置,满足多样化需求。

快捷键设置

为常用的AI功能设置快捷键可以进一步提升效率:

1. 打开VS Code快捷键设置(Ctrl+K, Ctrl+S)

2. 搜索RooCode相关命令

3. 为常用命令(如"生成代码"、"解释代码"等)设置自定义快捷键

资源监控

使用AI模型时需注意资源消耗:

  • 定期检查API使用情况,避免超出预算
  • 对于按TOKEN收费的模型,注意优化提示词,减少不必要的TOKEN消耗
  • 合理设置模型参数(如temperature),平衡生成质量和资源消耗

视频教程👇

VS Code 配置 AI 插件,小白零成本体验 AI 编程_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1jRqZBHEfL?spm_id_from=333.788.videopod.episodes&vd_source=5f0dbc9a3c34dd18b25b4e26b6a58a6c&p=3

在新中地GIS开发特训营,也引入了AI编程工具,在掌握基础编程的前提下,快速提升编程效率,将工作中繁杂的问题简单化,下面是同学们课堂上使用AI编程工具制作的案例。

图片

图片

图片

图片

新中地GIS开发特训营全年开班

从零基础到三维GIS开发工程师,学完推荐就业!

现开启免费试听模式,同步特训营内容👇

新中地教育GIS开发课程咨询官方入口 - 哔哩哔哩 (bilibili.com)https://www.bilibili.com/opus/1107861289058697224?spm_id_from=333.1387.0.0

Read more

本地部署 OpenClaw:让 AI 真正“干活”的开源智能体,从核心概念到实战全流程

本地部署 OpenClaw:让 AI 真正“干活”的开源智能体,从核心概念到实战全流程 这里写目录标题 * 本地部署 OpenClaw:让 AI 真正“干活”的开源智能体,从核心概念到实战全流程 * 一、核心概念:读懂 OpenClaw 与 Skills * 1. OpenClaw:本地优先的自主 AI 内核 * 2. Skills:AI 助手的“功能插件库” * (1)Skills 核心构成 * (2)加载路径与优先级 * (3)必装核心 Skills * 二、前置准备:部署前必做的 3 件事 * 1. 系统与硬件要求 * 2. 强制依赖安装

PPTist,一个完全免费的 AI 生成 PPT 在线网站

PPTist,一个完全免费的 AI 生成 PPT 在线网站

PPTist,一个完全免费的 AI 生成 PPT 在线网站 PPTist 是一个完全免费的 AI 生成 PPT 在线网站、PPT 在线演示网站、PPT 在线编辑网站。 它完全免费,无需登录注册,支持 AI 生成 PPT 功能,可以一句话生成 PPT ,支持输入 PPT 主题、选择 PPT 风格,然后可以 AI 生成 PPT 内容大纲,支持编辑 PPT 大纲内容,最后选择 PPT 模板,稍微等待就可以生成一个精美 PPT ,生成 PPT 速度特别快,支持免费导出下载生成的 PPT 文件,

人工智能:深度学习中的卷积神经网络(CNN)实战应用

人工智能:深度学习中的卷积神经网络(CNN)实战应用

人工智能:深度学习中的卷积神经网络(CNN)实战应用 1.1 本章学习目标与重点 💡 学习目标:掌握卷积神经网络的核心原理、经典网络架构,以及在图像分类任务中的实战开发流程。 💡 学习重点:理解卷积层、池化层的工作机制,学会使用 TensorFlow 搭建 CNN 模型并完成训练与评估。 1.2 卷积神经网络核心原理 1.2.1 卷积层:提取图像局部特征 💡 卷积层是 CNN 的核心组件,其作用是通过卷积核对输入图像进行局部特征提取。 卷积核本质是一个小型的权重矩阵。它会按照设定的步长在图像上滑动。每滑动一次,卷积核就会与对应区域的像素值做内积运算,输出一个特征值。 这个过程可以捕捉图像的边缘、纹理等基础特征。 ⚠️ 注意:卷积核的数量决定了输出特征图的通道数,数量越多,提取的特征维度越丰富。 ① 定义一个 3×3 大小的卷积核,步长设为 1,填充方式为 SAME