6ヶ月前、GitHub Copilotのサブスクリプションを解約し、Continue.devとOllamaによるローカルスタックにすべて移行しました。コードはマシンの外に出ることなく、ミドルレンジのGPUでもレイテンシは驚くほど良好で、毎月のコストはゼロ。この記事では、実際に定着した設定だけを紹介します――行き詰まった試みは省きます。
クイックスタート — 5分で動かす
必要なのは2つだけ:Ollama(ローカルモデルサーバー)とContinue VS Code拡張機能(IDEインターフェース)です。両者は127.0.0.1:11434のローカルHTTPポートで通信します。
1. Ollamaをインストールする
OSに合わせた公式サイトのインストーラーをダウンロードするか、Linuxであれば次のコマンドを実行します:
curl -fsSL https://ollama.com/install.sh | sh
正しく起動しているか確認します:
ollama --version
# ollamaのバージョンは0.3.xです
2. コーディングモデルをダウンロードする
8 GB VRAM(またはCPU専用の場合は16 GB RAM)のマシンには、qwen2.5-coder:7bがお勧めです――補完が速く正確で、メモリにも余裕で収まります:
# 7B — 速度と品質のバランスが良い
ollama pull qwen2.5-coder:7b
# 1.5B — RAMが少ない場合や即座の補完が必要な場合
ollama pull qwen2.5-coder:1.5b
# 14B — 24 GB GPUがあり、GPT-4oレベルのチャット品質が欲しい場合
ollama pull qwen2.5-coder:14b
モデルが使えることを確認します:
ollama list
3. Continue拡張機能をインストールする
VS Codeを開き、拡張機能パネルからContinue(発行者:Continue.dev)を検索してインストールします。インストール後、左側にContinueのサイドバーアイコンが表示されます。
4. ContinueをOllamaに接続する
Continueのサイドバーアイコンをクリックしてからギアアイコン → Open config.jsonを選択します。デフォルトの内容を以下の最小限の動作設定に置き換えます:
{
"models": [
{
"title": "Qwen2.5 Coder 7B",
"provider": "ollama",
"model": "qwen2.5-coder:7b"
}
],
"tabAutocompleteModel": {
"title": "Qwen2.5 Coder 1.5B",
"provider": "ollama",
"model": "qwen2.5-coder:1.5b"
},
"allowAnonymousTelemetry": false
}
ファイルを保存します。ソースファイルを開いてコードを入力し始め、Tabでオートコンプリートの候補を受け入れるか、Ctrl+L(MacではCmd+L)でチャットパネルを開きます。準備完了です。
詳細解説 — 設定の仕組みを理解する
クイックスタートの設定でも十分動きます。しかし、Continueには多くの人が手をつけない3つの領域があり、そこにこそ本当の恩恵があります。
チャットとオートコンプリートのモデルを分ける
Continueはチャットとオートコンプリートを独立したワークロードとして扱います。最適なモデルサイズはそれぞれ異なります:
- チャット /
modelsアレイ:長いプロンプトを送り、詳細な説明を求めます。多少レイテンシが高くても7B〜14Bモデルを使う価値があります。 - オートコンプリート /
tabAutocompleteModel:キーストロークのたびに実行されます。300ms以内に応答しないと遅延を感じます。1.5B〜3Bモデルが最適です。
コンテキストプロバイダー — 見落とされがちな機能
AIアシスタントにコードについて質問したら、実際のコードベースとまったく無関係な答えが返ってきた経験はありますか?コンテキストプロバイダーなしだとそうなります。コンテキストプロバイダーにより、Continueは開いているファイル、gitの差分、ターミナル出力、VS Codeの診断情報などをリアルタイムで自動的に取り込めます。なければ、モデルが見るのは手動でチャットに貼り付けた内容だけです。設定に以下を追加します:
"contextProviders": [
{ "name": "code" },
{ "name": "docs" },
{ "name": "diff" },
{ "name": "terminal" },
{ "name": "problems" },
{
"name": "folder",
"params": { "nFinal": 10 }
}
]
これで、チャットボックスで@と入力してファイル、現在のgit差分、ターミナル出力、VS Codeの診断情報を参照できます。モデルは推測ではなく実際のコンテキストを得られます。
コードベース埋め込み(任意だが効果的)
開いているファイル以上のコードベース全体をモデルに見せるには、埋め込みプロバイダーを追加します。Continueはコードベースをローカルでインデックス化し、各チャットクエリの前にセマンティック検索を実行します:
"embeddingsProvider": {
"provider": "ollama",
"model": "nomic-embed-text"
}
ollama pull nomic-embed-text
Ctrl+Shift+P → Continue: Reindex Codebaseで再インデックスをトリガーします。インデックス化が完了すると、チャットで@codebaseコンテキストプロバイダーが使えるようになります。2万行以上のプロジェクトでは、存在を忘れていた関数が浮かび上がり、単独では見落とされていたファイル間のパターンが繋がります。
応用的な使い方
用途に合わせた複数モデルの使い分け
modelsアレイに複数のモデルを登録し、チャットパネルで切り替えます。私の本番設定には3つあります:
"models": [
{
"title": "Qwen2.5 Coder 14B(深い質問向け)",
"provider": "ollama",
"model": "qwen2.5-coder:14b"
},
{
"title": "Qwen2.5 Coder 7B(日常使い)",
"provider": "ollama",
"model": "qwen2.5-coder:7b"
},
{
"title": "Mistral 7B(コード以外の文書作成)",
"provider": "ollama",
"model": "mistral:7b"
}
]
モデル切り替えはチャットパネルの上部にあります。複雑な問題をデバッグするときは14Bモデルを使い、日常的な作業では応答速度を維持するために7Bに戻します。
カスタムスラッシュコマンド
スラッシュコマンドで再利用可能なプロンプトを定義できます。slashCommandsセクションを追加します:
"slashCommands": [
{
"name": "review",
"description": "選択したコードのバグとスタイルの問題をレビューする",
"prompt": "次のコードをレビューしてください。バグ、潜在的なエッジケース、スタイルの問題を指摘してください。直接的かつ具体的に:\n\n{{{ input }}}"
},
{
"name": "docstring",
"description": "選択した関数のdocstringを作成する",
"prompt": "この関数の簡潔なdocstringを書いてください。パラメータの型と戻り値を含めること:\n\n{{{ input }}}"
}
]
コードブロックを選択し、チャットを開いて/reviewと入力してEnterを押します。モデルはカスタムプロンプトを添えた選択内容を受け取ります。
.continuerulesを使ったプロジェクトレベルのルール
プロジェクトのルートに.continuerulesファイルを置いて、そのコードベース向けの恒常的な指示をモデルに与えます:
このプロジェクトはPython 3.11を使用し、厳格な型ヒントを適用します。
すべての関数に型アノテーションが必要です。
変数と関数にはsnake_caseを使用すること。
os.pathよりpathlibを優先すること。
非推奨のPython 2のパターンは提案しないこと。
このファイルは、そのプロジェクトで作業しているときに自動的にすべてのチャットプロンプトに注入されます。毎回同じコンテキストを繰り返す必要がなくなります。
6ヶ月の毎日の実使用から得た実践的なヒント
ハードウェアの実情:NVIDIA RTX 3060(12 GB VRAM)搭載マシンで7Bモデルを使用すると、典型的なチャット応答は3〜8秒で完了します。16コア・32 GB RAMのCPU専用マシンでは同じ応答に20〜40秒かかります――チャットには使えますが、オートコンプリートには遅すぎます。CPU専用の場合は、すべてに1.5Bモデルを使いましょう。
オートコンプリートは軽量に保つ:最もよく見かける間違いは、オートコンプリートに7Bモデルを使うことです。レイテンシが作業の流れを壊します。タブ補完に1.5B、チャットに7Bという構成で、Python・TypeScript・Goプロジェクトで6ヶ月間一度も変えずに使い続けています。1.5Bモデルは複雑な補完をいくつか見逃すこともあります。しかし200ms以下であれば、API呼び出しを待つ感覚ではなく、IDEのネイティブ機能のように感じられます。
@diffをコードレビューに活用する:コミット前にContinueチャットを開き、@diff コミット前に問題点をレビューしてと入力します。モデルはステージされた変更を見て、リンターが見逃す問題――ロジックエラー、nullチェック漏れ、命名の不一致――を指摘します。
応答が低下したらOllamaを再起動する:長時間のセッションの後、Ollamaがメモリを蓄積して応答が目に見えて遅くなることがあります。systemctl restart ollama(Linux)またはアプリを再起動(Windows/Mac)するだけで正常に戻ります。
タスクタイプ別のモデル選択:
- Python / JS / TS:
qwen2.5-coderシリーズ――大規模なコードコーパスで訓練されており、私がテストした中で最高のオートコンプリート精度。 - 説明とアーキテクチャの議論:
llama3.1:8bまたはmistral:7b――コーダー向けモデルよりも構造的な説明が得意。 - Dockerfile / シェルスクリプト:どちらでも動く。コーダーモデルがわずかに優位。
プライバシー上の利点は本物:NDAを伴う企業プロジェクトでは、完全オフラインで実行することで独自コードがサードパーティのサーバーに送信されるリスクがなくなります。コスト削減を気にする前に、それだけで2つのクライアントプロジェクトで移行が正当化されました。
ここで説明した設定全体――埋め込み、コンテキストプロバイダー、複数モデル、スラッシュコマンド――はゼロから約15分で完了します。その後はOllamaがバックグラウンドサービスとして実行され、Continueはそのまま動き続けます。唯一の定期作業は、長時間セッション後にメモリが蓄積したときの再起動だけです。

