【亲测免费】 开源项目 llm-vscode 使用教程

项目介绍

llm-vscode 是一个为 Visual Studio Code 设计的扩展，旨在利用大型语言模型（LLM）进行代码开发。该项目使用 llm-ls 作为其后端，支持多种开发环境，如 neovim、jupyter 和 intellij。通过这个扩展，用户可以在 VS Code 中享受到类似于 GitHub Copilot 的代码补全功能，同时支持本地运行，确保数据安全和离线可用性。

项目快速启动

安装步骤

1. 克隆项目仓库：

   git clone https://github.com/huggingface/llm-vscode.git
   

2. 安装依赖：

   cd llm-vscode
   npm ci
   

3. 构建后端：

   git clone https://github.com/huggingface/llm-ls
   cd llm-ls
   cargo build
   

4. 配置 VS Code 扩展：

   • 在 VS Code 中打开“运行和调试”侧边栏，点击“启动扩展”。
   • 在新打开的 VS Code 窗口中，设置 llm lsp binaryPath 为 llm-ls 二进制文件的路径，例如：

     "/path/to/llm-ls/target/debug/llm-ls"
     

5. 重启扩展：

   • 关闭窗口并使用 F5 重启扩展。

配置模型

• 从下拉菜单中选择模型配置模板，例如 hf/Phind/Phind-CodeLlama-34B-v2 或 hf/WizardLM/WizardCoder-Python-34B-V1.0。

应用案例和最佳实践

应用案例

• 离线开发：在无网络环境下，使用本地 LLM 进行代码补全和开发。
• 数据安全：确保所有代码和数据都在本地处理，不通过网络传输，保障数据隐私。

最佳实践

• 选择合适的模型：根据项目需求选择合适的 LLM 模型，以获得最佳的代码补全效果。
• 定期更新：保持扩展和后端的更新，以利用最新的功能和性能优化。

典型生态项目

• llm-ls：作为 llm-vscode 的后端，提供 LLM 服务。
• LM Studio：一个用于管理本地 LLM 模型的工具，支持 Windows 平台。
• Ollama 和 llama-cpp-python：替代 LM Studio 的工具，支持更多平台和环境。

通过以上步骤和指南，您可以快速启动并使用 llm-vscode 扩展，享受本地 LLM 带来的高效代码开发体验。