GitHub Copilot aylık 10 dolar istiyor. Yazdığınız kod bulut sunucularına gidiyor, çevrimdışı çalışma yok, kurumsal ortamda gizlilik tartışmalı. Continue.dev bu sorunların üçünü de aşıyor: VS Code’a doğrudan entegre, Ollama üzerinden yerel model çalıştıran, Apache 2.0 lisanslı açık kaynak bir eklenti.
Aşağıda Ollama’yı kuracak, bir kod modeli çekecek ve Continue’yu yapılandıracaksınız. Sayfanın sonunda kullanışlı bulduğum model karşılaştırması ve sık karşılaşılan soruların yanıtları da var.
Diğer ücretli coding araçlarıyla kıyaslama için önce bu yazıya bakabilirsiniz.
Continue.dev Nedir?
Continue, VS Code ve JetBrains için açık kaynak bir kod asistanı eklentisidir. 2023’te Timothy Baek tarafından başlatılan proje, 2026 ortasında GitHub’da 22.000’den fazla yıldıza ulaştı.
Eklentinin üç temel modu var:
- Sohbet: Cmd+L (Mac) / Ctrl+L (Windows) ile kenar panelini açıp kod bloğu yapıştırabilir, hata mesajı üzerine yorum alabilirsiniz.
- Satır içi tamamlama: Siz yazarken modelin önerileri gri metin olarak belirir. Tab ile kabul, Esc ile reddedilir.
- Bağlam komutları:
@file,@codebase,@docsgibi operatörlerle belirli dosyaları veya belgeleri sohbet bağlamına çekersiniz.
GitHub Copilot ile fark şu: Copilot kendi modelini kullanır ve kodu buluta gönderir. Continue’da hangi modeli kullandığınızı siz seçersiniz; Ollama üzerindeki yerel modeller, OpenAI, Anthropic ve başka sağlayıcılar da destekleniyor.
Neden önemli? Birkaç senaryoyu düşünün. Finans veya sağlık sektöründe çalışıyorsunuz ve kaynak kodunuzun dış sunucuya gitmesi söz konusu değil. Copilot’un aylık maliyeti ekibiniz büyüdükçe ciddi bir kalem haline geliyor. Ya da seyahatte veya kesintili internet bağlantısıyla çalışıyorsunuz, uçakta kod yazmanız gerekiyor. Bu durumlarda yerel çalışan bir asistan, bulut tabanlı alternatiflerin yerine geçiyor ve herhangi bir bağlantı gerektirmiyor.
Continue’nun bir diğer avantajı yapılandırma esnekliği. Kod tamamlama için hızlı, küçük bir model; sohbet için daha büyük bir model kullanabilirsiniz. İki modeli aynı anda aktif tutup projeye ya da anlık ihtiyaca göre geçiş yapabilirsiniz. Bu özelleştirme düzeyine Copilot veya benzeri abonelik araçlarında ulaşmak mümkün değil. Hangi modeli ne zaman kullanacağınız konusunda kısıtlama yok.
Sistem Gereksinimleri
Hangi modelin kullanılabileceği büyük ölçüde VRAM miktarına bağlı. Önce sisteminizdeki mevcut VRAM’i öğrenin: Nvidia GPU için nvidia-smi, Apple Silicon için Sistem Bilgileri > Donanım > Bellek. Toplam RAM ile VRAM’i karıştırmayın; model VRAM’e yükleniyor.
| Sistem | Önerilen Model | Gerekli VRAM |
|---|---|---|
| 8 GB GPU / Apple M serisi 16 GB | qwen2.5-coder:7b | ~6 GB |
| 16 GB GPU | codestral:22b | ~13 GB |
| 24 GB GPU | qwen2.5-coder:32b | ~20 GB |
| GPU yok, 32 GB RAM | qwen2.5-coder:7b-q4 | ~4 GB RAM |
Kaynak: Ollama kütüphane sayfası ve Qwen2.5-Coder model kartı (Hugging Face).
İşletim sistemi gereksinimleri:
- Windows: 10 veya 11 (64-bit)
- macOS: 13 Ventura ve üstü (Apple Silicon ya da Intel)
- Linux: Ubuntu 20.04+, Fedora 38+ ya da glibc 2.31+ olan herhangi bir dağıtım
- VS Code: 1.85 ve üstü
Ollama ile Model Kurulumu
Continue.dev’in yerel modda çalışması için önce bir LLM çalıştırma katmanı gerekir. Ollama bu işi en kolay yapan araçlardan biri.
Ollama kurulumu:
Mac:
brew install ollamaLinux:
curl -fsSL https://ollama.com/install.sh | shWindows için ollama.com/download adresinden yükleyici indirilir.
Kurulum bittikten sonra servisi başlatın:
ollama serveŞimdi bir model çekebilirsiniz. 8 GB GPU veya Apple Silicon Mac için başlangıç noktası:
ollama pull qwen2.5-coder:7b16 GB ve üzeri GPU varsa:
ollama pull codestral:22bİndirilip indirilmediğini doğrulamak için:
ollama listModelin çıktıda göründüğünü gördüğünüzde bir sonraki adıma geçebilirsiniz.
Ollama kurulumu hakkında birkaç pratik not. Mac’te Homebrew yoksa brew.sh adresinden önce Homebrew kurmanız gerekiyor. Linux’ta yükleyici script sistem paket yöneticisiyle çakışmıyorsa direkt çalışır; systemd servis olarak da yapılandırılabiliyor (systemctl enable ollama). Windows’ta yükleyici sürücü gereksinimlerini kontrol ediyor; Nvidia GPU varsa CUDA sürücülerinizin güncel olduğundan emin olun.
Ollama’yı LM Studio ve Jan gibi araçlarla karşılaştırmalı görmek isteyenler için ayrıntılı bir kıyaslama bu yazıda var.
Continue.dev VS Code Kurulumu
VS Code’u açın. Sol kenar çubuğundaki Eklentiler simgesine tıklayın ya da Ctrl+Shift+X (Mac: Cmd+Shift+X) kombinasyonunu kullanın.
Arama kutusuna Continue yazın. Yayıncısı Continue olan eklentiyi bulun ve Yükle düğmesine tıklayın.
Komut paletiyle (Ctrl+P) de kurabilirsiniz:
ext install continue.continueKurulum tamamlandığında VS Code’un sol kenar çubuğunda Continue ikonu belirir. İkon hemen görünmezse pencereyi yeniden başlatmak sorunu çözer.
JetBrains IDE kullanıyorsanız aynı eklentiyi IDE Marketplace’te “Continue” aratarak kurabilirsiniz. Yapılandırma dosyası ortaktır; her iki IDE aynı ~/.continue/config.json üzerinden çalışır.
Kurulum sonrasında Continue panelini ilk açtığınızda eklenti bir model seçmenizi ister. Varsayılan olarak Claude veya GPT-4 gibi API tabanlı seçenekler listede üstte çıkıyor. Şimdilik bu ekranı geçin; bir sonraki adımda config dosyasını düzenleyerek Ollama bağlantısını elle tanımlayacaksınız.
Ayarlar Dosyasını Yapılandırma
Continue kurulumdan sonra ~/.continue/config.json dosyasını otomatik oluşturur. Bu dosya eklentinin hangi model ve sağlayıcıyla çalışacağını belirler. Config JSON formatında, elle düzenlenebilir ve eklenti değişiklikleri canlı olarak algılar.
VS Code’da Continue panelini açın (sol kenar çubuğu), ardından sol alt köşedeki Settings simgesine tıklayın. Dosyayı doğrudan metin editöründe de açabilirsiniz.
Ollama + qwen2.5-coder:7b için temel bir yapılandırma:
{
"models": [
{
"title": "Qwen2.5 Coder 7B",
"provider": "ollama",
"model": "qwen2.5-coder:7b",
"apiBase": "http://localhost:11434"
}
],
"tabAutocompleteModel": {
"title": "Qwen2.5 Coder 7B (Autocomplete)",
"provider": "ollama",
"model": "qwen2.5-coder:7b",
"apiBase": "http://localhost:11434"
},
"contextProviders": [
{ "name": "code" },
{ "name": "docs" },
{ "name": "diff" },
{ "name": "terminal" },
{ "name": "problems" }
],
"slashCommands": [
{ "name": "edit", "description": "Edit highlighted code" },
{ "name": "comment", "description": "Write comments for highlighted code" },
{ "name": "tests", "description": "Generate unit tests" }
]
}Birden fazla model eklemek mümkün: models dizisine ek nesneler ekleyin, eklenti bunları otomatik olarak seçim menüsünde listeler. Sohbet penceresinin sol üstündeki model seçiciden aktif modeli her an değiştirebilirsiniz.
Sohbet ve otomatik tamamlamayı ayırmak hız açısından önemli. Otomatik tamamlamada büyük modeli kullanmak gecikmeye yol açar. tabAutocompleteModel alanı için qwen2.5-coder:1.5b ya da deepseek-coder:1.3b gibi 1-3 milyar parametreli küçük bir model belirlemek yanıt süresini önemli ölçüde düşürür.
Dosyayı kaydettikten sonra yeniden başlatma gerekmez; eklenti değişiklikleri canlı olarak algılar.
Bir diğer pratik ayar: contextProviders listesinden ihtiyaç duymadıklarınızı kaldırın. Özellikle @codebase sağlayıcısı proje büyüdükçe indeksleme süresi uzatabiliyor. Küçük projeler veya tek dosyayla çalışırken sadece @file ve @terminal yeterli.
İlk Kullanım: Chat ve Kod Tamamlama
Sohbet paneli: Ctrl+L (Mac: Cmd+L) ile sohbet panelini açın. Doğrudan soru yazabilir ya da önce bir kod bloğu seçip ardından kısayolu kullanabilirsiniz; seçili kod otomatik olarak bağlama eklenir.
Gündelik kullanımda işe yarar durumlar:
- Bir fonksiyonu seçip “Bu ne yapıyor?” diye sorun
- Hata mesajını yapıştırıp “Bu hatanın sebebi ne?” diye sorun
- “Bu koda birim testi yazar mısın?” gibi talepler gönderin
Satır içi düzenleme: Bir kod bloğu seçin, Ctrl+I (Mac: Cmd+I) ile inline düzenleme modunu açın ve ne istediğinizi yazın: “Hata yönetimi ekle” ya da “async/await’e dönüştür”. Model bir öneri getirir, fark görünümünde kabul ya da reddedebilirsiniz.
Bağlam komutları: Sohbet kutusuna @ yazarak modele ek bağlam verebilirsiniz:
@file: belirli bir dosyayı bağlama dahil eder@codebase: projeyi vektör aramayla tarar, ilgili kısımları çeker@docs: bir kütüphanenin belgelerini çeker (URL veya ön tanımlı liste)@terminal: son terminal çıktısını bağlama ekler
İyi bağlam, modelden anlamlı yanıt almanın ön koşulu. Bağlam oluşturma konusunda prompt engineering rehberine bakabilirsiniz.
Continue’yu birkaç gün kullandıktan sonra en verimli akışı genellikle buluyorsunuz: sabah projeyi açınca @codebase ile bir bağlam oluşturmak, sonra gün içi kısa sorular için düz sohbet penceresini kullanmak. Büyük bir refactor veya yeni bir fonksiyon yazarken inline düzenleme daha hızlı; satır satır kabul ya da ret yaparak modeli bir editör gibi kullanabiliyorsunuz. Deneme yanılmayla kendi ritminizi bulmanız birkaç günü buluyor.
Önerilen Modeller Karşılaştırması
Hangi modeli seçeceğiniz hem donanıma hem de kullanım şekline göre değişir. Aşağıdaki tablo Continue.dev belgelerine ve topluluğun donanım testlerine dayanıyor.
| Model | İndirme Boyutu | Min. VRAM | Kod Kalitesi | Hız |
|---|---|---|---|---|
| qwen2.5-coder:1.5b | ~1 GB | 2 GB | ★★★☆☆ | Çok hızlı |
| qwen2.5-coder:7b | ~4.7 GB | 6 GB | ★★★★☆ | Hızlı |
| codestral:22b | ~13 GB | 16 GB | ★★★★★ | Orta |
| qwen2.5-coder:32b | ~19 GB | 24 GB | ★★★★★ | Orta |
| deepseek-coder-v2:16b | ~9 GB | 12 GB | ★★★★☆ | Orta |
Kaynak: Continue.dev resmi model tavsiyeleri, Ollama kütüphane sayfası.
GPU olmayan ama 32 GB RAM’i olan sistemlerde qwen2.5-coder:7b CPU üzerinde çalışır. Yavaş, ama beklenebilir; satır tamamlama yerine blok düzeyinde sorular sormak daha pratik. 8 GB VRAM ile gecikme kabul edilebilir düzeye iner. 16 GB VRAM’e geçince codestral:22b ile iş değişiyor: fonksiyon düzeyinde öneriler, çok satırlı tamamlama, çok adımlı refactor talepleri bu sınıfla başlıyor. Bütçe kısıtı varsa önce 7B ile başlayın; modeli değiştirmek tek satır config değişikliği.
Açık kaynak yerel modelleri daha geniş bir tabloda görmek isteyenler için en iyi açık kaynak yerel LLM araçları yazısına bakabilirsiniz.
Sık Sorulan Sorular
Continue.dev ücretsiz mi, ticari kullanımda ne olur?
Continue eklentisinin kendisi Apache 2.0 lisansıyla yayınlanıyor; hem kişisel hem ticari kullanımda ücretsiz. Altta çalışan modelin lisansı ayrı değerlendirilmeli: qwen2.5-coder Qwen License, codestral ise Mistral AI’ın kendi lisansı altında çıkıyor. Kurumsal ortamlarda her modelin lisans sayfasını okumak iyi bir alışkanlık.
JetBrains sürümünde fark var mı?
Sohbet paneli, satır içi düzenleme ve otomatik tamamlama her iki IDE’de de çalışıyor. Yapılandırma dosyası ortaktır; ~/.continue/config.json her iki IDE tarafından okunur, yani eklentiyi her iki ortamda da kullananlar aynı model ayarlarıyla devam edebilir. Görsel yerleşim farklı: JetBrains araç penceresinde ayrı bir panelde konumlanıyor, kısayollar IDE’ye özgü. Hangisini kullandığınıza bağlı olarak birkaç dakika alışma süresi bekleyin.
Bulut model bağlayabilir miyim?
Evet. config.json içinde Anthropic, OpenAI, Gemini veya herhangi bir OpenAI-uyumlu API tanımlanabiliyor. Gizlilik öncelikli projelerde Ollama, diğer durumlarda bir API anahtarıyla bulut sağlayıcısı arasında geçiş yapmak mümkün.
Yazdığım kod nereye gidiyor?
Ollama, yerel bir HTTP sunucusu olarak çalışır (varsayılan: localhost:11434). Continue bu adrese istek atar; hiçbir veri makinenizin dışına çıkmaz. Kod üretimi konusunu araştırıyorsanız terim sayfasında bu sürecin teknik altyapısına daha ayrıntılı bakabilirsiniz.
Otomatik tamamlama çok yavaş geliyor, nasıl hızlandırırım?
tabAutocompleteModel alanı için ayrı, küçük bir model belirleyin: qwen2.5-coder:1.5b ya da deepseek-coder:1.3b. Sohbet için büyük model, tamamlama için küçük model ayrımı gecikmeyi ciddi ölçüde azaltır. Ek olarak tabAutocompleteOptions altında debounceDelay: 500 ayarı yaparak gereksiz isteklerin önüne geçebilirsiniz:
{
"tabAutocompleteOptions": {
"debounceDelay": 500,
"maxPromptTokens": 512
}
}Continue’yu kurdum ama model bağlanamıyor, ne yapmalıyım?
İlk kontrol: Ollama’nın çalışıp çalışmadığı. Terminale curl http://localhost:11434 yazın; yanıt geldiyse Ollama ayakta demektir. Yanıt gelmiyorsa ollama serve komutuyla tekrar başlatın.
İkinci kontrol: ollama list çıktısında tanımladığınız modelin adı birebir eşleşiyor mu? qwen2.5-coder:7b ile qwen2.5-coder:latest farklı şeyler. Config’deki model adı ile ollama list çıktısı tam uyuşmalı.
Güvenlik duvarı veya kurumsal proxy kullananlar için: VS Code’un localhost:11434 adresine erişimi engellenmiş olabilir. IDE’nin ağ izinlerini veya proxy ayarlarını kontrol edin.
Continue kullanırken dikkat etmem gereken şeyler var mı?
Model önerilerini kör kabul etmeyin. Özellikle @codebase ile bağlam verdiğinizde model projenize özgü kütüphane ya da API sürümlerini yanlış anlayabilir. Kodu çalıştırmadan önce farklı parçaların birbirine tutup tuymadığını gözden geçirin. Otomatik tamamlamayı kabul hızınız arttıkça bu gözden geçirme refleksi zayıflıyor; test alışkanlıklarınızı koruyun.
