Vibe coding във VS Code с локален AI

01Какво ще научиш

• Какво е „vibe coding“ и къде е мястото на локален модел в него.
• Как да свържеш VS Code с Ollama чрез разширението Continue.
• Защо са нужни два модела — малък за автодовършване и по-голям за чат и агент.
• Как се ползват четирите режима: автодовършване, редакция, чат и агент.
• Как да работиш от лаптопа, а моделът да върви на сървъра.
• Как да откриеш и поправиш най-честите неизправности.

02Преди да започнеш

• Машина от класа NVIDIA GB10 (например ASUS Ascent GX10 или DGX Spark) с DGX OS (Ubuntu 24.04 за Arm64).
• Ollama, инсталиран и пуснат на машината. Ако още го нямаш, мини през урока Open WebUI и Ollama.
• Достъп до терминала на машината — директно или по SSH.
• Свободно място за моделите: около 24 GB за двата модела от този урок (по Ollama: 19 GB и 4,7 GB) — провери с df -h.
• Папка с тренировъчен проект (може да е празна) — агентският режим променя файлове, затова не започвай върху важна работа.

03Стъпки

1. Какво ще стои къде

   Три части, всяка със своя работа. Защо така? Редакторът и разширението са само лице; цялата тежка работа върши моделът в Ollama, и той остава на машината.

   Част	За какво е	Къде върви
   Ollama	Дава моделите на разположение	на машината; слуша само на нея самата
   VS Code	Редакторът	на машината, или на лаптопа през SSH (стъпка 7)
   Continue	Разширение: автодовършване, чат, редакция, агент	там, където е кодът (на машината, ако работиш през SSH)

2. Провери Ollama и изтегли моделите

   Continue препоръчва да се теглят модели с ollama pull, а не с ollama run — не е нужна интерактивна сесия. Тагът трябва да е точен, иначе се тегли друг размер.

   bash · на машинатакопирай

   curl http://localhost:11434
   ollama pull qwen3:30b
   ollama pull qwen2.5-coder:7b
   ollama list

   Първата команда трябва да отговори „Ollama is running“. По ollama.com qwen3:30b е около 19 GB (контекст до 256K), а qwen2.5-coder:7b — около 4,7 GB (контекст 32K). Паметта на машината е обща за процесора и видеокартата, така че и двата модела се събират, но колко бързо ще работят при теб не сме мерили. ⚠️

   ✅

   По-малка машина или по-бързо?

   Вземи по-малки модели: qwen3:8b (5,2 GB) за чат и qwen2.5-coder:1.5b (около 1 GB) за автодовършване — вторият е и изборът в примерите на Continue. Сменяш само имената в стъпка 5.

3. Инсталирай VS Code

   Ако работиш от лаптопа през SSH (стъпка 7), VS Code на машината не ти трябва — пропусни до стъпка 4. Иначе: най-простият път е да изтеглиш .deb пакета за Arm64 от страницата за сваляне и да го инсталираш. Този път добавя и хранилището за автоматични обновявания.

   bash · на машинатакопирай

   sudo apt install ./<файл>.deb

   Ако предпочиташ хранилище на ръка, по документацията на VS Code ключът и източникът се слагат така:

   bash · на машинатакопирай

   sudo apt install wget gpg && \
   wget -qO- https://packages.microsoft.com/keys/microsoft.asc | sudo gpg --dearmor -o /usr/share/keyrings/microsoft.gpg
   
   sudo tee /etc/apt/sources.list.d/vscode.sources > /dev/null <<'EOF'
   Types: deb
   URIs: https://packages.microsoft.com/repos/code
   Suites: stable
   Components: main
   Architectures: amd64,arm64,armhf
   Signed-By: /usr/share/keyrings/microsoft.gpg
   EOF
   
   sudo apt update && sudo apt install code

   Списъкът с архитектури включва arm64, така че хранилището е годно за машина от класа GB10. ⚠️ Командите не са пускани на такава машина.

4. Инсталирай разширението Continue

   bashкопирай

   code --install-extension Continue.continue

   Или от VS Code: Ctrl+Shift+X → търси „Continue“ → Install. Продължи с панела на Continue, който се появява отстрани. ⚠️ Бързият старт на Continue говори за вход в профил; дали за чисто локална работа с config.yaml той е задължителен, не сме проверявали — ако те помоли, избери локалния вариант или се върни към документацията на Continue.

5. Настрой двата модела в config.yaml

   Continue вече работи с файл config.yaml (старият config.json е остарял). Отваряш го от панела на Continue — иконата на настройките и избор на локалната конфигурация — и заместваш съдържанието. Защо два модела? Автодовършването трябва да отговаря за части от секундата; Continue пише, че най-добрите модели за него са не по-големи от около 10 милиарда параметъра и че големите чат модели не са обучени за този формат на заявка и не вършат работа в тази роля. Чатът и агентът, напротив, печелят от по-голям модел.

   yaml · config.yaml на Continueкопирай

   name: GX10 локален помощник
   version: 0.0.1
   schema: v1
   
   models:
     - name: Qwen3 30B (чат, редакция, агент)
       provider: ollama
       model: qwen3:30b
       apiBase: http://localhost:11434
       roles:
         - chat
         - edit
         - apply
   
     - name: Qwen2.5 Coder 7B (автодовършване)
       provider: ollama
       model: qwen2.5-coder:7b
       apiBase: http://localhost:11434
       roles:
         - autocomplete
   
   context:
     - provider: file
     - provider: code
     - provider: diff
     - provider: terminal

   Името след model: трябва да е точно както го показва ollama list. Редът context дава възможност да добавяш в чата файлове, код, разлики и изход от терминала.

   💡

   Агентският режим иска модел с инструменти

   Агентът е полезен само ако моделът умее да вика инструменти. В библиотеката на Ollama qwen3 е отбелязан с „tools“. Ако Continue напише „Agent mode is not supported“, добави под модела за чат capabilities: [tool_use]; ако пак не тръгне, смени модела. ⚠️ С qwen3:30b не сме го пробвали.

6. Работа: автодовършване, редакция, чат, агент

   Малка таблица с клавишите във VS Code (по документацията на Continue):

   Какво	Клавиши
   Нов чат (с маркирания код, ако има такъв)	Ctrl+L
   Добави маркираното към текущия чат	Ctrl+Shift+L
   Редакция на маркиран код	Ctrl+I
   Приеми предложението за автодовършване	Tab
   Откажи предложението	Esc
   Агент	падащото меню долу вляво в полето на чата → „Agent“

   Автодовършване. Опиши намерението в коментар и остави курсора след него. Предложението се появява, докато пишеш; Tab го приема. Работи най-добре с ясни имена и описание.

   python · примеркопирай

   # Функция, която взема списък от числа и връща
   # средна стойност, медиана и стандартно отклонение
   
   def calculate_stats(numbers: list[float]) -> dict:
       # тук натисни Enter и изчакай предложението

   Редакция. Маркирай функция, натисни Ctrl+I и напиши инструкция, например „направи това по-четливо и добави типове“. Continue показва разлика, а ти приемаш или отказваш всяка промяна поотделно.

   Чат. Ctrl+L с маркирана функция и въпрос: „Какво прави това и как може да се оптимизира?“. Файл, код или изход от терминала се добавят с @ (например @file).

   Агент. Избери „Agent“ и опиши цяла задача. В тренировъчна папка опитай:

   текст · задание към агентакопирай

   Напиши модулни тестове за функциите в този файл.
   Създай ги в нов файл. Включи гранични случаи:
   празен списък и списък с един елемент.
   Обясни какво правиш на всяка стъпка.

   ✅

   Правила за агентския режим

   Агентът създава и променя файлове и може да пуска команди. Първо запази работата си в Git (git commit), прегледай всяка промяна, пусни тестовете и не му давай папки с важни данни. Проверката е твоя — моделът може да греши уверено.

7. Работа от лаптопа: Remote SSH

   Не е задължително VS Code да е на самата машина. По-удобният вариант е редакторът да е на лаптопа, а да работи върху машината през SSH. Така файловете и разширението Continue са на машината и localhost:11434 от твоята конфигурация е точно Ollama.

   bash · на лаптопакопирай

   code --install-extension ms-vscode-remote.remote-ssh

   След това: Ctrl+Shift+P → „Remote-SSH: Connect to Host“ → добави нов хост със своя SSH адрес. Най-удобно е да го запишеш в ~/.ssh/config на лаптопа:

   текст · ~/.ssh/config на лаптопакопирай

   Host <кратко-име>
       HostName <адрес-на-машината>
       User <потребител>
       ServerAliveInterval 60

   Редът ServerAliveInterval 60 праща сигнал на всеки 60 секунди и помага връзката да не се прекъсва от неактивност. В отворения прозорец на SSH инсталирай Continue там (VS Code предлага „Install in SSH“) и сложи конфигурацията от стъпка 5 в профила на машината. Защо не отваряме Ollama към мрежата? Ollama по подразбиране слуша само на самата машина и това е добре — моделът не е нужно да е видим за други устройства.

   Ако пък държиш VS Code и Continue на лаптопа, пренасочи порта на Ollama през SSH тунел (в отделен терминал, който оставяш отворен):

   bash · на лаптопакопирай

   ssh -N -L 11434:localhost:11434 <потребител>@<адрес-на-машината>

   Тогава на лаптопа apiBase: http://localhost:11434 води през тунела до Ollama на машината. Ако на лаптопа вече върви собствен Ollama на същия порт, тунелът няма да тръгне — избери друг порт отляво (например 11435) и го запиши в apiBase.

   ⚠️

   Не сме го пускали

   Връзката Remote SSH към машина от класа GB10 и тунелът не са проверени от нас на такава машина. Ако нещо не става, виж „Remote development using SSH“ в документацията на VS Code.

8. Когато нещо не работи

   Проблем	Какво да провериш
   Няма автодовършване	Включена ли е „Enable Tab Autocomplete“ (бутонът „Continue“ долу вдясно)? Изтеглен ли е моделът (ollama list)? Изключен ли е друг доставчик на предложения, например Copilot — може да пречи. В настройките на VS Code editor.inlineSuggest.enabled трябва да е включено.
   Не се вижда къде е грешката	Ctrl+Shift+P → „Toggle Developer Tools“ → раздел „Console“.
   Предложенията са само на един ред	Модели често дават кратки продължения в средата на файл. Пробвай по-голям модел за автодовършване или настройката за многоредови предложения на Continue.
   „404 model not found“	Моделът не е изтеглен или тагът е различен. Сравни името в config.yaml с ollama list.
   „Model requires more system memory“	Намали контекста (contextLength) в defaultCompletionOptions на модела или вземи по-малък модел.
   „Agent mode is not supported“	Добави capabilities: [tool_use] към модела или смени модела.
   Чатът не стига до Ollama	curl http://localhost:11434 от мястото, където върви Continue. Ако си през SSH тунел — отворен ли е тунелът?
   Първият отговор е бавен	Моделът се зарежда в паметта при първата заявка; следващите са по-бързи. ollama ps показва кой модел е зареден.
   Remote SSH прекъсва	Добави ServerAliveInterval 60 в ~/.ssh/config на лаптопа.

9. Други разширения (за ориентир)

   Continue е само един от вариантите. GitHub Copilot е облачен (не е локален) 🌐 глобален; условията и цените му гледай на сайта му — не ги даваме тук. Roo Code е агентско разширение за VS Code; ⚠️ не сме го сверявали в този урок. Две разширения за предложения едновременно си пречат — включи по едно.

04Проверка

• curl http://localhost:11434 отговаря, а ollama list показва двата модела.
• VS Code се отваря на машината или се свързва от лаптопа през SSH.
• Continue е инсталиран там, където е кодът.
• В config.yaml има модел за чат и модел за автодовършване.
• В кодов файл се появява предложение за автодовършване.
• Ctrl+L дава отговор, а Ctrl+I показва разлика, която можеш да приемеш или откажеш.
• Агентът е свършил малка задача в тренировъчна папка и ти си прегледал промените.

Тест

05Какво следва

06Източници

1. Continue: бърз старт 🔒 локално — режимите и клавишите.
2. Continue: справка за config.yaml — роли на моделите, context, capabilities, остарелият config.json.
3. Continue: автодовършване — препоръчани модели, отстраняване на неизправности.
4. Continue: ръководство за Ollama — ollama pull, точни тагове, „Agent mode is not supported“, памет.
5. VS Code: инсталиране на Linux · Remote development using SSH · GitHub Copilot във VS Code 🌐 глобален.
6. qwen3 · qwen2.5-coder 🔒 локално — размери и тагове на моделите.