腾讯云Cloud Studio + Ollama+ Continue 实现 Cursor 免费平替

Cloud Studio 创建 GPU 工作空间

https://cloud.tencent.com/product/cloudstudio

我们选择 Llama3.2 这个模板，因为这个有比较大的磁盘，将近 500G 空间足够让我们拉取大模型。

更新软件包

更新并安装系统软件，以下操作都在空间的终端里面处理

软件安装

apt update
apt install curl sudo

安装 Ollama

curl -fsSL https://ollama.com/install.sh | sh

配置 ollama 跨域访问

vim /etc/systemd/system/ollama.service

修改成下面这样

[Unit]
Description=Ollama Service
After=network-online.target

[Service]
ExecStart=/usr/bin/ollama serve
User=ollama
Group=ollama
Restart=always
RestartSec=3

Environment="OLLAMA_HOST=0.0.0.0"
Environment="OLLAMA_ORIGINS=*"

[Install]
WantedBy=default.target

启动服务

这里原想设置为服务，并自动启动，一直不成功，没调整出来，只能够在前台启动

# 开启新终端启动，并且不能关闭
ollama serve
# 如果不走配置方式，实现支持跨域，可以使用以下命令启动
OLLAMA_HOST="0.0.0.0" OLLAMA_ORIGINS="*" ollama serve

拉取大模型

安装 Ollama 后，就可以按自己的喜好拉取大模型了，以下以最新的 deepseek-r1:7b 模型为例。

从实际效果来看，免费空间提供 16G 显存，在 7b 参数模型下速度还算可以，但是在使用 14b 参数时，就显得比较吃力。

我这边同时下载了 deepseek 和 qwen2.5-coder 作为后面的演示

Ngrok

内网穿透，使公网可以访问内部网络，这样我们就可以正常从外部访问到里面的服务了

注册账号

登录后台切换到 linux 安装教程

https://dashboard.ngrok.com/get-started/setup/linux

安装

curl -sSL https://ngrok-agent.s3.amazonaws.com/ngrok.asc \
    | sudo tee /etc/apt/trusted.gpg.d/ngrok.asc >/dev/null \
    && echo "deb https://ngrok-agent.s3.amazonaws.com buster main" \
    | sudo tee /etc/apt/sources.list.d/ngrok.list \
    && sudo apt update \
    && sudo apt install ngrok

配置

# [Your Token] 填入实际的token
ngrok config add-authtoken [Your Token]

绑定端口

注意一个账号只能够绑定一次，这里绑定的就是 ollama 的 11434 端口，这样就可以从外部访问 ollama 服务

ngrok http 11434

启动成功后，就可以看到一个公网地址，格式为 https://xxxxx.ngrok-free.app/，也就是 ollama 的 api base url 地址

点击链接后，会有一个提示，如下图

点击 Visit Site 后，如果看到这个提示，就代表穿透成功

这里要注意的是，这个公网地址，下一次再执行端口绑定的时候，是会改变的，所以后面配合 Continue 插件配置的域名，就需要修改更新

Continue 插件配置

以下以 vs code 编辑器作为演示

安装插件

在插件扩展里面搜索 Continue，并进行安装

配置模型

进入插件编辑页面，我们需要配置大模型的参数。

在 models 配置项中，将我们在 Cloud Studio 通过 Ollama 拉取的大模型配置在这里，其中的 apiBase 字段值就是我们通过 Ngrok 绑定的公网地址，注意的是这个域名可能下次绑定的时候就会变动，所以后续可能这里需要更新调整。

在 tabAutocompleteModel 配置项中，这里配置的是自动补全所使用的模型，配置格式与上面的 models 一致，这里我使用的是 qwen2.5-coder

使用效果

接下来就可以看看整体的效果，我们先看看配置是否成功，先看看 deepseek

再看看 qwen2.5-coder

同时也能够看到 Cloud Studio 中，在 Ngrok 的终端日志中有请求调用日志打印

测试编码能力

使用 deepseek-r1 模型，让它写一个登录页面

在深度思考模式下，完成了这个页面的代码

页面效果

从代码来看，并没有写页面样式，只是实现了代码功能部分，所以页面很简陋

自动补全

从上面配置的时候，自动补全使用的是 qwen2.5-coder:7b 模型，从实际体验的速度上来看，也是挺快的，而且从提示来看，也符合使用意图，猜想到登录页的这个位置可能需要一个 重置密码 的功能