1. Copilot 本地化替代到底在换什么：从 endpoint 与鉴权说起

很多人问“Copilot 能不能换成本地”，其实真正想解决的不是把微软那套服务搬回家，而是三件事：代码别乱跑、请求走自己能控制的地址、账单别失控。GitHub Copilot 的工作方式是编辑器插件把上下文打包，通过 HTTPS 发到云端推理服务，返回补全结果。你能改的从来不是模型本身，而是请求发往哪个 endpoint、用什么 Key 鉴权、指定哪个 Model ID。这三样一旦可配，所谓“本地化替代”就有了落点。

我先把概念拆清楚，避免后面配置时混淆。Copilot 类工具在客户端侧通常只认一个 OpenAI 兼容接口，也就是Base URL + API Key + Model。只要某个服务实现了/v1/chat/completions和/v1/completions，插件就愿意把请求发过去。所以“换成本地”在实践中分成两条路：一条是真在本地跑模型（Ollama、llama.cpp、vLLM），另一条是把 endpoint 指向一个可控的兼容网关，由网关决定后端是本地模型还是远端模型。前者吃硬件，后者吃配置，两条路可以叠加。

为什么大家会先想到改 endpoint？因为改 endpoint 是成本最低、回滚最快的一步。你不需要先买显卡，也不用先下载几十 GB 权重，只要在插件设置里把地址从官方域名换成自己的地址，重启编辑器就能验证通不通。通了再决定后端接什么模型。这个顺序很重要，我见过太多人一上来就折腾量化模型，结果卡在插件根本不认自定义地址，白忙一周。

这里要引入本文会用到的接入点。TaoToken 提供 OpenAI 兼容的 API 入口，官方地址是https://taotoken.net/api，控制台和文档分别在https://taotoken.net/console与https://taotoken.net/doc。它的作用是让你有一个稳定的 Base URL 和 Key 管理体系，插件侧只认这一套，后端模型切换对编辑器透明。对“本地化替代”这个场景来说，它解决的是 endpoint 与鉴权这一层，模型跑在哪由你后续决定。

需要说清楚边界：TaoToken 不是把 Copilot 官方服务替换掉，也不是让你绕过任何授权。它是兼容接口的接入层，你把自己的请求指向它，用自己申请的 Key 鉴权。代码是否出内网，取决于你后端接的是本地推理还是远端推理，这一点在配置前必须想明白。如果你的合规要求是“代码绝不离开本机”，那后端必须接本地模型；如果只是“不想直连某一家云服务、想统一管理 Key 和用量”，那接入层就够用。

还有一个常见误解：以为改了 endpoint 就等于本地化。不是的。endpoint 只是“往哪发”，本地化是“在哪算”。两者可以分离，也必须分开评估。下面我会先给可复制的配置，再讲本地推理怎么接，最后把报错逐个拆开。你按顺序做，基本不会卡死。

2. 接入前的准备：Base URL、API Key 与 Model ID 三件套怎么拿

在动插件之前，先把三件套准备好，否则配置到一半回去找 Key，很容易把地址填错。三件套是：Base URL、API Key、Model ID。任何 OpenAI 兼容客户端都认这三个，缺一个就连不上。我建议你新建一个文本文件先把它们记下来，再往插件里填。

Base URL 用https://taotoken.net/api。注意这里不要加 UTM 参数，也不要自己补/v1，具体路径以文档为准，很多插件会自动拼接/v1/chat/completions，你多写一层就 404。API Key 到控制台https://taotoken.net/console里创建，创建后只显示一次，复制完整字符串，别漏字符。Model ID 到模型列表或文档里查，填的时候区分大小写，写错会直接报模型不存在。

我试过把 Key 存在环境变量里，插件配置引用变量名，这样换机器不用改插件。比如在 shell 里export TAOTOKEN_API_KEY="sk-xxxx"，插件里填${TAOTOKEN_API_KEY}或对应语法。不是所有插件都支持变量展开，支持的话优先用，避免 Key 明文躺在配置文件里被同步到 Git。

关于 Coding Plan 和按量调用怎么选：如果你只是偶尔补全、验证连通性，按量就够；如果你要长期跑 Agent、批量重构、持续对话，去看https://taotoken.net/coding-plan的套餐说明，选固定额度更省心。这一步不影响配置格式，只影响你 Key 的额度来源。

准备阶段还要确认网络出口。你的开发机要能访问https://taotoken.net/api，用curl测一下最快：

curl -sS -o /dev/null -w "%{http_code}\n" https://taotoken.net/api

返回 200、401、404 都说明网络通，401 只是没带 Key。如果直接超时，先解决网络再谈插件。这一步别跳过，后面所有报错里有一半是网络层没通，却被误判成配置错。

3. 可复制配置：VS Code Continue、Cline 与 settings 片段

这一节给可直接粘贴的配置。不同插件字段名略有差异，但核心都是 Base URL、Key、Model。先给 Continue 的config.json，路径在~/.continue/config.json（Windows 是%USERPROFILE%\.continue\config.json）。这是最常被用来替代 Copilot 补全的插件之一。

{ "models": [ { "title": "TaoToken Chat", "provider": "openai", "model": "你的ModelID", "apiKey": "sk-你的Key", "apiBase": "https://taotoken.net/api" } ], "tabAutocompleteModel": { "title": "TaoToken Autocomplete", "provider": "openai", "model": "你的补全ModelID", "apiKey": "sk-你的Key", "apiBase": "https://taotoken.net/api" } }

注意apiBase不要写成https://taotoken.net/api/v1，除非文档明确要求。Continue 的provider填openai表示走 OpenAI 兼容协议，不是指模型来自 OpenAI。tabAutocompleteModel是行内补全用的模型，可以和聊天模型不同，补全建议选响应快的。

再给 Cline（VS Code 插件）的配置。Cline 在设置面板里选 “OpenAI Compatible”，然后填：

Base URL: https://taotoken.net/api API Key: sk-你的Key Model ID: 你的ModelID

如果 Cline 要求完整路径，就填https://taotoken.net/api/v1，以插件提示为准。填完点保存，不要急着开对话，先看插件状态栏有没有报错。

如果你用 Claude Code 这类工具，配置走环境变量或 settings 文件。以 settings 为例，写入：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_API_KEY": "sk-你的Key" } }

这里三件套同样齐全：Base URL、Key、Model 在启动参数或配置里指定。Claude Code 的接入细节看https://taotoken.net/doc，路径和字段以文档为准，别照搬别家教程。

Codex 类工具用auth.json，典型结构：

{ "OPENAI_API_KEY": "sk-你的Key", "OPENAI_BASE_URL": "https://taotoken.net/api" }

文件路径通常在~/.codex/auth.json，权限设成仅本人可读：chmod 600 ~/.codex/auth.json。这一步很多人忽略，Key 明文加全局可读等于泄露。

配置完统一做一件事：重启编辑器。多数插件只在启动时读配置，热重载不一定生效。重启后再进下一步验证。

4. 连通性验证：一条 curl 与插件内自检

配置填完不代表能用，必须验证。先脱离插件，用 curl 直接打接口，把变量隔离出来。下面这条命令发一个最小对话请求：

curl -sS https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer sk-你的Key" \ -H "Content-Type: application/json" \ -d '{ "model": "你的ModelID", "messages": [{"role": "user", "content": "ping"}], "max_tokens": 16 }'

正常返回是一个 JSON，里面有choices数组，choices[0].message.content是模型回复。如果返回 401，是 Key 问题；返回 404，多半是路径多了或少了/v1；返回模型不存在，是 Model ID 写错。把这条 curl 跑通，再去插件里测，能省掉大量猜测。

curl 通了之后，进插件做自检。Continue 里打开聊天面板发一句“用 Python 写一个快排”，看是否有流式返回。Cline 里点开对话，发同样内容。如果插件报local proxy failed，说明插件内部代理层没起来，通常是端口被占或插件版本问题，重启 VS Code 或换端口。如果报reading choices相关错误，说明返回体不是预期结构，检查 Base URL 是否指向了错误路径，或者后端返回了 HTML 错误页。

补全功能单独测：在.py或.js文件里敲一个函数名加左括号，停一秒，看是否出现灰色行内建议。没有建议不代表接口坏，可能是补全模型没配或该模型不支持 FIM（填充中间）。这时换一个支持补全的 Model ID 再试。

验证通过的标准我定三条：curl 返回正常 JSON、聊天面板能流式出字、行内补全能出建议。三条都过，才算接入完成。只过前两条也能用聊天，但替代 Copilot 的核心是补全，第三条别省。

5. 常见报错逐个拆：401、local proxy failed、reading choices、OAuth

这一节按真实报错对照排查。我把最常见的四类列出来，每条给现象、原因、动作。

401 Unauthorized。现象是 curl 或插件返回 401。原因通常是 Key 错误、Key 前后有空格、Key 已失效、请求头没带Bearer。动作：重新复制 Key，确认Authorization: Bearer sk-xxx格式，注意Bearer和 Key 之间一个空格。如果 Key 是从控制台复制的，检查有没有把换行带进去。

local proxy failed。现象是插件启动时报本地代理失败。原因是插件在本地起了一个转发端口，端口被占用或权限不足。动作：关掉占用端口的进程，或在插件设置里改代理端口；Windows 上检查防火墙是否拦了本地回环。这个错和 TaoToken 无关，是插件自身代理层的问题，别去改 Base URL。

reading choices 类错误。现象是返回解析失败，日志里出现读取choices字段异常。原因是返回体不是 OpenAI 结构，常见于 Base URL 指到了网页地址而非 API 地址，或者路径少了/v1导致返回 404 的 HTML。动作：用第 4 节的 curl 确认返回是 JSON，检查apiBase是否精确等于https://taotoken.net/api。

OAuth 相关报错。现象是某些工具启动时要求 OAuth 登录或报 token 过期。原因是该工具默认走官方 OAuth 流程，而你用的是 API Key 模式。动作：在配置里显式指定 API Key 和 Base URL，关闭 OAuth 登录选项；Claude Code 这类工具要确认环境变量覆盖了默认端点。如果工具强制 OAuth 且不支持自定义端点，那它不适合这条路线，换 Continue 或 Cline。

还有一类不报错但没反应：插件显示已连接，发消息转圈后无输出。多半是模型 ID 不支持对话，或max_tokens太小被截断。换成通用对话模型再试。排查顺序永远是：网络 → Key → 路径 → 模型 ID → 插件自身。按这个顺序，90% 的问题能在五分钟内定位。

6. 本地推理后端怎么接：Ollama 与兼容网关的组合

如果你要的是代码不出本机，那 Base URL 应该指向本地推理服务，而不是远端。做法是本地起一个 OpenAI 兼容服务，再把插件指向http://localhost:11434/v1（Ollama 默认）或你自建网关的地址。这时 TaoToken 的角色可以放在网关层做 Key 管理和路由，也可以完全不参与，纯本地闭环。

用 Ollama 举例，先拉一个代码模型：

ollama pull qwen2.5-coder:7b ollama serve

然后验证本地接口：

curl -sS http://localhost:11434/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{"model":"qwen2.5-coder:7b","messages":[{"role":"user","content":"ping"}]}'

通了之后，把第 3 节配置里的apiBase换成http://localhost:11434/v1，Key 随便填一个非空字符串（本地服务通常不校验）。这样代码全程在本机，插件只和 localhost 通信。

但纯本地有代价：7B 量化模型在补全质量上明显弱于云端大模型，长上下文容易断，复杂重构基本指望不上。所以更实用的做法是混合：补全走本地小模型，聊天和重构走远端。Continue 支持给聊天和补全配不同模型，正好实现这个策略。敏感文件用本地补全，通用问答走远端，兼顾隐私和效果。

如果你希望统一管理 Key、额度和路由，可以在本地网关里把上游指向https://taotoken.net/api，下游暴露http://localhost:xxxx/v1给插件。这样插件只认 localhost，实际请求由网关转发，Key 不落在编辑器配置里。网关用任意支持 OpenAI 协议转发的工具都行，配置时注意保留Authorization头，别在转发时丢掉。

最后提醒一句：本地推理吃显存，7B 量化大概需要 6–8GB 显存，13B 要 12GB 以上。先确认硬件再选模型，别下完 30GB 权重才发现跑不动。硬件不够就老老实实走接入层，把 endpoint 指向https://taotoken.net/api，用远端算力，本地只做配置。两条路没有优劣，只有适不适合你的合规要求和机器条件。