Vim设置AI Copilot提升编码效率

市面上已经有成熟的AI编码助手，先有Github的Copilot，后有国内各个厂家提供的助手，以及现在本事更强大的cursor等。只是目前市面的编码助手，只支持VSCode和JetBrains，对一些Vim高度依赖的开发者很不友爱。恰恰找到了一款Vim插件，支持本地离线AI模型进行编码提效。
首先需要安装Vim插件，以Mac代码为例，下载llama.vim到bundle中：

1. cd ~/.vim/bundle
2. git clone https://github.com/ggml-org/llama.vim

复制代码

设置Plugin 'llama.vim' 到 .vimrc的 vundle#begin() 区域：

1. set rtp+=~/.vim/bundle/Vundle.vim
2. call vundle#begin()
3. Plugin 'VundleVim/Vundle.vim'
4. Plugin 'ggml-org/llama.vim'
5. call vundle#end()

复制代码

接着安装llama.cpp：

1. brew install llama.cpp

复制代码

接下来安装离线模型，下面是建议的设置，详细取决于我们的VRAM数量：

• 高出 16GB VRAM:
  1. llama-server \
  2.     -hf ggml-org/Qwen2.5-Coder-7B-Q8_0-GGUF \
  3.     --port 8012 -ngl 99 -fa -ub 1024 -b 1024 \
  4.     --ctx-size 0 --cache-reuse 256

  复制代码
• 小于 16GB VRAM:
  1. llama-server \
  2.     -hf ggml-org/Qwen2.5-Coder-3B-Q8_0-GGUF \
  3.     --port 8012 -ngl 99 -fa -ub 1024 -b 1024 \
  4.     --ctx-size 0 --cache-reuse 256

  复制代码
• 小于 8GB VRAM:
  1. llama-server \
  2.     -hf ggml-org/Qwen2.5-Coder-1.5B-Q8_0-GGUF \
  3.     --port 8012 -ngl 99 -fa -ub 1024 -b 1024 \
  4.     --ctx-size 0 --cache-reuse 256

  复制代码

这里我们选择千问2.5，7B 版本：

接下来就可以快乐的使用代码天生辅助了：

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。