За последние пару лет IDE реально встряхнуло: к подсказкам и рефакторингам добавились AI-ассистенты a.k.a. Агенты. Они дописывают код, предлагают варианты решений, генерируют тесты и умеют “переводить” чужой legacy на человеческий. Теперь почти в каждой IDE есть кнопка «спросить у модели» — и разработчик больше не один на один с редактором.

Но вместе с хайпом пришли и старые боли. Подсказки часто шумят и лезут не в тему, а контроль у “коробочных” ассистентов обычно ограничен: выбор моделей может быть, но правила игры задаёт вендор — как собирается контекст, куда он уходит и что при этом логируется. Плюс появляется отдельная строка расходов: подписки, токены, лицензии — и это ещё нужно объяснить менеджменту.

Отдельная история — приватность. В облачных ассистентах фрагменты кода и контекст улетают наружу, что для многих команд просто неприемлемо. Хочется локальный запуск или хотя бы прозрачный контроль того, куда и что отправляется, но так умеют далеко не все.

На этом фоне Continue выглядит прагматично. Это open source плагин без жёсткой привязки к вендору: вы сами выбираете модель - облачную или локальную, платную или бесплатную, и настраиваете конфигурацию под команду. В итоге IDE остаётся вашим рабочим местом, а не тонким клиентом к чужому облаку.

Что такое Continue

Continue — это open source AI-ассистент, который живёт прямо в IDE и помогает писать, понимать и рефакторить код. В IDE на платформе IntelliJ он добавляет чат, контекстное автодополнение и команды для работы с выделенным фрагментом — по сути, ИИ-напарника, агента в вашем привычном редакторе.

Работает это в четырёх режимах.

• Автодополнение продолжает строки и блоки с учётом контекста файла. 

• Чат “видит” проект: можно спросить про конкретный класс, попросить объяснить метод или накидать варианты рефакторинга. 

• Команды над кодом позволяют быстро переписать фрагмент, упростить его или сгенерировать тесты. 

• А в агентном режиме Continue может пройтись по нескольким файлам и собрать патч под задачу — вам останется только проверить и применить.

Главное отличие от Copilot и JetBrains AI Assistant — свобода выбора. Continue распространяется под Apache 2.0, его можно использовать и настраивать в коммерческих проектах, подключая любые модели — от облачных до локальных в вашем контуре. В итоге вы контролируете качество, стоимость и то, куда уходит контекст, а не зависите от одного “чёрного ящика” вендора.

Где работает Continue и как установить

В контексте Java-разработки основным рабочим сценарием остается связка Continue + IDE на платформе IntelliJ, такой как OpenIDE, которую мы и будем использовать. Вы можете повторить всё тоже самое с любой другой IDE на базе IntelliJ Platform: WebStorm, GoLand, PhpShtorm, GigaIDE и т.д,

Установка сводится к нескольким шагам:

Открываем Settings → Plugins → Marketplace. Находим Continue, устанавливаем плагин и перезапускаем IDE. 

После рестарта в правой панели появляется иконка Continue.

При первом запуске Continue может попросить указать провайдера модели (например, локальный Ollama или облачный OpenAI) и выдать токен доступа, если используется внешний сервис. Эти настройки доступны как через UI, так и через конфигурационный файл config.json, где задаются:

• список моделей для чата и автодополнения;

• параметры подключения к провайдерам;

• дополнительные опции вроде временных лимитов и размеров контекста.

Как пользоваться Continue в повседневной работе

Для начала потребуется поднять модель. Об этом я рассказывал в прошлой статье. Повседневное использование Continue можно условно разделить на три сценария.

Chat-панель. В правой части OpenIDE появляется отдельная панель, где можно общаться с моделью, как с собеседником. Ассистент понимает контекст проекта: можно сослаться на конкретный класс или файл, попросить объяснить, почему метод работает медленно, или предложить более аккуратную реализацию паттерна. Хорошая практика — прикладывать к вопросу фрагмент кода или ссылаться на файл, чтобы Continue точнее попал в контекст.

Автодополнение кода. При наборе кода Continue предлагает продолжение строки или блока. Важно, что подсказки строятся не только по текущей строке, но и по содержимому файла, импортам, соседним методам. 

Команды над выделенным кодом. Если выделить фрагмент и вызвать контекстное меню Continue, появится список действий: упростить, отрефакторить, перевести, написать тесты и т.д. Такой режим особенно полезен для локальных, хорошо очерченных задач: переписать сложный if в более читаемый вид, вынести логику в отдельный метод, подобрать осмысленные имена. 

Практика: Continue + Spring MCP

До этого мы говорили про Continue как про AI-плагин в IDE: чат, автодополнение и команды над кодом. Но по-настоящему интересным Continue становится, когда он подключается к внешним инструментам и начинает работать в агентном режиме — не только предлагать идеи, но и собирать изменения сразу в нескольких файлах.

Для этого удобно использовать MCP (Model Context Protocol) — “разъём”, через который ассистент получает доступ к инструментам. В нашем примере Continue выступает клиентом в IDE, а Spring MCP — набором инструментов, которые помогают анализировать Spring-проект и оформлять изменения как патч. Важно: даже в агентном режиме Continue не “коммитит” за вас — он предлагает изменения, а вы их просматриваете и принимаете. Но вы можете настроить его на автоматический коммит, если нужно.

Сценарий: Petclinic, визиты и автоподбор ветеринара

Возьмём хорошо известный проект spring-petclinic. Нас интересует сценарий работы с питомцами и визитами. Сейчас визит создаётся вручную, и логика назначения ответственного врача отсутствует.

Задача такая:

• при создании визита автоматически назначать ветеринара;

• после назначения отправлять уведомление врачу по email;

• изменения должны быть оформлены аккуратно: доменная модель, миграция/схема, сервисная логика, конфигурация — всё согласованно.

Нас интересуют питомцы и их визиты. Для визитов у нас есть контроллер. Мы хотим, чтобы при создании визита автоматически назначался ветеринар, а также чтобы ветеринару приходило письмо о новом назначении.

Промпт, с которого начинается агентная работа

Чтобы Continue (через MCP-инструменты) попал в нужный контекст, формулируем запрос максимально конкретно: что меняем, где, какие ограничения, что считаем результатом.

Что происходит дальше: Continue собирает патч через MCP-инструменты

После запуска задачи Continue начинает выполнять её как последовательность шагов. В чате появляются промежуточные результаты: какие файлы проанализированы, какие изменения предлагаются и почему.

Здесь важно, что лог показывает не “магические рассуждения”, а ход выполнения: анализ, предложенные правки, итоговый дифф.

Логи показывают минимум, но достаточно, чтобы понимать процесс: какие инструменты вызываются и какие файлы затронуты.

Spring MCP продолжает работать. Происходит также создание миграции для добавления новой колонки в таблицу с визитами.

А для работы с email был также сконфигурирован и файл с пропертями, что отображается в логах.

Особенно приятно, что LLM не просто выкидывает результат, но и проверяет, нет ли каких-то ошибок после добавления кода.

А для подведения итогов в чатике можно увидеть результат проделанной работы:

Этот пример хорошо показывает разницу между “ассистентом, который советует” и “ассистентом в агентном режиме”. Continue остаётся вашим интерфейсом в IDE, а MCP-инструменты дают ему возможность действовать более системно: анализировать проект, предлагать согласованные правки и возвращать результат в виде патча.

При этом ключевое правило не меняется: агент ускоряет работу, но ответственность за качество остаётся у команды — дифф, ревью и проверки обязательны.

Ограничения и подводные камни

У Continue, как и у любых AI-инструментов, есть ограничения:

Качество подсказок зависит от модели и контекста. Дешевая или слабая модель с маленьким контекстом даст поверхностные советы и будут чаще ошибаться.

Риски копипасты без ревью. Помните KISS, DRY, YAGNI и т.д.? Сейчас популярность набирает YOLO (You Only Live Once) :). Не могу советовать вам его придерживаться. Даже хороший ассистент иногда генерирует некорректный или небезопасный код. Любые предложения Continue должны проходить такой же код-ревью, как изменения живого разработчика.

Потенциальные проблемы с приватностью при использовании облака. Если для модели используется внешний провайдер, код и запросы уходят за пределы компании. Этот момент стоит отдельно проговаривать с безопасностью и выбирать провайдеров и настройки с учетом требований.

Заключение

Continue хорошо подходит командам, которым важно сочетание гибкости и контроля. Инструмент позволяет выбрать удобную модель, вписать ассистента в существующий стек и процессы, не привязываясь навсегда к одному вендору и его тарифам. Java-разработчики, работающие в OpenIDE и других IDE на базе IntelliJ, получают знакомую среду с новым уровнем поддержки: от автодополнения и пояснений до агентных сценариев, которые умеют работать сразу с несколькими файлами.

Дальнейшее развитие Continue и экосистемы вокруг него, включая интеграции с инструментами вроде Spring MCP от Amplicode, движется в сторону более сложных агентных сценариев, фоновых задач и настраиваемых воркфлоу. Чем лучше вы понимаете свои боли и процессы в разработке, тем точнее можно настроить ассистента под себя и превратить его из модного плагина в реального помощника команды.