Continue.dev 這個名字在 2025 年是 GitHub Copilot 開源替代品的第一順位——Apache 2.0 授權、可以完整自架、每一層都能對接自己的模型端點。到 2026 年 6 月 16 日，母公司公告被 Cursor 收購；6 月 19 日釋出最後一版 v2.0.0-vscode；GitHub repo 轉成唯讀狀態；7 月 15 日雲端服務資料完全清空。這是一次典型的 acqui-hire——人才被吸收、產品被關掉、原始碼留在原地任社群自處。用 Continue 撐起企業內部編碼代理服務的團隊，這幾週正在被迫做遷移決策，而中文技術圈對這件事幾乎沒有討論。
Cline 是這波遷移潮的主要接收方。授權同樣是 Apache 2.0、同樣是 VS Code extension、同樣走 BYOK（bring-your-own-key）、同樣支援 Ollama 跟 LM Studio 這類本地推論後端。差別在於 Cline 從一開始就把「代理化」寫進核心，而不是像 Continue 那樣從 autocomplete 起家慢慢演進成代理。這篇拆解為什麼 Cline 是目前這個空缺最合理的接班選項，以及 Aider 跟 OpenHands 這兩條路各自適合什麼情境。
Continue 停更留下的真空不只是產品層面
Continue.dev 的問題不在於程式碼消失——Apache 2.0 授權下所有原始碼都在，任何人都能 fork。真正麻煩的是產品本身的長期維護。VS Code extension 這種東西每一兩週就得跟上 VS Code API 的變動，模型供應商三天兩頭改 API schema，MCP 協定還在 breaking change 的迭代期。原團隊解散後，社群 fork 要接手這批日常維運工作，中間會有一段實用性斷層。
企業層面的問題更立體。用 Continue 走內部 LLM gateway 的團隊，會發現自己的 workflow 綁在一個沒有商業支援、沒有 CVE 通報流程、沒有官方安全 patch 的 extension 上。合規要求嚴格的產業——金融、醫療、政府——這種狀態基本上等於要重新選型。Cursor 提出的遷移方案是搬到 Cursor 商業產品，但 Cursor 是 SaaS-first 的封閉工具，跟 Continue 原本的自架路線完全相反，實質上不算遷移，而是換賽道。
Cline 在這個時間點剛好處在成熟度最高、生態最活躍的階段。GitHub 星星突破 6 萬、月下載量進到 VS Code Marketplace 的前段班，30 多家模型供應商都在自主維護對 Cline 的整合。這個規模讓它已經不只是「另一個開源選項」，而是有相當程度供應商 lock-in 反過來鎖模型的地位。
Cline 的 Plan/Act 是把代理化寫進 UI 層
Cline 最重要的介面設計是輸入框上方那個 Plan/Act 切換鈕。這個切換影響的是模型被允許做什麼事。
Plan 模式底下，模型只能讀檔案、搜尋 workspace、查 git log、跟使用者對話，不能寫任何東西也不能執行任何命令。這個模式的產出是一份具體的執行計畫——要改哪幾個檔案、每個檔案改哪些行、可能有哪些副作用、需要跑什麼測試。使用者看完覺得可以動，才切到 Act 模式讓模型實際做事。
Act 模式底下模型可以呼叫寫檔工具、terminal 工具、瀏覽器工具、MCP 工具，但每一個「不可逆」的動作預設都要按使用者的核准鍵。可以在設定裡調成 auto-approve 特定類型的動作——例如只 auto-approve 特定資料夾底下的檔案寫入、或者所有讀取型的 MCP 呼叫——但預設是保守的。
這個設計解決了大多數編碼代理最頭痛的問題：模型自信滿滿地跑了一堆命令，結果把 branch 搞爛、把 config 覆蓋掉、或者刪了不該刪的檔案。強制先出計畫、再逐步核准的流程讓模型的錯誤成本可控。Continue 那邊 chat/edit/autocomplete 是三個獨立模式，切換心智負擔更重，而且沒有 Plan 這種預先審核的節點。
BYOK 加 30 多家供應商是實質的解耦
Cline 的模型策略是徹底的 BYOK：extension 本身不代收費、不代管 key、不做 middleware。使用者選好供應商後，key 存在本地 VS Code Secret Storage 裡，請求直接從 VS Code 打到供應商 API endpoint。
實際支援的供應商清單超過 30 個，涵蓋主流商業服務跟開源模型部署方案：
- 商業 API：Anthropic、OpenAI、Google Gemini、xAI Grok、Mistral、DeepSeek、Moonshot、Qwen、Cerebras、Groq、Fireworks、Together、SambaNova
- 雲端 API：AWS Bedrock、Azure OpenAI、Vertex AI、Nebius、Baseten
- 聚合層：OpenRouter、Hugging Face
- 本地推論：Ollama、LM Studio、任何相容 OpenAI schema 的自架 endpoint
BYOK 有個常被忽略的實務好處：extension 開發者的商業命運不會綁架你的成本模型。Cursor 這幾個月為了走上市路線調整了 pricing tier，很多重度使用者的月費從 20 美金跳到 60 美金以上，改用 Cline 直接對接 Anthropic 或 OpenRouter，同樣的工作量可能只要三分之一的錢，而且付費對象換成模型商本身，不會再被中間層調價。
企業合規版本更關鍵：Cline 是目前唯一同時提供 VPC 佈署、on-prem 佈署、air-gapped 佈署三種選項的主流編碼代理。air-gapped 佈署下 extension 只能連內網 LLM gateway，任何試圖 phone home 的行為都會被網路層擋掉。這個選項是金融、醫療、國防承包商唯一能用的架構，Continue 之前也支援但社群 fork 版本的後續維護不確定，Cline 這邊有專職團隊。
本地推論路線：Ollama 加 Qwen 3 是目前的甜蜜點
想完全脫離商業 API 走本地推論，Cline 支援兩條路：Ollama 跑 GGUF 量化模型，或者 LM Studio 提供 OpenAI 相容 endpoint。兩條路對 Cline 來說是等價的——只是設定介面上選不同的 provider。
實務上目前的甜蜜點是 Qwen 3 Coder 32B 或 Qwen 3 Coder 480B 的 A3B 版本。前者在單顆 RTX 4090 或 5090 上跑得動 4-bit 量化版本，後者需要多卡或 API 服務。跟 Claude Sonnet、GPT-4o 這類旗艦相比在複雜多步驟任務上還是差距明顯，但單檔重構、加測試、寫 boilerplate 這類日常任務的品質已經追上一年前的頂級商業模型。
自架推論的成本盤算大概是這樣：一台配一顆 5090 的 workstation 大約 15 萬臺幣、每年電費 1 到 2 萬，攤三年就是每月 5000 元上下的固定成本。同期間如果三個工程師都用 Claude Code 或 Cursor Pro，光是訂閱費就要 5000 到 8000 元，還沒算高強度使用觸發的 overage。人多的團隊自架的邊際成本會壓得更漂亮。
要注意的坑：Ollama 預設的 context window 只有 2048 token，跑 Cline 這種需要塞整份 file、git diff、指令輸出的代理，一定要在 Modelfile 裡把 num_ctx 開到至少 16384，複雜任務建議 32768 或更高。這個設定不改的結果是模型看起來能跑但一直漏 context，行為變得非常詭異——很多人第一次試 Ollama 加 Cline 就卡在這裡。
Aider 跟 OpenHands 是另外兩條路，各自解決不同問題
Aider 走的路線完全不同：CLI-only、跟 git 深度綁定、每一次修改都自動 commit。介面就是一個終端機視窗，模型的修改用 unified diff 格式呈現，使用者按下 Enter 確認後才 apply。這種工作流適合已經在終端機裡活了十幾年的資深工程師，或者需要在 SSH 連進去的遠端 VPS 上做修改的情境。
Aider 對 Ollama 的支援比 Cline 更成熟一些，特別是 diff 格式的 fallback 機制——當 model 產出的 diff 格式錯誤，Aider 會自動重試並嘗試修復，這對本地推論品質不穩的情境很重要。缺點是完全沒有 IDE 整合，也沒有 MCP，工具生態比 Cline 窄。
OpenHands 是完全另一個東西：自架的 web UI + Docker sandbox，設計目標是「把任務丟給代理跑一晚上」而不是「跟代理 pair programming」。使用者透過網頁介面下任務，代理在隔離的 Docker container 裡自主規劃、寫程式、跑測試、開 PR，再回到 web UI 展示成果。適合明確定義的長任務——例如「把這個 API 從 Flask 遷到 FastAPI 並且維持所有測試通過」——不適合互動性強的日常開發。
一個實用的分工建議：日常在 VS Code 裡的互動編輯用 Cline、SSH 進遠端 VPS 或 container 裡改一小段東西用 Aider、要跑幾小時的長任務用 OpenHands。三個工具走同一組 BYOK 或本地 endpoint，帳單集中在同一個模型供應商，工作流之間不會打架。
從 Continue 遷移的實際步驟
拿到 Continue 的設定要遷到 Cline，主要要對照三件事：模型設定、context provider 設定、custom command 設定。
模型設定最直接：Continue 的 config.json 裡 models 陣列每一項對應到 Cline 設定裡的 API provider，key、endpoint、model name 一對一搬過去。有用 LiteLLM proxy 或自架 LLM gateway 的情境，兩邊都支援 OpenAI compatible endpoint，只要把 URL 填一樣就行。
Context provider 是 Continue 特有的抽象——@codebase、@docs、@web、@problems 這些讓模型能主動抓 context 的機制。Cline 的做法不太一樣，它是讓模型透過 tool call 主動去 read file 或 search，也可以掛 MCP server 提供類似 @docs 的能力。抓 web 的話裝 Playwright MCP 或 Puppeteer MCP、抓內部文件的話裝一個對接 Confluence 或 Notion 的 MCP。轉換工作量集中在把 Continue 的 context source 對應到適合的 MCP server。
Custom command 這邊 Cline 用 .clinerules 檔案系統做等價功能，可以在專案根目錄放 markdown 檔案定義 workflow，或者在全域設定裡定義通用規則。從 Continue 的 slash command 遷過去主要是重寫語法，邏輯不用大改。
結論
Continue.dev 被 Cursor 買下、repo 凍結、雲端服務關掉的這一連串動作，實質上讓自架編碼代理的第一梯隊剩下 Cline、Aider、OpenHands 這三家。Cline 是 VS Code IDE 導向、Plan/Act 雙模式最成熟的日常選項；Aider 適合 terminal 跟 git-native workflow；OpenHands 適合把任務丟出去讓代理長時間自主完成。三者都支援 BYOK 跟本地 Ollama 推論，共同讓「不用付 Cursor 訂閱、也能有可比的代理化編碼體驗」在 2026 年下半年變成可行選項。
要在臺灣自架 Ollama 或 LM Studio 跑 Qwen 3 Coder 這類本地推論後端，機器所在的網路品質跟穩定度會直接影響使用體驗——特別是模型服務被團隊多人共用、或者需要接進 CI 流程的情境。NCSE Network 的臺灣 VPS 位於是方電訊機房、Intel Gold CPU 加 NVMe SSD，適合承載 LLM gateway、MCP server、以及自架編碼代理的後端服務；搭配 IP Transit 服務也能規劃跨機房的低延遲私網。想了解更多可以到 NCSE Network 看服務細節。
