llama.vscode

从现有证据看，llama.vscode 已有明显采用信号，但更适合判断为“受关注且有开发者实用反馈的早期本地补全插件”，还不能据此当成成熟通用型 AI 编程平台。热度证明主要来自 GitHub 约 1450 星、官方作者在 X 上公布安装量和版本更新、以及多条转发；这些说明它在本地 AI 编码圈有讨论度。好用证明则更多来自官方仓库说明、作者明确说明它只做 VS Code 内 FIM 补全、以及开发者展示实际补全效果的帖子，能支持“能用来做本地自动补全”这一判断。\n\n它的实际作用不是聊天式结对编程，也不是完整的 agent IDE，更准确的类比是“本地版 Copilot 风格补全前端 + llama.cpp 服务端”。证据显示它通过与 llama.cpp server 通信，在 VS Code 中提供代码和文本续写，重点是 fill-in-the-middle completion；还有按语言开关补全、快速菜单等贴近编辑器工作流的能力。开发者实测帖提到搭配 Qwen3-Coder-30B-A3B 可用于日常写代码，并展示出一定命中率，但这类样本仍偏个人使用场景。\n\n门槛和成本方面，现有证据没有给出官方定价，能较确定的是插件和仓库本身是开源的；但它依赖本地或自托管的 llama.cpp server，因此真实成本主要来自你自己的硬件、电力和模型推理资源。关于“需要 GPU”“性能提升明显”等说法，证据来自作者和用户社媒、以及某开发者单独为 llama.vscode server 预留机器，能说明高性能体验常常依赖较强本地设备，但不能把社媒演示理解成任何机器都能稳定低延迟。适合愿意折腾本地模型、重视隐私或控制权的开发者；不太适合只想开箱即用、期待云端 agent、代码库问答或自动执行工作流的人。\n\n社媒共识整体偏正面：讨论集中在“本地补全可用、最近更新快、性能在改善”。但 evidenceSources 的讨论质量要分开看：官方 GitHub 仓库和作者说明对能力边界最有帮助；X 上有少量实测展示和使用感受，能补充体验判断；同时也有不少安装量、上新、性能提示类帖子，它们更偏热度与更新广播；知乎文章属于教程/推荐型内容，可帮助理解上手路径，但深度有限。总体来说，证据结构是“官方源较强、实测样本少于转发与公告、教程有但不算多”，因此可以判断它是值得关注的本地补全工具，但对稳定性、语言覆盖和大规模团队适配仍应保守看待。