说明
TIP:
实验时间是2023年10月23号，
如果大家想自己去实验的，建议全部下载最新版本的工具插件源码，
本文中实验时文件的路径，大家也根据自己实际情况调整
本地环境如下：
操作系统：win10 专业版
CPU：i5-7400 3.00GHz
内存：32G
硬盘（机械）：2T
显卡（没有用GPU跑哦）：GTX1050TI 4G
相关软件版本：
vscode：1.83.1（user）
https://code.visualstudio.com/docs#vscode
w64devkit：11.0.1
https://github.com/skeeto/w64devkit
codeshell-vscode：0.0.2
https://github.com/WisdomShell/codeshell-vscode
llama_cpp_for_codeshell：20231023官方最新版本
https://github.com/WisdomShell/llama_cpp_for_codeshell
nodeJS：18.18.1
http://www.nodejs.com.cn/
CodeShell-7B-Chat-int4：20231023官方最新版本
https://huggingface.co/WisdomShell
步骤：
1、阅读官方文档，并把前面说明中的相关软件全部准备好
2、编译vscode插件（CodeShell VSCode Extension）
进入codeshell-vscode-main目录下，打开PowerShell，输入
npm install
npm exec vsce package
命令结果.png
生成插件文件,并直接把codeshell-vscode-0.0.2.vsix拖动到vscode插件列表中，重启vscode，就可以看到插件了
插件安装.png
3、通过w64devkit编译模型服务
运行w64devkit.exe后，根据指令进入到llama_cpp_for_codeshell目录，输入
make
w64devkit程序.png
进入目录.png
4、将模型codeshell-chat-q4_0.gguf放置在 llama_cpp_for_codeshell-master/models 文件夹的路径下
image.png
5、通过w64devkit启动模型服务
运行w64devkit.exe后，进入llama_cpp_for_codeshell目录，输入
./server -m ./models/codeshell-chat-q4_0.gguf --host 127.0.0.1 --port 8080
codeShell插件配置.png
image.png
6、实验插件功能（cpu直接拉满，不想用显卡，老显卡怕烧了）
它开始了.png
问答功能.png
根据代码注释，生成代码.png
总结
1、官方文档步骤非常清晰，本地部署也非常简单，相对其他开源的AI模型部署来说已经非常友好了，就是下载软件时可能需要梯子下载，特别是模型文件4.25G，在下也是找了朋友帮下载，然后上次百度网盘（老实冲了会员），在下载回来才能用的（https://huggingface.co/WisdomShell）
模型地址.png
模型文件.png
2、个人电脑下，如果cpu和GPU不高的话，实验验证就行了，不建议介入到工作生成中，特别是插件的自动生成功能，要调整成快捷键触发的方式，不然100或者GPU动不动就跑了哦~
3、当前实验中用的软件包等，放在了百度网盘，我不确定会不会失效，建议大家还是自己下载最新的版本
链接：https://pan.baidu.com/s/1BcYpN5zAZlshcnGxg-QXnw?pwd=cvyc
提取码：cvyc
