产品详情
Continue 简介
在现代软件开发流程中，代码审查是保证代码质量的关键环节，但手动审查面临着一个根本性困境：审查者的疲劳和主观判断导致质量标准难以保持一致。当团队规模扩大、PR 数量增加时，这种问题会愈发明显——审查者可能在疲惫状态下漏掉潜在的安全问题，或者因为个人偏好而对同一代码风格给出不同评价。
Continue 作为 AI 代码审查领域的创新者，提出了「检查即代码」的理念，将代码审查规则定义为存储在代码仓库中的 Markdown 文件。这些检查规则存储在 .continue/checks/ 目录，每个文件包含 name、description 和 prompt 三个核心字段。当团队成员提交 Pull Request 时，这些检查会作为原生的 GitHub status checks 自动运行，无需额外的 CI 配置。
这种设计带来了三个核心优势：首先，检查规则与代码共存于同一版本控制系统，便于追踪变更历史；其次，检查结果以 GitHub 原生方式呈现，开发者无需切换工具即可查看；最重要的是，当检查失败时，系统会自动生成修复建议，团队成员可以直接在 GitHub 界面接受或拒绝这些建议。
Continue 由 Y Combinator 和 Heavybit 联合支持，总部位于旧金山，专注于为开发团队提供可量化、可追踪的自动化代码质量保障。
核心要点
- 检查即代码：检查规则以 Markdown 文件形式存储在仓库中
- GitHub 原生集成：检查结果作为 status checks 显示
- 可操作修复建议：失败时直接提供修复代码，可接受或拒绝
- 高 merge 率：预构建 Agent 达到 94-100% merge 率
Continue 的核心功能
AI Pull Request 检查
Continue 的核心功能是在每个 Pull Request 上运行 AI 驱动的代码检查。与传统 AI 代码审查工具的泛化评论不同，Continue 的检查是团队预先定义的规则执行。当 PR 打开时，系统会自动运行相应检查，并以 GitHub status check 的形式报告结果。如果检查失败，开发者会在 PR 页面看到详细的失败原因和修复建议。
可自定义检查规则
团队可以根据自身需求定义检查规则。规则文件以 Markdown 格式存储在 .continue/checks/ 目录中，每个文件包含三个关键字段：name（检查名称）、description（检查描述）、prompt（检查指令）。这种设计使得规则的创建和维护变得极为简单，任何了解 Markdown 语法的开发者都能快速上手。
修复建议生成
当检查失败时，Continue 不仅报告问题，还会分析代码 diff 并生成具体的修复代码。这些修复建议可以直接在 GitHub 界面中查看，团队成员可以选择接受或拒绝。如果接受，修复代码会自动应用到 PR 中，极大简化了问题修复流程。
预构建 Agent 市场
Continue 提供了 18+ 预构建 Agent，涵盖常见的开发任务场景。Accessibility Fix Agent 可自动检测和修复网页无障碍问题，Improve Test Coverage Agent 能够为新增代码自动生成测试用例，Supabase Schema Drift Detector 专门用于检测数据库 Schema 漂移，Lighthouse Performance Analyzer 则负责性能审计。这些 Agent 都是经过真实项目验证的，开发者可以直接使用或根据需求调整。
Mission Control 平台
Mission Control 是 Continue 的集中式管理控制台，提供所有检查和 Agent 的统一视图。团队可以通过 Dashboard 实时监控检查执行情况，查看各项 Metrics 数据，及时发现和处理问题。
- 检查即代码模式：规则版本可控，易于审查和协作
- GitHub 原生集成：无需学习新工具，结果直接显示在 PR 页面
- 高 merge 率：预构建 Agent 实测达到 94-100% merge 率，证明可用性
- 修复可直接应用：失败时生成修复代码，一键接受即可生效
- 平台支持有限：目前主要支持 GitHub，对 GitLab、Bitbucket 支持待完善
- 初始配置成本：需要团队先定义检查规则才能发挥最大价值
Continue 的应用场景
代码质量一致性保障
当团队成员遵循不同的代码风格时，代码库的一致性会受到影响。传统的手动审查难以保证每次审查都执行相同的标准，审查者的个人偏好和当天状态都会影响审查结果。通过 Continue，团队可以预先定义编码规范检查规则，这些规则会在每次 PR 自动执行，确保代码质量门禁的一致性。审查者不再需要重复检查相同的问题，可以将精力集中在更高价值的架构决策上。
无障碍合规自动化
网页无障碍（Accessibility）是容易被忽视但却至关重要的合规要求。修复无障碍问题的成本随着开发阶段推进而急剧增加，在生产环境发现问题的修复成本可能是开发阶段的数十倍。Continue 的 Accessibility Fix Agent 能够自动扫描代码中的无障碍问题，生成修复建议。该 Agent 已完成 2,230 次运行，merge 率达到 100%，证明其在实际项目中的有效性。
测试覆盖维护
新增代码往往缺少测试覆盖，随着时间推移，测试覆盖率会逐渐下降。Improve Test Coverage Agent 能够每日分析代码库，自动为新增代码生成测试用例。该 Agent 已执行 2,187 次，99% 的修复被团队接受并合并，展现了自动化测试补充的高效性。
安全漏洞响应
安全漏洞需要快速响应，但传统的人工审查难以在短时间内覆盖所有潜在风险。Snyk Webhooks Agent 可以与 Snyk 安全扫描工具集成，当发现高危漏洞时自动触发修复流程，显著缩短漏洞响应时间。
数据库变更审查
使用 Supabase 的团队面临 Schema 漂移问题——开发环境的数据库结构与生产环境不一致。Supabase Schema Drift Detector 能够检测 Schema 变更，在发现漂移时自动创建 Issue。该 Agent 已完成 119 次运行，100% merge 率，有效帮助团队追踪和管理数据库变更。
性能回归预防
代码变更可能导致性能下降，但这类问题往往在合并后才会被发现。Lighthouse Performance Analyzer 能够在 PR 阶段比较 Preview 和 Production 环境的性能差异，在合并前捕获潜在的性能回归问题。
💡 选择建议
关注代码质量一致性的团队优先考虑 Continue，特别是已有明确定义编码规范但难以持续执行的团队。无障碍合规和测试覆盖率是 Continue 表现突出的场景，已有大量真实数据支撑。
技术特点
检查即代码架构
Continue 的技术架构围绕「检查即代码」理念构建。检查规则以 Markdown 文件形式存储在仓库的 .continue/checks/ 目录中。每个检查文件包含定义明确的字段：name 用于标识检查目的，description 说明检查的具体内容，prompt 则是 AI 执行检查的具体指令。这种格式使得检查规则易于版本控制、代码审查和团队协作。
---
name: Security Review
description: Flag hardcoded secrets and missing input validation
---
Review this pull request for security issues.
Flag as failing if any of these are true:
- Hardcoded API keys, tokens, or passwords in source files
- New API endpoints without input validation
- SQL queries built with string concatenation
- Sensitive data logged to stdout
If none of these issues are found, pass the check.
GitHub 原生集成
Continue 与 GitHub 的集成深度体现在多个层面。检查结果作为 GitHub status checks 显示，这与团队已有的 CI 流程完全兼容。检查可以在 PR 打开时自动运行，也可以配置为定时执行。当检查失败时，修复建议直接显示在 PR 页面的 Checks 标签页中，开发者无需跳转到其他平台。
修复工作流
当检查失败时，Continue 会分析代码 diff，生成具体的修复代码。这些修复建议以 GitHub PR comments 或 Suggested changes 的形式呈现，开发者可以直接点击「Accept」按钮将修复应用到代码中。这种设计大幅简化了问题修复流程，将传统的「发现问题→本地修复→提交新 PR」简化为「查看建议→一键接受」。
企业级安全
对于大型组织，Continue 提供了完整的企业级安全特性。SSO 支持包括 SAML 和 OIDC 协议，可与主流身份提供商集成。BYOK（Bring Your Own Keys）允许组织使用自己的加密密钥，增强数据安全控制。此外，Continue 还提供 SLA 保证，确保服务可用性。
Agent 执行数据
Continue 的预构建 Agent 经过了真实项目的验证，关键指标如下：
- Accessibility Fix Agent：2,230 次运行，100% merge rate
- Improve Test Coverage：2,187 次运行，99% merge rate
- AGENTS.md Maintainer：227 次运行，94% merge rate
- Supabase Schema Drift Detector：119 次运行，100% merge rate
- Lighthouse Best Practice Analyzer：72 次运行，100% merge rate
这些数据证明 Continue 的 Agent 在实际项目中具有高可用性和实用性。
集成生态
Continue 支持与多种开发工具集成，形成完整的工作流自动化平台：Slack 用于检查结果通知，Sentry 用于错误追踪集成，Snyk 用于安全漏洞修复，Gmail 用于邮件通知，GitHub 是核心集成平台，Supabase 用于数据库相关检查，PostHog 用于分析数据集成，Jira 用于问题跟踪，Lighthouse 用于性能审计。
- 开源背景：核心产品保持开源，社区可参与贡献和改进
- 高透明度：Agent 执行数据公开可查，merge 率清晰展示
- 成熟集成生态：支持主流开发工具，覆盖开发全流程
- 灵活的部署选项：支持云端和本地运行，满足不同合规需求
- 定义检查规则的学习成本：团队需要理解 prompt 工程才能编写有效规则
- 检查结果依赖 prompt 质量：规则编写不当可能导致误报或漏报
Continue 的定价方案
Continue 提供三个定价层级，分别针对个人开发者、小型团队和大型组织。
| 方案 | 价格 | 核心功能 | 适合人群 |
|---|---|---|---|
| Starter | $3/百万 token | 按 token 用量付费，基础检查功能，GitHub 集成 | 个人开发者，验证概念阶段 |
| Team | $20/座位/月 | 团队协作功能，Agent 管理，Slack 集成，Mission Control | 小型开发团队，3-20 人 |
| Company | 定制报价 | SSO/SAML/OIDC，BYOK 支持，SLA 保证，专属客户经理 | 大型组织，20+ 人 |
Starter 方案采用按量付费模式，适合在正式采用前验证 Continue 与团队工作流的匹配度。Token 消耗主要取决于检查的代码量和复杂度，对于小型项目，月度费用可能极低。
Team 方案适合已经有一定开发规模的中型团队。除了基础检查功能外，还包括团队 Agent 管理、统一的监控 Dashboard 以及 Slack 通知集成。按座位计费的方式便于团队预估月度支出。
Company 方案面向大型组织，提供完整的企业级安全特性。SSO 和 SAML 支持使得 Continue 可以集成到企业身份管理体系，BYOK 允许组织保持对加密密钥的完全控制，SLA 保证则确保服务可靠性符合企业标准。
💡 成本优化建议
新团队建议从 Starter 方案开始，用少量 PR 验证效果后再升级到 Team 方案。Team 方案的协作功能对于超过 5 人的团队价值明显，可以显著提升检查执行的可视性和问题追踪效率。
常见问题
Continue 与普通 AI 代码审查工具的区别是什么？
Continue 采用「检查即代码」模式，检查规则以 Markdown 文件形式存储在代码仓库中（.continue/checks/ 目录），作为原生 GitHub status checks 运行。这与传统 AI 审查工具的泛化评论不同——每个检查都是团队明确定义的，执行的是具体、可控的规则，而非 AI 自由发挥的评论。
如何开始使用 Continue？
访问 continue.dev/check，选择一个现有的 Pull Request 运行检查。检查会自动作为 GitHub status check 显示在 PR 页面。如果检查失败，会看到失败原因和修复建议。首次使用时系统会引导完成 GitHub 仓库授权。
支持哪些代码仓库平台？
目前 Continue 主要支持 GitHub，通过 GitHub status checks 深度集成。对于使用 GitLab 或 Bitbucket 的团队，可以联系官方了解未来支持计划。
如何自定义检查规则？
在代码仓库中创建 .continue/checks/ 目录，在其中添加 Markdown 文件。每个文件需要包含三部分：--- 元数据块（name 和 description）、检查描述、具体的 prompt 指令。详细格式参考官方文档 docs.continue.dev。
是否支持本地运行检查？
是的，Continue 支持本地 CI 和命令行运行。可以将检查集成到现有的 CI/CD 流程中，在本地开发环境或 CI 服务器上执行检查。这对于需要更严格控制的团队非常有用。
定价如何计算？
Starter 方案按实际消耗的 token 量计费，每百万 token 收费 $3，适合用量波动较大的场景。Team 方案按座位收取固定月费 $20/人，适合用量可预测的团队。Company 方案根据组织规模和需求定制报价，包含企业级支持和服务级别保证。
