VSCode 接入任意 AI 模型教程

同步视频教程：https://www.bilibili.com/video/BV1pRVe66Efa/

Visual Studio Code 1.122.0 版本现已支持自带大模型 API 密钥（BYOK），将你的版本更新到此版本，即可自由接入其他提供商的模型，甚至本地运行的模型。不再局限于内置模型，想用什么模型，你说了算！

VS Code 添加自定义模型的三种方法#

VS Code 提供了三种方式添加自己的模型，根据你的场景对号入座，其中自定义端点，就是这次更新的功能：

方式	适用场景	怎么上手
内置提供商	你的模型提供商已在列表中（Azure、Anthropic、Gemini、OpenAI 等）	填入 API 密钥即可
扩展	通过 Marketplace 扩展提供模型，比如用 OAI 插件	安装扩展，按提示配置
自定义端点	你有第三方模型、自托管、企业或兼容 Chat Completions / Responses / Messages API 的端点	指向任意兼容 URL

添加自定义端点模型#

适用场景：你有一个第三方魔性、自托管的、企业的、或其他兼容 Chat Completions、Responses、Messages API 的端点。比如 DeepSeek，其他模型厂商、中转站都可以。

操作步骤：

打开 Copilot 聊天框的模型选择栏，然后依次点击齿轮图标 → 选择添加模型 → 选择自定义端点。
输入分组名称（之后可改）。我输入了：DeepSeek
输入端点的显示名称和 API 密钥。
选择 API 类型：Chat Completions、Responses 或 Messages（确保你的模型支持该类型），一般选Chat Completions就好。
VS Code 会打开 chatLanguageModels.json，在此配置模型详情，保存即可。找到对应的 BaseURL，注意要使用 OpenAI 的端点。详细属性说明见文末模型配置参考。

DeepSeek API：开启思考 + 1M 上下文，思考等级设置为 xhigh#

[
    {
        "name": "DeepSeek",
        "vendor": "customendpoint",
        "apiKey": "${input:chat.lm.secret.39d03ffb}",
        "apiType": "chat-completions",
        "models": [
            {
                "id": "deepseek-v4-pro",
                "name": "DeepSeek V4 Pro",
                "url": "https://api.deepseek.com",
                "toolCalling": true,
                "vision": false,
                "thinking": true,
                "maxInputTokens": 1024000,
                "maxOutputTokens": 64000,
                "supportsReasoningEffort": [
                    "low",
                    "max",
                    "xhigh"
                ]
            }
        ],
        "settings": {
            "deepseek-v4-pro": {
                "reasoningEffort": "xhigh"
            }
        }
    }
]

Kimi API：需要配置为 messages 类型，然后启用 thinking 即可（没有思考等级）#

[
    {
        "name": "KimiAPI",
        "vendor": "customendpoint",
        "apiKey": "${input:chat.lm.secret.6a9c4db9}",
        "apiType": "messages",
        "models": [
            {
                "id": "kimi-k2.6",
                "name": "kimi-k2.6",
                "url": "https://api.moonshot.cn/anthropic",
                "toolCalling": true,
                "vision": true,
                "maxInputTokens": 200000,
                "maxOutputTokens": 16000,
                "thinking": true
            }
        ]
    }
]

Kimi Code：来自于 B 站朋友 I_影_I：关于 KimiCode 如何配置到 VSCode Copilot 中 #

[
    {
        "name": "KimiCode",
        "vendor": "customendpoint",
        "apiKey": "${input:chat.lm.secret.-1c9b1811}",
        "apiType": "messages",
        "models": [
            {
                "id": "kimi-for-coding",
                "name": "kimi-for-coding",
                "url": "https://api.kimi.com/coding/v1",
                "toolCalling": true,
                "vision": true,
                "maxInputTokens": 128000,
                "maxOutputTokens": 16000,
                "thinking": true,
                "supportsReasoningEffort": [
                    "low",
                    "max",
                    "xhigh"
                ]
            }
        ],
        "settings": {
            "kimi-for-coding": {
                "reasoningEffort": "max"
            }
        }
    }
]

Claude：我个人在用的 gpt.ge #

[
    {
        "name": "ThinkClaude",
        "vendor": "customendpoint",
        "apiKey": "${input:chat.lm.secret.-5964a227}",
        "apiType": "messages",
        "models": [
            {
                "id": "claude-opus-4-8",
                "name": "claude-opus-4-8",
                "url": "https://gpt.ge",
                "toolCalling": true,
                "vision": false,
                "maxInputTokens": 128000,
                "maxOutputTokens": 16000
            }
        ]
    }
]

GPT：我个人在用的 gpt.ge #

[
    {
        "name": "ThinkGPT",
        "vendor": "customendpoint",
        "apiKey": "${input:chat.lm.secret.785955d5}",
        "apiType": "chat-completions",
        "models": [
            {
                "id": "gpt-5.5",
                "name": "gpt-5.5",
                "url": "https://gpt.ge/v1",
                "toolCalling": true,
                "vision": true,
                "maxInputTokens": 128000,
                "maxOutputTokens": 16000
            }
        ]
    }
]

配置完成后，在模型选择器中选中即可使用。如果添加后没有立刻出现，重启 VS Code 即可。

模型选择器中选中新模型

更新已配置的模型#

想换 API 密钥或修改端点？无需重新添加，直接更新即可：

打开大模型编辑器（齿轮图标 → 管理大模型），和刚才的步骤一样。
找到你要修改的提供商，点击其旁边的齿轮图标。

管理大模型

更新 API 密钥、端点 URL 等信息。

进阶：让自定义模型接管更多任务#

除了 Chat 对话，VS Code 在后台还会用轻量级模型处理一些杂活——生成标题、写提交信息、检测意图等。你也可以让自定义模型来接管这些任务，打开 File -> Preferences -> Settings 面板，搜索 chat.utilityModel：

chat.utilityModel 设置

setting(chat.utilityModel)：接管标题生成、摘要、设置搜索、Git 审查等通用任务。
setting(chat.utilitySmallModel)：接管提交信息、重命名建议、分支名生成、意图检测等快速轻量任务（建议用一个又快又便宜的模型）。

两个设置默认都是 Default（即 Copilot 内置模型），改成你的自定义模型即可。

Agent：使用 Local 模式，调用第三方模型#

VSCode 前段时间新出的 Agent 模式（实际上就是一种类似于 Codex 和 Claude Code Desktop 的界面），也可以使用 BYOK 第三方模型，方法如下：

打开 Agent 界面，一定要先打开才行。
点击这个链接跳转到设置，并打上对勾保存：vscode://settings/sessions.chat.localAgent.enabled
回到 Agent 界面，选择 Local 模式，最后选择你刚才配置好的第三方模型。

附录：模型配置参考#

以下为 chatLanguageModels.json 中所有可配置的属性，分为提供商级别和模型级别两层。自己按需修改对应的属性即可。

提供商级别属性#

属性	描述
`vendor`	模型提供商，如 `azure`、`openai`、`customendpoint`
`name`	在 UI 中显示的提供商分组名称
`models`	（可选）此提供商提供的模型配置数组

模型级别属性#

属性	描述
`id`	发送给 API 的模型标识符（如部署名称）
`name`	在模型选择器中的显示名称
`url`	模型的完整端点 URL
`apiType`	（可选）按模型覆盖 API 类型：`chat-completions`、`responses`、`messages`。默认继承提供商级别的 apiType
`toolCalling`	是否支持工具调用，设为 `true`
`vision`	是否支持图像输入，设为 `true`
`maxInputTokens`	模型接受的最大输入 token 数，这里也作为上下文窗口大小使用
`maxOutputTokens`	模型生成的最大输出 token 数
`editTools`	（可选）支持的编辑工具数组，可选值：`find-replace`、`multi-find-replace`、`apply-patch`、`code-rewrite`。不填则编辑器自动选择
`thinking`	（可选）是否支持思考能力，默认 `false`，有思考的模型需要配置
`streaming`	（可选）是否支持流式响应，默认 `true`
`zeroDataRetentionEnabled`	（可选）是否启用零数据保留（ZDR），启用后不会在 Responses API 请求中发送 `previous_response_id`。默认 `false`
`supportsReasoningEffort`	（可选）模型支持的推理力度级别，如 `["low", "medium", "high"]`。设置后模型选择器中会出现思考力度选择器。常用级别：`minimal`、`low`、`medium`、`high`、`xhigh`
`reasoningEffortFormat`	（可选）推理力度的传参格式。`chat-completions` 发送顶层 `reasoning_effort` 字符串；`responses` 发送嵌套 `reasoning.effort` 对象。不填则随 URL 推断
`requestHeaders`	（可选）随请求一起发送的额外 HTTP 标头（保留标头会被忽略）