把 VPS 变成你的远程 AI 编程 IDE：code-server + Continue.dev + Cloudflare Tunnel 全栈方案

导语：为什么你的开发环境应该搬上 VPS？

你是否有过这样的经历——换了新电脑要重装所有开发环境、出差时笔记本性能不够跑大型项目、或者在家里的 Mac 上写代码但公司服务器上的调试环境配不起来？

这些问题有一个统一的解法：把完整的 IDE 搬到 VPS 上，通过浏览器随时随地访问。

这不是什么新概念，但 2026 年的技术栈组合已经让它变得异常简单和强大。一台 $5/月的 VPS，配合 code-server（浏览器版 VS Code）、Continue.dev（开源 AI 编码助手）和 Cloudflare Tunnel（免端口安全访问），你可以拥有一个性能可升级、数据不落地、环境永远一致的远程开发工作台。

说明：本文包含 VPS 服务商 affiliate 链接。通过链接购买，我们可能获得佣金，但不会影响你的价格。我们只推荐适合实际部署场景的海外服务。

方案全景：三大组件如何协作

你的浏览器 ←(TLS加密)→ Cloudflare Tunnel ←(SSH)→ VPS
                                                      │
                                                      ├── code-server (VS Code in Browser)
                                                      ├── Continue.dev (AI Coding Assistant)
                                                      └── Ollama / API (LLM Backend)

组件	作用	资源消耗
code-server	在 VPS 上运行 VS Code 服务端，通过浏览器访问	CPU 10-20%，RAM 200-400MB
Continue.dev	VS Code 插件，支持多 LLM 后端（Ollama/OpenAI/Claude）	依赖后端模型
Cloudflare Tunnel	无需开放端口，自动 HTTPS，隐藏 VPS IP	几乎零资源
Ollama（可选）	本地跑小模型做代码补全和 Chat	取决于模型大小

核心优势：你的代码和数据始终留在 VPS 上，不会下载到本地机器。 这在处理客户数据、私有代码库或合规要求严格的场景下特别有价值。

第一步：选一台合适的 VPS

远程 IDE 对 VPS 的配置要求其实不高——code-server 本身非常轻量，主要消耗在编译大型项目和运行 AI 模型上。

使用场景	最低配置	推荐配置	预估月费
纯代码编辑（不调用 AI）	1 vCPU / 2GB RAM	2 vCPU / 4GB RAM	$3-5
代码编辑 + Continue.dev（调 OpenAI API）	2 vCPU / 4GB RAM	2 vCPU / 4GB RAM	$5-8
代码编辑 + 本地 LLM（Ollama）	2 vCPU / 8GB RAM	4 vCPU / 16GB RAM	$15-40

服务商推荐

入门首选 — RackNerd

RackNerd 的 DC02/DC03 机房性价比极高，适合预算有限的独立开发者。

点击这里查看 RackNerd 最新 VPS 套餐

推荐从 $3.29/月（1GB RAM / 1 vCPU）起步，升级灵活。

均衡之选 — Hostinger VPS

Hostinger 的 KVM VPS 提供 5 个数据中心区域，面板友好，支持一键 Docker 部署。

点击这里查看 Hostinger VPS 套餐

KVM 2（2GB RAM）约 $5.99/月，KVM 4（4GB RAM）约 $11.99/月。

高性能需求 — Vultr

Vultr 拥有 30+ 全球数据中心，支持按小时计费，适合需要弹性伸缩的场景。

点击这里查看 Vultr 套餐

Standard VPS 从 $6/month 起，High Frequency 从 $12/month 起。

第二步：部署 code-server

一键安装

SSH 到你的 VPS 后，执行：

# 安装最新的 code-server
curl -fsSL https://code-server.dev/install.sh | sh

安装完成后修改配置：

# 编辑配置文件
nano ~/.config/code-server/config.yaml

写入以下内容：

bind-addr: 127.0.0.1:8080
auth: password
password: YOUR_STRONG_PASSWORD
cert: false

安全提示：bind-addr 设为 127.0.0.1 意味着 code-server 只监听本地端口，不直接暴露在公网。我们通过 Cloudflare Tunnel 来安全访问，这是最佳实践。

启动并设置开机自启：

sudo systemctl enable code-server@$USER
sudo systemctl start code-server@$USER

验证运行状态：

curl http://127.0.0.1:8080
# 应返回 VS Code 的 HTML 页面

安装推荐扩展

在浏览器访问 http://YOUR_DOMAIN 后，进入 Extensions 面板安装以下扩展：

扩展	用途	是否必需
Continue	AI 编码助手，支持多模型	✅ 是
GitLens	Git 增强	推荐
ESLint / Prettier	代码格式化	按需
Docker	Docker 管理	按需
Remote - SSH	SSH 连接到其他服务器	按需

第三步：配置 Continue.dev AI 编码助手

Continue.dev 是 VS Code 中最强大的开源 AI 编码插件，支持同时接入多个 LLM 后端。

安装 Continue

在 code-server 的 Extensions 面板搜索 “Continue” 并安装
点击 Continue 图标 → Configure → 选择 config.json 或 config.yaml

方案 A：调用 OpenAI / Claude API（最省事）

适用于不想自己跑模型、只需要 AI 代码补全和 Chat 的场景。

{
  "models": [
    {
      "title": "GPT-4o",
      "provider": "openai",
      "model": "gpt-4o",
      "apiKey": "sk-your-openai-key"
    },
    {
      "title": "Claude Sonnet",
      "provider": "anthropic",
      "model": "claude-sonnet-4-20250514",
      "apiKey": "sk-ant-your-key"
    }
  ],
  "tabAutocompleteModel": {
    "title": "Codestral",
    "provider": "mistral",
    "model": "codestral-latest",
    "apiKey": "your-mistral-key"
  }
}

成本估算：

GPT-4o：约 $0.01/1K tokens，日常编码 $5-15/月足够
Claude Sonnet：约 $0.003/1K input tokens，更经济
Codestral（Tab 自动补全）：约 $1/1M tokens，极便宜

方案 B：本地跑 Ollama（隐私优先）

如果你的 VPS 有 8GB+ 内存，可以本地跑量化版 LLM，完全不调用外部 API。

# 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 拉取代码专用模型
ollama pull codellama:7b
ollama pull deepseek-coder:6.7b

Continue 配置：

{
  "models": [
    {
      "title": "CodeLlama 7B (Local)",
      "provider": "ollama",
      "model": "codellama:7b"
    },
    {
      "title": "DeepSeek Coder 6.7B (Local)",
      "provider": "ollama",
      "model": "deepseek-coder:6.7b"
    }
  ],
  "tabAutocompleteModel": {
    "title": "Qwen2.5-Coder 1.5B",
    "provider": "ollama",
    "model": "qwen2.5-coder:1.5b"
  }
}

成本：零 API 费用，只需 VPS 本身的费用。7B 量化模型约占用 4-5GB RAM。

方案 C：混合模式（推荐）

日常 Tab 补全用本地小模型，复杂代码生成和 Chat 用云端大模型。

{
  "models": [
    {
      "title": "GPT-4o",
      "provider": "openai",
      "model": "gpt-4o",
      "apiKey": "sk-your-key"
    },
    {
      "title": "DeepSeek Coder (Local)",
      "provider": "ollama",
      "model": "deepseek-coder:6.7b"
    }
  ],
  "tabAutocompleteModel": {
    "title": "Qwen2.5-Coder 1.5B (Local)",
    "provider": "ollama",
    "model": "qwen2.5-coder:1.5b"
  }
}

第四步：用 Cloudflare Tunnel 安全暴露

这是整个方案中最关键的一步——让你的 VPS 服务安全地通过浏览器访问，而不需要开放任何端口。

为什么用 Tunnel？

传统方案（开放端口）	Cloudflare Tunnel
需要配置 Nginx 反向代理	零配置
暴露 VPS IP 地址	IP 被 Cloudflare 隐藏
需要手动管理 SSL 证书	自动 HTTPS
DDoS 攻击直接打到 VPS	Cloudflare CDN 防护
防火墙规则复杂	内置零信任访问控制

部署步骤

# 1. 安装 cloudflared
wget https://github.com/cloudflare/cloudflared/releases/latest/download/cloudflared-linux-amd64
chmod +x cloudflared-linux-amd64
sudo mv cloudflared-linux-amd64 /usr/local/bin/cloudflared

# 2. 登录 Cloudflare（需要注册 cloudflare.com 账号）
cloudflared tunnel login

# 3. 创建隧道
cloudflared tunnel create code-server-tunnel

# 4. 配置隧道（假设你的域名是 dev.yourdomain.com）
# 编辑 ~/.cloudflared/config.yml
cat > ~/.cloudflared/config.yml << 'EOF'
tunnel: code-server-tunnel
credentials-file: /home/YOUR_USER/.cloudflared/TUNNEL_ID.json

ingress:
  - hostname: dev.yourdomain.com
    service: http://127.0.0.1:8080
  - service: http_status:404
EOF

# 5. 启动隧道
cloudflared tunnel run code-server-tunnel

设置 systemd 服务（开机自启）

sudo tee /etc/systemd/system/cloudflared.service > /dev/null << 'EOF'
[Unit]
Description=Cloudflare Tunnel
After=network.target

[Service]
Type=notify
LimitNOFILE=65535
ExecStart=/usr/local/bin/cloudflared --no-autoupdate tunnel run
Restart=on-failure
RestartSec=5
KillMode=mixed

[Install]
WantedBy=multi-user.target
EOF

sudo systemctl enable cloudflared
sudo systemctl start cloudflared

配置 DNS

在 Cloudflare Dashboard 中为你的域名添加一条 CNAME 记录：

dev  →  code-server-tunnel-xxxxx.trycloudflare.com

这样 dev.yourdomain.com 就会通过 Cloudflare 的安全隧道指向你 VPS 上的 code-server。

第五步：进阶优化

性能调优

# code-server 性能优化
export CODE_SERVER_DISABLE_GPU=false  # 启用 GPU 加速（如果有）
export CODE_SERVER_MAX_OLD_SPACE_SIZE=2048  # Node.js 堆内存

# 在 code-server config.yaml 中添加
extensions-dir: ~/.vscode/extensions
user-data-dir: ~/.vscode

文件同步与备份

# 使用 Rclone 自动备份代码到 S3/Backblaze
crontab -e
# 每天凌晨 3 点备份
0 3 * * * rsync -az --delete ~/.vscode /tmp/vscode-backup/ && rclone sync /tmp/vscode-backup s3:honest-radar-backups/vscode-config/

多用户隔离

如果你需要让团队成员共用这台 VPS：

# 为每个成员创建独立系统用户
sudo useradd -m -s /bin/bash alice
sudo useradd -m -s /bin/bash bob

# 各自安装 code-server，监听不同端口
# Alice: 8081, Bob: 8082
# Cloudflare Tunnel 配置中为每个人创建独立 ingress 规则

监控 VPS 健康状态

# 安装 Docker + Prometheus + Grafana 监控栈
docker run -d --name prometheus -p 9090:9090 prom/prometheus
docker run -d --name grafana -p 3000:3000 grafana/grafana

# 或者用更轻量的 uptime-kuma
docker run -d --name uptime-kuma -p 3001:3001 -v uptime-kuma:/app/data louislam/uptime-kuma

成本对比：三种方案每月花多少钱？

方案	VPS	AI 模型	Cloudflare	域名	总计
极简（不调 AI）	$3.29 (RackNerd)	$0	免费	$10/年	~$3.3/月
API 模式（OpenAI）	$5.99 (Hostinger)	$10 (GPT-4o)	免费	$10/年	~$16/月
本地 LLM（Ollama 7B）	$15 (Vultr HF)	$0	免费	$10/年	~$15/月
混合模式（推荐）	$5.99 (Hostinger)	$5 (Claude)	免费	$10/年	~$11/月

省钱技巧：RackNerd 的年度优惠套餐经常低至 $15/年（1GB RAM），适合纯代码编辑场景。如果加上 Ollama 本地跑模型，VPS 费用就是全部成本。

常见坑与排错

1. 浏览器访问 code-server 白屏

通常是因为 Cloudflare Tunnel 的 ingress 配置错误。检查：

# 确认 code-server 确实在监听 8080
curl http://127.0.0.1:8080/api/info

# 检查 cloudflared 日志
journalctl -u cloudflared -f

2. Continue.dev 无法连接模型

OpenAI API：检查 apiKey 是否正确，余额是否充足
Ollama：确认 ollama list 能看到模型，ollama run codellama 能正常交互
跨域问题：在 code-server config.yaml 中添加 "cors": true

3. 代码编辑卡顿

检查 VPS 磁盘 IO：iostat -x 1
如果是机械硬盘，换 SSD VPS（Hostinger/Vultr 默认都是 NVMe）
减少 VS Code 扩展数量

4. 内存不足导致 OOM

# 查看内存占用
free -h

# 如果低于 500MB，考虑：
# - 关闭不用的 Docker 容器
# - 减少 VS Code 扩展
# - Ollama 模型从 13B 降到 7B
# - 增加 swap：sudo fallocate -l 4G /swapfile && sudo chmod 600 /swapfile && sudo mkswap /swapfile && sudo swapon /swapfile

总结：什么时候该用这个方案？

适合的场景：

你经常在不同设备间切换开发（Mac + PC + 平板）
你的项目需要特定的服务器环境（特定 OS、特定软件版本）
你对代码数据安全有要求，不希望代码留在本地
你想用 AI 辅助编程但不想花 $20/月订阅 Cursor Pro

不适合的场景：

你需要 GPU 密集型的本地开发（比如训练模型）
你的网络延迟很高（远程 IDE 对网络质量敏感）
你只需要写简单的静态页面（本地 IDE 就够了）

一台 $5/月的 VPS + code-server + Continue.dev + Cloudflare Tunnel，就是一个全功能、可升级、数据安全的远程 AI 编程工作台。不需要昂贵的云服务，不需要复杂的运维，15 分钟内就能搭好。

相关文章：

[[cloudflare-tunnel-vps-self-host-2026]] — 深入讲解 Cloudflare Tunnel 配置
[[ai-coding-agent-vps-self-host-2026]] — 更深入的 AI 编程工作台方案
[[self-host-llm-ollama-budget-vps-2026]] — 在 VPS 上自托管 LLM