Neovim如何配置与使用CodeCompanion.nvim插件

在Neovim的插件生态中，AI辅助编程插件为开发者带来了极大便利。本文将重点介绍CodeCompanion.nvim插件，涵盖其基础使用、多种高级配置技巧，包括设置中文交互、修复思考过程显示、自定义快捷键等内容，帮助读者更好地运用该插件提升编程效率。

一、选择CodeCompanion.nvim的缘由

如今在Neovim里，AI插件层出不穷，其中avante.nvim和CodeCompanion.nvim备受关注。经过一番体验，我最终选择了CodeCompanion.nvim。avante.nvim虽然功能强大，但它相对复杂，依赖的组件众多，而且侵略性较强。就拿快捷键来说，仅在readme文件里列出的Key Bindings就多得让人头疼，还强制使用Leader键。这对于习惯了自己特定快捷键设置的我来说，要是产生冲突，修改起来十分麻烦，一时半会儿都不知道该改成什么，心理压力很大。另外，它的界面也不太符合我的审美，好多默认元素无法删除，在小屏幕上显示时，看着特别难受。

反观CodeCompanion.nvim就简洁许多，它几乎没有全局快捷键，也没有多余的界面元素。安装完成后，仅仅会多出4条命令，要是有使用快捷键的需求，自己去设置就行，上手毫无压力。虽说在功能方面，它可能比avante.nvim稍逊一筹，但整体使用体验对我来说更友好。之前我制作过一个视频，详细介绍了如何使用和配置这个插件，还实现了集成DeepSeek和Copilot双AI的功能。接下来，我会着重分享一些该插件的高级配置技巧。

二、设置中文交互

默认情况下，使用CodeCompanion.nvim时，不管是用中文还是英文提问，得到的回答都是英文。要是想实现中文问答，就需要对插件进行设置。在配置文件里，通过设置opts项中的language来达成目的，具体代码如下：

require("codecompanion").setup({ adapters = { ..... }, strategies = { ..... }, opts = { language = "Chinese", }, })

这段代码的意思是，在调用require("codecompanion").setup函数进行插件配置时，在opts选项里将language设置为Chinese，这样就能让插件以中文形式回答问题啦。

三、修复思考过程显示

在之前的视频中，我们集成了openai_compatible适配器，但是使用这个适配器时，不会显示模型思考的过程。像DeepSeek模型，有时候它反应慢，其实是在思考，只是没有展示出来，让人误以为它运行缓慢。想要显示思考过程的话，就得继承deepseek适配器。比如，自定义两个适配器siliconflow_r1和aliyun_deepseek，代码如下：

siliconflow_r1 = function() return require("codecompanion.adapters").extend("deepseek", { name = "siliconflow_r1", url = "https://api.siliconflow.cn/v1/chat/completions", env = { api_key = function() return os.getenv("DEEPSEEK_API_KEY_S") end, }, schema = { model = { default = "deepseek-ai/DeepSeek-R1", choices = { ["deepseek-ai/DeepSeek-R1"] = { opts = { can_reason = true } }, "deepseek-ai/DeepSeek-V3", }, }, }, }) end, aliyun_deepseek = function() return require("codecompanion.adapters").extend("deepseek", { name = "aliyun_deepseek", url = "https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions", env = { api_key = function() return os.getenv("DEEPSEEK_API_ALIYUN") end, }, schema = { model = { default = "deepseek-r1", choices = { ["deepseek-r1"] = { opts = { can_reason = true } }, }, }, }, }) end,

上面代码中，siliconflow_r1和aliyun_deepseek这两个函数，都是基于deepseek适配器进行扩展。每个适配器都设置了名称、请求的URL、获取API密钥的方式以及模型相关的配置等信息。通过这样的自定义适配器，就能实现显示模型思考过程的功能。

四、聊天窗口的Markdown渲染

默认状态下，聊天窗口不会对Markdown进行渲染。如果想要实现Markdown渲染效果，就需要手动安装render - markdown.nvim插件，并指定ft为codecompanion。在配置文件里添加如下代码：

{ "MeanderingProgrammer/render-markdown.nvim", ft = { "markdown", "codecompanion" }, },

这段代码的作用是，在插件配置中引入render - markdown.nvim插件，同时指定它对markdown和codecompanion类型的文件进行渲染，这样在聊天窗口中就能正确展示Markdown格式的内容了。

五、自定义快捷键

自定义快捷键的操作很简单，只需要将快捷键映射到对应的命令或者方法就行。比如，有:CodeCompanionChat命令，对应的方法是require("codecompanion").chat() 。我自己定义了下面这两个快捷键（这里的keymap是我自定义的函数）：

keymap({ "n", "v", "x" }, "<leader>cc", function() require("codecompanion").toggle() end) keymap({ "n", "v", "x" }, "<leader>cp", ":CodeCompanionActions<CR>")

在上述代码里，第一个keymap将<leader>cc快捷键映射到require("codecompanion").toggle()方法，当在普通模式（n）、可视模式（v）和选择模式（x）下按下<leader>cc时，就会执行toggle操作；第二个keymap把<leader>cp映射到:CodeCompanionActions<CR>命令，在这几种模式下按下<leader>cp，就会触发CodeCompanionActions命令。

六、自定义Prompts

我们可以参考系统自带的Prompts来进行修改。举个例子，我把“Explain”这个提示全部改成了中文，并且指定使用阿里云的deepseek来进行代码解释，具体配置如下（这段代码要放到setup函数中）：

 prompt_library = { ["DeepSeek Explain In Chinese"] = { strategy = "chat", description = "中文解释代码", opts = { index = 5, is_default = true, is_slash_cmd = false, modes = { "v" }, short_name = "explain in chinese", auto_submit = true, user_prompt = false, stop_context_insertion = true, adapter = { name = "aliyun_deepseek", model = "deepseek-r1", }, }, prompts = { { role = "system", content = [[当被要求解释代码时，请遵循以下步骤： 1. 识别编程语言。 2. 描述代码的目的，并引用该编程语言的核心概念。 3. 解释每个函数或重要的代码块，包括参数和返回值。 4. 突出说明使用的任何特定函数或方法及其作用。 5. 如果适用，提供该代码如何融入更大应用程序的上下文。]], opts = { visible = false, }, }, { role = "user", content = function(context) local input = require("codecompanion.helpers.actions").get_code(context.start_line, context.end_line) return string.format( [[请解释 buffer %d 中的这段代码: ```%s %s ``` ]], context.bufnr, context.filetype, input ) end, opts = { contains_code = true, }, }, }, }, }

需要注意的是，上面代码块中string.format里的\反斜杠要去掉，因为在网页中，如果不加反斜杠，内容可能会被当成Markdown结束，这是渲染时的问题。在这个自定义的prompt_library里，定义了一个名为“DeepSeek Explain In Chinese”的提示，它使用chat策略，指定了使用aliyun_deepseek适配器和deepseek - r1模型，还详细设置了系统和用户的提示内容，从而实现用中文解释代码的功能。

七、用fidget实现状态提醒

fidget是在LSP加载时，常出现在右下角的状态提醒工具。因为CodeCompanion在请求开始和结束时都有对应的事件，所以我们可以借助fidget来实现状态提醒。我参考了相关讨论，实现了一个简化版，代码如下：

local fidget = pRequire("fidget") local handler if fidget then -- Attach: vim.api.nvim_create_autocmd({ "User" }, { pattern = "CodeCompanionRequest*", group = vim.api.nvim_create_augroup("CodeCompanionHooks", {}), callback = function(request) if request.match == "CodeCompanionRequestStarted" then if handler then handler.message = "Abort." handler:cancel() handler = nil end handler = fidget.progress.handle.create({ title = "", message = "Thinking...", lsp_client = { name = "CodeCompanion" }, }) elseif request.match == "CodeCompanionRequestFinished" then if handler then handler.message = "Done." handler:finish() handler = nil end end end, }) end

这段代码首先尝试获取fidget模块，如果获取成功，就创建一个自动命令。当CodeCompanionRequestStarted事件触发时，取消之前可能存在的提示，并创建一个新的提示，显示“Thinking…”；当CodeCompanionRequestFinished事件触发时，将提示内容改为“Done.”并结束提示。通过这样的设置，就能在使用CodeCompanion时，通过fidget直观地了解请求的状态。