codeium.el
codeium.el 是一款专为 Emacs 编辑器打造的免费、超快 AI 代码补全插件,旨在为开发者提供 GitHub Copilot 的优质替代方案。它利用先进的人工智能技术,在用户编写代码时实时预测并生成后续代码片段,有效减少重复性打字工作,帮助开发者更专注于逻辑构建,从而显著提升编码效率。
这款工具特别适合习惯使用 Emacs 的软件开发者和编程爱好者。无论是日常业务开发还是算法研究,只要你需要流畅的代码辅助体验,codeium.el 都能无缝融入你的工作流。其独特亮点在于采用了专有语言服务器二进制文件,确保了极低的响应延迟和极高的补全准确率。同时,它具有出色的兼容性,能够灵活对接 company-mode、corfu 等主流前端补全框架,也支持 Emacs 原生的补全功能。
作为开源项目,codeium.el 由社区驱动并持续迭代,安装配置简便。只需简单几步设置,即可在 Emacs 中开启智能化的编程辅助体验,让代码编写变得更加轻松高效。
使用场景
一位资深后端工程师正在 Emacs 环境中重构一个遗留的 Python 数据处理模块,需要快速编写大量重复的样板代码和复杂的正则表达式。
没有 codeium.el 时
- 频繁切换上下文:为了确认标准库函数的参数顺序或查找正则写法,不得不频繁切出编辑器去浏览器搜索文档,打断心流。
- 手写样板代码耗时:面对重复的 JSON 解析、日志记录或数据清洗逻辑,只能机械地逐行敲击键盘,效率低下且容易出错。
- 记忆负担重:在处理不熟悉的第三方库时,需要依靠记忆或手动翻阅源码来猜测 API 名称,导致编码节奏断断续续。
- 调试成本增加:由于缺乏实时的语法和逻辑建议,简单的拼写错误或类型不匹配往往要等到运行时报错才能发现。
使用 codeium.el 后
- 智能补全无缝衔接:codeium.el 直接在 Emacs 缓冲区提供行级甚至函数级的代码建议,无需离开编辑器即可获取准确的 API 用法和正则模板。
- 自动生成重复逻辑:只需写下函数名或首行注释,codeium.el 就能自动补全整个数据清洗流程或样板结构,将几分钟的工作缩短至几秒。
- 实时感知上下文:基于当前文件内容,codeium.el 能精准预测变量名和库函数,让开发者像拥有“读心术”般流畅编码,彻底释放记忆压力。
- 错误防患于未然:在输入过程中即提供符合语法的正确建议,大幅减少了因手误导致的运行时异常,提升了代码的一次性通过率。
codeium.el 将 Emacs 从纯粹的文本编辑器升级为具备现代 AI 辅助能力的智能开发环境,让老牌用户也能享受极速编码的乐趣。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
codeium.el
免费、超快速、可扩展的 Emacs AI 代码补全工具
Codeium 可在各大主流 IDE 中利用 AI 自动补全代码。我们已推出适用于 Emacs 的 Codeium 插件实现,旨在将这一现代化的编码利器带给更多开发者。如果您想快速在线体验 Codeium,可以访问我们的 游乐场。
codeium.el 提供了一个 completion-at-point-functions 后端,专为与前端配合使用而设计,例如 company-mode、corfu,或 Emacs 内置的 completion-at-point。
codeium.el 是一个开源客户端,主要由 Alan Chen 编写。它使用专有的语言服务器二进制文件,目前会自动从 这里 下载(需确认)。您可以使用 M-x codeium-diagnose 查看将发送到本地语言服务器的 API 和字段,以及运行本地语言服务器的命令。通过自定义 codeium-api-enabled、codeium-fields-regexps 和 codeium-command 来进行相应调整。
欢迎贡献!请随时提交与该包相关的拉取请求和问题。

🚀 开始使用
安装 Emacs。请确保您运行的 Emacs 版本已编译了 libxml2。您可以在 Emacs Lisp 中使用
(libxml-available-p)函数来检查:如果当前 Emacs 会话中可用 libxml2,该函数将返回 t(真)。安装您选择的文本补全前端。(我们推荐 company-mode 或 corfu。)
使用您喜欢的 Emacs 包管理器或手动方式安装
Exafunction/codeium.el。详情请参阅下方的 安装选项。运行
M-x codeium-install来设置该包。将
codeium-completion-at-point添加到您的completion-at-point-functions列表中。开始查看建议吧!
🛠️ 配置
您可以通过 M-x customize 查看所有自定义选项。
(更详细的文档即将发布!)
以下是一个配置示例:
;; 我们建议使用 use-package 来组织你的 init.el 文件
(use-package codeium
;; 如果你使用 straight
;; :straight '(:type git :host github :repo "Exafunction/codeium.el")
;; 否则,请确保 codeium.el 文件位于 load-path 中
:init
;; 全局启用
(add-to-list 'completion-at-point-functions #'codeium-completion-at-point)
;; 或者在某个钩子中启用
;; (add-hook 'python-mode-hook
;; (lambda ()
;; (setq-local completion-at-point-functions '(codeium-completion-at-point))))
;; 如果你想使用多个补全后端,可以使用 cape (https://github.com/minad/cape):
;; (add-hook 'python-mode-hook
;; (lambda ()
;; (setq-local completion-at-point-functions
;; (list (cape-capf-super #'codeium-completion-at-point #'lsp-completion-at-point)))))
;; 一个异步的 company 后端即将推出!
;; codeium-completion-at-point 是自动加载的,但你也可以
;; 选择设置一个定时器,这可能会加快速度,因为
// codeium 的本地语言服务器大约需要 0.2 秒才能启动
;; (add-hook 'emacs-startup-hook
;; (lambda () (run-with-timer 0.1 nil #'codeium-init)))
;; :defer t ;; 如果需要懒加载
:config
(setq use-dialog-box nil) ;; 不使用弹出框
;; 如果你不想通过 customize 来保存 API 密钥
;; (setq codeium/metadata/api_key "xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx")
;; 在模式行显示 codeium 状态
(setq codeium-mode-line-enable
(lambda (api) (not (memq api '(CancelRequest Heartbeat AcceptCompletion)))))
(add-to-list 'mode-line-format '(:eval (car-safe codeium-mode-line)) t)
;; 或者使用更丰富的模式行
;; (add-to-list 'mode-line-format '(-50 "" codeium-mode-line) t)
;; 使用 M-x codeium-diagnose 可以查看将发送到本地语言服务器的 API 和字段
(setq codeium-api-enabled
(lambda (api)
(memq api '(GetCompletions Heartbeat CancelRequest GetAuthToken RegisterUser auth-redirect AcceptCompletion))))
;; 你也可以为单个缓冲区设置配置,例如:
;; (add-hook 'python-mode-hook
;; (lambda ()
;; (setq-local codeium/editor_options/tab_size 4)))
;; 你可以覆盖所有的 codeium 配置!
;; 例如,我们建议限制发送给 codeium 的字符串长度以提高性能
(defun my-codeium/document/text ()
(buffer-substring-no-properties (max (- (point) 3000) (point-min)) (min (+ (point) 1000) (point-max))))
;; 如果你更改了文本,你也应该相应地调整光标偏移量
;; 注意:这是以 UTF-8 编码的字节数来衡量的
(defun my-codeium/document/cursor_offset ()
(codeium-utf8-byte-length
(buffer-substring-no-properties (max (- (point) 3000) (point-min)) (point))))
(setq codeium/document/text 'my-codeium/document/text)
(setq codeium/document/cursor_offset 'my-codeium/document/cursor_offset))
以下是 company-mode 的一个配置示例。
(use-package company
:defer 0.1
:config
(global-company-mode t)
(setq-default
company-idle-delay 0.05
company-require-match nil
company-minimum-prefix-length 0
// 只显示预览
company-frontends '(company-preview-frontend)
// 也可以同时显示下拉菜单
// company-frontends '(company-pseudo-tooltip-frontend company-preview-frontend)
))
你也可以通过 Elisp 访问 codeium.el;以下是一个返回 GetCompletions 请求完整响应的代码片段:
(cl-letf*
(
// 创建一个新的 codeium-state(即一个新的本地语言服务器进程)
// 大约需要 0.2 秒;尽量避免频繁创建
(state (codeium-state-make :name "example"))
((codeium-config 'codeium/document/text state) "def fibi(n):")
((codeium-config 'codeium/document/cursor_offset state) 12)
((codeium-config 'codeium-api-enabled state) (lambda (api) (eq api 'GetCompletions))))
(unwind-protect
(progn
(codeium-init state)
// 使用 codeium-request 发起异步请求
(cdr (codeium-request-synchronously 'GetCompletions state nil)))
// 清理临时文件并终止进程。该状态下的任何计划中的异步请求都将被取消。
(codeium-reset state)))
请注意,除了其他信息外,你还会得到每个标记的概率!我们非常欢迎你提交 PR 或开发自己的包来利用这些概率!
🔓 身份验证
如果你想自动进行身份验证,可以将你的 codeium API 密钥添加到 auth-sources 中。例如:
~/.authinfo.gpg:
machine codeium.com login apikey secret <insert_api_key_here>
💾 安装选项
➡️ straight.el
(straight-use-package '(codeium :type git :host github :repo "Exafunction/codeium.el"))
💀 Doom Emacs
在 packages.el 中添加以下内容:
(package! codeium :recipe (:host github :repo "Exafunction/codeium.el"))
然后将示例配置添加到你的 config.el 文件中。
💪 手动安装
运行以下命令:
git clone --depth 1 https://github.com/Exafunction/codeium.el ~/.emacs.d/codeium.el
然后在你的 ~/.emacs.d/init.el 文件中添加以下内容:
(add-to-list 'load-path "~/.emacs.d/codeium.el")
你是否为其他 Emacs 环境(如 Spacemacs)提供了可用的安装方法?请提交 PR,以便我们与大家分享!
自托管企业版
如果你正在使用 Windsurf 自托管企业版部署插件,你需要在你的 vim 配置文件中设置 Portal 和 API 的 URL,以便 Windsurf 知道将补全请求发送到哪里。在你的 ~/.emacs.d/init.el 文件中添加以下行:
(setq-default codeium-enterprise t)
(setq-default codeium-portal-url "<PORTAL URL>")
(setq-default codeium-api-url "<PORTAL URL>/_route/api_server")
常见问题
相似工具推荐
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来,转换成计算机可读取的结构化数据,让机器真正“看懂”图文内容。 面对海量纸质或电子文档,PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域,它扮演着连接图像与大型语言模型(LLM)的桥梁角色,能将视觉信息直接转化为文本输入,助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显:不仅支持全球 100 多种语言的识别,还能在 Windows、Linux、macOS 等多个系统上运行,并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目,PaddleOCR 既能满足快速集成的需求,也能支撑前沿的视觉语言研究,是处理文字识别任务的理想选择。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。
