GitHub Copilot CLI 1.0.94-0：本地模型发现与智能路由落地
GitHub 近日在其技术博客中宣布，GitHub Copilot CLI 迎来了重大更新（版本 1.0.94-0）。此次升级的核心目标是打破本地模型与云端服务的壁垒，让开发者能够在不中断现有工作流的前提下，灵活选择最适合当前任务的模型。
核心突破：本地模型无缝集成
本次更新最大的亮点在于引入了本地模型发现机制。在 CLI 版本 1.0.94-0 中，开发者只需输入 /model 命令，即可列出当前运行环境中的可用模型。这包括：
- 本地 Ollama 实例模型：直接对接本地部署的 Ollama 服务。
- 已配置模型：用户手动添加的自定义模型。
- 云端模型：GitHub Copilot 提供的标准云服务模型。
该功能不会自动添加新模型，而是提供“查看”、“添加并用于本次会话”或“添加但不切换”等选项。这意味着开发者可以在不重启 CLI 的情况下，即时将当前会话切换到本地模型，实现了真正的混合模式开发。
技术细节与限制
为了确保本地模型的高效运行，本次更新设定了明确的技术约束：
- 前置条件：本地模型（如 Ollama）必须已安装并运行。CLI 本身不会安装运行时环境或下载模型文件。
- 功能支持：被选中的本地模型必须原生支持工具调用（Tool Calling）和流式输出（Streaming），以确保代码补全的实时性和交互性。
- 连接状态反馈：如果本地模型连接失败，选择器中会明确显示错误原因，帮助开发者快速定位问题。
智能路由与离线模式
除了模型发现，GitHub 还宣布引入了智能路由（Intelligent Routing）机制。这一机制允许系统根据任务复杂度或上下文需求，自动或在用户指令下，在本地模型与云端模型之间进行动态分配。
值得注意的是，使用本地模型并不会自动开启离线模式或禁用 GitHub 遥测数据。离线模式仍通过环境变量 COPILOT_OFFLINE=true 显式控制。即使在离线模式下，远程提供者依然可以通过网络接收提示词和代码上下文，为开发者提供了极大的灵活性。
开发者价值
对于依赖本地私有数据或追求极致隐私的开发者而言，此次更新消除了使用本地 LLM 的门槛。它使得“云端训练，本地推理”或“混合云边协同”的开发模式变得更加简单高效，真正实现了 AI 工具链的本地化与自主可控。
“我们的目标是让你选择最适合工作的模型，而不是被限制在单一云端环境。” —— GitHub Copilot 团队
