> ## Documentation Index
> Fetch the complete documentation index at: https://docs.apiyi.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Cline (VS Code)

> VS Code 向けの AI プログラミングアシスタント統合ガイド

Cline（旧 Claude Dev）は、複数の AI モデルをサポートする VS Code 向けの強力な AI プログラミングアシスタントプラグインです。APIYI を通じて、さまざまな主要な AI モデルを柔軟に切り替えながら、プログラミングを支援できます。

## クイックインストール

### 1. プラグインをインストール

VS Code 拡張機能ストアで「Cline」を検索してインストールします

### 2. APIYI を設定

1. 左側の Cline アイコンをクリックします
2. 設定ボタン（歯車アイコン）をクリックします
3. **OpenAI Compatible** を選択します
4. パラメータを設定します:
   * **Base URL**: `https://api.apiyi.com/v1`
   * **API Key**: あなたの APIYI キー
   * **Model Name**: モデル名を入力します

### 推奨モデル

#### 🎯 プログラミング開発の第一候補

* `claude-sonnet-4-20250514` ⭐（Claude 4 の最新、プログラミング性能が非常に強力）
* `o4-mini`（OpenAI 推論モデル、プログラミングタスクの第一候補）
* `gemini-2.5-pro` ⭐（2M コンテキスト、強力なマルチモーダル）
* `deepseek-coder`（コード特化モデル、128K コンテキスト）

#### 💡 複雑な推論タスク

* `o3` ⭐（最新の推論モデル、価格が大幅に低下）
* `claude-sonnet-4-20250514-thinking`（Claude 4 のチェーン・オブ・ソートモード）
* `deepseek-r1` ⭐（最新の推論モデル、64K コンテキスト）
* `grok-3-mini`（推論対応の軽量モデル）

#### 🚀 高速応答

* `gpt-3.5-turbo`（定番モデル、高いコストパフォーマンス）
* `gemini-2.5-flash` ⭐（高速、低コスト、1M コンテキスト）
* `claude-3-haiku`（軽量な高速版、200K コンテキスト）
* `gpt-4o-mini`（軽量な高速版、128K コンテキスト）

#### 💰 超高コスパ

* `deepseek-chat`（128K コンテキスト、総合性能が高い）
* `qwen-turbo`（Alibaba Qwen の高速版）
* `gpt-4.1-nano`（超低コスト版、128K コンテキスト）

## コア機能

### スマートコード補完

```python theme={null}
# Input comment, AI auto-generates code
# Calculate the nth Fibonacci number
def fibonacci(n):
    # Cline will auto-complete implementation
```

### コード説明

コードスニペットを選択し、次を使用してください:

* `Cline: Explain Code`: コードを説明
* `Cline: Explain Error`: エラーを説明

### コードのリファクタリング

* **パフォーマンス最適化**: 最適化の提案を提供します
* **可読性の向上**: 複雑なコードをリファクタリングします
* **問題の修正**: よくある問題を自動修正します

### テストの生成

```javascript theme={null}
// Original function
function add(a, b) {
    return a + b;
}

// Test generated by Cline
describe('add function', () => {
    test('should add two numbers correctly', () => {
        expect(add(2, 3)).toBe(5);
        expect(add(-1, 1)).toBe(0);
    });
});
```

## よく使うコマンド

| コマンド            | ショートカット        | 機能           |
| --------------- | -------------- | ------------ |
| Cline: 質問       | `Ctrl+Shift+L` | AIに質問        |
| Cline: 説明       | `Ctrl+Shift+E` | コードを説明       |
| Cline: リファクタリング | `Ctrl+Shift+R` | コードをリファクタリング |
| Cline: 生成       | `Ctrl+Shift+G` | コードを生成       |

## 高度な機能

### 複数ファイル操作

Cline は、関連する複数のファイルを理解し、操作できます:

```bash theme={null}
"Move functions from utils.js to helpers.js and update all references"
```

### アーキテクチャ設計

プロジェクトのアーキテクチャを生成します:

```text theme={null}
Please design architecture for e-commerce admin system including:
- User management
- Product management
- Order processing
- Data analysis
Using React + Node.js + PostgreSQL
```

### コードレビュー

```text theme={null}
Review PR:
- Check code standards
- Find potential bugs
- Performance optimization suggestions
- Security vulnerability scan
```

## 使い方のヒント

### 1. コンテキスト管理

より良いコンテキストを提供します:

```typescript theme={null}
// @context: React component for user authentication
// @requirements: Support OAuth2 login flow
// @constraints: Compatible with NextJS 13+

// AI generates more accurate code based on context
```

### 2. カスタムプロンプト

設定で構成します:

```json theme={null}
{
    "cline.customPrompts": {
        "codeReview": "Review code focusing on performance, security, standards",
        "optimize": "Optimize code performance and readability",
        "document": "Generate detailed Chinese documentation"
    }
}
```

### 3. プロジェクトレベルの設定

`.cline/config.json`を作成します:

```json theme={null}
{
    "model": "claude-3-5-sonnet-20241022",
    "temperature": 0.7,
    "language": "zh-CN",
    "codeStyle": {
        "naming": "camelCase",
        "indent": 4,
        "quotes": "single"
    }
}
```

## トラブルシューティング

### 接続に失敗しました

設定を確認してください:

* ベース URL: `https://api.apiyi.com/v1`
* API キーが有効であること
* ネットワーク接続が正常であること

### 応答タイムアウト

解決策:

1. より高速なモデルを使用する
2. リクエストの複雑さを下げる
3. 大きなタスクを分割する

### 生成品質が低い

改善方法:

1. より多くのコンテキストを与える
2. より高性能なモデルを使用する
3. 要件を明確に指定する

### gpt-5.6 / gpt-5.5 / gpt-5.4 で 400 が発生する

エラー `Function tools with reasoning_effort are not supported for ... in /v1/chat/completions` (400) は、GPT-5.4 系列で導入された OpenAI の公式制限です: `/v1/chat/completions` では、ツール呼び出しを `none` 以外の `reasoning_effort` と組み合わせることはできません（デフォルトの `medium` も該当します）。Cline の OpenAI Compatible パスは chat/completions エンドポイントにハードコードされており、まだ `/v1/responses` をサポートしていないため、クライアント側での回避策はありません。

対処方法:

1. 影響を受けないモデルに切り替える: `gpt-5.1` / `gpt-5.2`、Claude、Gemini、DeepSeek など
2. Responses エンドポイントをサポートするクライアントを使用する — 詳細なクライアントサポート表は [OpenAI Responses API ネイティブガイド](/ja/api-capabilities/openai/native) をご覧ください

## ベストプラクティス

### 1. モデル選定戦略

| タスク種別      | 推奨モデル                                  | コストレベル | 理由                    |
| ---------- | -------------------------------------- | ------ | --------------------- |
| 単純な補完      | `gpt-3.5-turbo` / `gemini-2.5-flash`   | 非常に低い  | 高速で、コストが低い            |
| コード生成      | `claude-sonnet-4-20250514` / `o4-mini` | 中      | プログラミング性能が最も強い        |
| 複雑な推論      | `o3` / `deepseek-r1`                   | 中低     | 推論が強く、o3 の価格が引き下げられた  |
| アーキテクチャ設計  | `deepseek-r1` + `claude-4-sonnet`      | 低      | 先に計画し、後で実装して、コストを節約する |
| コードレビュー    | `gemini-2.5-pro` / `claude-4-sonnet`   | 中      | コンテキストウィンドウが長く、理解力が高い |
| 一括リファクタリング | `deepseek-chat` / `qwen-turbo`         | 非常に低い  | 高速で経済的                |
| ドキュメント作成   | `gpt-4.1` / `qwen-max`                 | 中低     | 自然な表現                 |
| 長文処理       | `gemini-2.5-pro` (2M)                  | 中      | 超長文コンテキスト             |

### 2. プロンプト最適化

```text theme={null}
❌ Bad prompt: Fix this function

✅ Good prompt: Fix floating point precision issue in calculateTotal function,
ensure amount calculation accurate to 2 decimal places
```

### 3. 段階的な開発

1. まず基本的なフレームワークを生成する
2. 機能を段階的に追加する
3. 最後にパフォーマンスを最適化する
4. エラーハンドリングを追加する

### 4. セキュリティへの意識

* コードに機密情報を含めない
* AI が生成したコードをレビューする
* サードパーティ依存関係を検証する
* セキュリティ脆弱性に注意する

## 統合ワークフロー

### Git 連携

```bash theme={null}
# Auto-generate commit message
git add .
# Cline: Generate commit message based on changes
```

### テスト駆動開発

1. まずテストケースを作成します
2. Cline が実装コードを生成します
3. テストを実行して検証します
4. 繰り返し改善して最適化します

### CI/CD 連携

設定ファイルを生成します:

```yaml theme={null}
# Cline can generate GitHub Actions config
name: CI
on: [push, pull_request]
jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v2
      - name: Run tests
        run: npm test
```

## トークン最適化とコスト管理

### 1. トークン使用量をモニタリング

* **リアルタイムモニタリング**: Cline のサイドバーで概算コストを確認します
* **セッション制限**: セッションを短く保ち、コンテキストの蓄積を避けます
* **定期的なリセット**: 長いタスクは複数セッションに分けて完了します

### 2. スマートなモデル切り替え

```text theme={null}
Planning Phase → DeepSeek-R1 or o3 (strong reasoning, low cost)
Implementation Phase → Claude-4-Sonnet or o4-mini (strongest programming)
Simple Tasks → GPT-3.5-Turbo or Gemini-2.5-Flash (fast)
Long Text → Gemini-2.5-Pro (2M context)
```

### 3. .clinerules 設定の使用

プロジェクトルートに `.clinerules` ファイルを作成します:

```text theme={null}
# Limit Cline operation scope
- Don't allow modifying node_modules
- Don't allow deleting important files
- Limit number of files modified at once
- Require confirmation for destructive operations
```

### 4. コストを抑えるための代替案

#### GitHub Copilot Pro 連携

* 月額料金は \$10 のみで、無制限に利用できます
* VSCode LM API 経由で使用します
* 頻繁な利用シナリオに適しています

#### ローカルモデル（Ollama）

```bash theme={null}
# Install Ollama and run local models
ollama run deepseek-coder:6.7b
ollama run qwen2.5-coder:7b
ollama run codellama:13b
```

#### 国内モデルを使ってコストを抑える

* `qwen-turbo`（Alibaba Qwen）
* `glm-4`（Zhipu Tsinghua）
* `ernie-4.0`（Baidu Wenxin）

### 5. キャッシュ最適化

* Requesty Router のようなサービスを使います
* API コストを 50% 以上削減できます
* 重複するリクエストを自動キャッシュします

## 上級ベストプラクティス

### 1. Plan/Act モードの使用

* **Plan Mode**: 設計とレビュー用の読み取り専用
* **Act Mode**: 直接実装、簡単なタスクに適しています
* **Model Memory**: Cline は各モードごとのモデルの優先設定を記憶します

### 2. コンテキスト管理スキル

```typescript theme={null}
// Explicit context comments
// @context: React 18 + TypeScript 5
// @requirements: Support SSR, compatible with Next.js 14
// @constraints: Don't use external state management library
// @performance: First screen load < 3s
```

### 3. タスク管理システム

* **重要な会話をブックマーク**: スター機能を使う
* **価値のある内容をエクスポート**: Markdown として保存
* **タスクの並べ替え**: コスト、token 使用量で並べ替える
* **一括クリーンアップ**: 低価値のセッションを定期的に整理する

### 4. token 爆発を避ける

```text theme={null}
❌ Wrong Approach:
- Handle multiple unrelated tasks in same session
- Let Cline read entire large codebase
- Constantly changing requirements causing context confusion

✅ Correct Approach:
- Start new session for each feature
- Only include relevant files
- Start after clarifying requirements
- Commit code immediately after completion
```

### 5. 費用対効果の分析

| シナリオ        | 従来の開発時間 | Cline のコスト | 削減時間  | ROI   |
| ----------- | ------- | ---------- | ----- | ----- |
| CRUD モジュール  | 4時間     | \$5-10     | 3.5時間 | 非常に高い |
| 複雑なリファクタリング | 2日      | \$20-50    | 1.5日  | 高い    |
| アーキテクチャ設計   | 1週間     | \$50-100   | 5日    | 高い    |

### 6. ワークフローの最適化

```bash theme={null}
# 1. Planning Phase (use reasoning models)
"Use o3 or DeepSeek-R1 to analyze requirements and develop architecture"

# 2. Implementation Phase (use programming-specialized models)
"Switch to Claude-4-Sonnet or o4-mini to implement core features"

# 3. Testing Optimization (use fast models)
"Use Gemini-2.5-Flash or GPT-3.5-Turbo for unit testing and optimization"

# 4. Documentation Phase (use comprehensive models)
"Use GPT-4.1 or Qwen-Max to generate project documentation"

# 5. Code Review (use long-context models)
"Use Gemini-2.5-Pro for comprehensive code review"
```

## パフォーマンス最適化

### 1. モデルの切り替え

タスクに応じてモデルを選択します:

* 開発段階: 軽量モデル
* 複雑なタスク: 高度なモデル
* 本番環境: パフォーマンスとコストのバランスを取る

### 2. キャッシュ戦略

* レスポンスキャッシュを有効にする
* よく使うコードスニペットをキャッシュする
* 定期的にキャッシュを整理する

### 3. リクエスト最適化

* 関連するリクエストをまとめる
* ストリーミングレスポンスを使用する
* 適切なタイムアウトを設定する

さらにサポートが必要ですか？ [詳細な統合ドキュメント](/ja/scenarios/programming/cline) をご確認ください。