Copilot使用体验

本篇是去年使用Copilot的记录,不代表目前水平,仅做个人记录同步,谨慎参考。

GitHub Copilot的订阅计划

https://docs.github.com/en/copilot/about-github-copilot/subscription-plans-for-github-copilot
个人版提供30天的免费试用。个人版每月10 美元或每年 100 美元。

Copilot操作文档

https://docs.github.com/en/copilot/quickstart
目前支持JetBrains IDEs,Vim/Neovim,Visual Studio,Visual Studio Code,Xcode。安装插件,登录Github账号就可以使用了,需要开代理。

基本操作

  • 获取代码建议,输入代码时会自动触发,使用“Tab”键采纳。
  • 切换建议,macOS使用“Option+]”或“Option+[”,windows使用“Alt+]” 或 “Alt+[”切换下一条,上一条。
  • 聊天模式,可以引用文件,生成测试代码,解释代码,修复问题。

基本操作,支持功能和同类型工具都大差不差,主要关注实际提示代码质量。

其他设置

  • 启用或禁用公共代码匹配的建议,如果选择允许匹配公共代码的建议,当Copilot建议匹配代码时,可以显示匹配的详细信息,并点击到GitHub上的相关存储库。
  • 访问Bing,Copilot将使用Bing在互联网上搜索与问题相关的信息。在讨论新技术或特定的主题时,Bing搜索尤其有用。

Copilot优缺点

优点

  • 提示速度快,支持语言丰富。
  • 偏向提示多行代码块,方便快捷。
  • 相对其他同类型工具提示更精准。
  • 会根据项目代码不断优化提示,做到更贴近所想。

缺点

  • 需要使用代理,没有国内的工具访问方便。
  • Copilot 是使用大量代码训练的,但它的范围仍然有限。 它可能无法处理一些复杂的代码结构或模糊的编程语言。
  • Copilot 并不是没有错误的。可能会生成看起来有效但实际无效的代码。 为了降低代码不准确的风险,需要仔细查看和测试生成的代码。
  • 由于上下文的限制,copilot不能全局考虑问题,更多的是解决局部的问题。会存在方法未复用的情况。

辅助编程相关场景举例说明

一般有三大类:

  • 代码-代码:包含代码补全、代码修复
  • 代码-文本:代码解释、代码优化、代码异常排查
  • 文本-代码:通过提示词 Prompt 做代码生成 (单元测试等)

支持语言

常用语言都支持(Java,python,JavaScript,Go,C, Kotlin等),亲测Flutter的Dart语言也可以很好的支持。

代码补全

场景:数据上报点击删除按钮时,pageinfo传入课程id(多个课程id用逗号分隔)
操作:当我输入到map方法做转换时,Copilot猜到我的意图,给出了下面的提示。

在这里插入图片描述


提示和预期完全一致,比较惊喜的地方在于,下载对象中属性字段很多,并且有“id”这个字段作为相似项干扰。
在我没有告知Copilot我的需求情况下,最终可以准确提示,还是很智能的。

代码修复

下面这段代码在实际运行中会报错崩溃,我们根据报错行数找到这段问题代码:

val goal ="${list[0].option.filter{ it.selected }[0]?.id ?: 1}"// java.lang.IndexOutOfBoundsException: Index 0 out of bounds for length 0

选中这行问题代码,输入“/fix”修复这个问题。

在这里插入图片描述


可以看到copilot解释了问题的原因,并给出了解决方案。

代码生成

可以通过写注释的方式,让Copilot帮我们生成相关代码。Copilot会根据上下文,给到合理的代码。

在这里插入图片描述

Read more

当AI学会写“自传”:OpenClaw 的 SOUL.md 如何把配置文件变成一颗会变形的心

在多数软件的世界里,配置文件像一张表格:端口、路径、开关,冷静到几乎没有呼吸。但在 OpenClaw 的工作区里,有一份文件看起来像散文——它叫 SOUL.md。我在阅读你提供的材料时最强烈的感受是:它并不是“把模型调得更像某种语气”的小旋钮,而是一套更大胆的提案——用一份纯 Markdown 的自然语言文本,把代理(Agent)的身份、价值观、沟通风格与行为边界写成可阅读、可编辑、甚至可自我改写的“灵魂”。 官方模板那句“You’re not a chatbot. You’re becoming someone.”几乎像小说的开场白:这不再是“加载配置”,而更像“宣告存在”。 🧠 灵魂不是参数:SOUL.md 的定位是一份“存在论文档” 如果我把传统

AI的提示词专栏:低资源模型(7B)Prompt 高质量输出策略

AI的提示词专栏:低资源模型(7B)Prompt 高质量输出策略

AI的提示词专栏:低资源模型(7B)Prompt 高质量输出策略 本文聚焦参数量约 70 亿的低资源模型,先分析其部署成本低但存在知识覆盖有限、逻辑连贯性不足等输出痛点,再从指令简化与目标聚焦、知识注入与上下文补充、示例引导与格式约束、逻辑引导与多轮交互四方面,提出核心 Prompt 优化策略。随后结合内容创作、编程、数据分析三大行业场景,通过优化前后 Prompt 对比、预期输出及技巧点分析提供实战案例,并给出准确性、完整性等效果评估指标与迭代优化等调优方法,还补充硬件配置、模型量化等环境适配建议,为低资源模型高效生成高质量内容提供全面指导。 人工智能专栏介绍     人工智能学习合集专栏是 AI 学习者的实用工具。它像一个全面的 AI 知识库,把提示词设计、AI 创作、智能绘图等多个细分领域的知识整合起来。无论你是刚接触 AI 的新手,还是有一定基础想提升的人,都能在这里找到合适的内容。从最基础的工具操作方法,到背后深层的技术原理,专栏都有讲解,还搭配了实例教程和实战案例。这些内容能帮助学习者一步步搭建完整的

零成本部署:国内畅玩n8n与私有AI模型的终极指南

零成本部署:国内畅玩n8n与私有AI模型的终极指南

体验还有算力券哦,惊喜多多:https://console.suanli.cn/auth/login?invite_code=rVeDoNaUZ5 引言:当自动化遇上AI,个人与小微企业的效率革命 在数字化浪潮中,两个工具正悄然改变着我们处理工作的方式:n8n,一个强大且灵活的开源自动化平台,被誉为“自托管版的Zapier”;以及confyui,一个拥有数十万个最新、最全预训练模型的AI“军火库”。 然而,对国内用户而言,直接使用它们面临三重门:海外服务的网络障碍、API调用的高昂成本、以及模型私有化部署的技术门槛。本指南的目的,就是为你亲手推开这三重门,展示如何零成本、全免费、在国内网络环境下,将n8n与私有AI模型完美融合,打造出一个完全属于你自己的、永不间断的智能自动化中枢。 第一部分:灵魂发问——为什么是n8n + 私有AI模型? 在深入部署细节前,我们必须理解这种组合的颠覆性力量。 * n8n的优势: * 视觉化工作流: 通过拖拽连接节点,无需深厚编程功底,即可构建复杂自动化流程。 * 极致灵活性:

Flutter 组件 genkit 的适配 鸿蒙Harmony 实战 - 驾驭大模型开发套件、实现鸿蒙端 AI 智能流式响应与提示词工程自动化方案

Flutter 组件 genkit 的适配 鸿蒙Harmony 实战 - 驾驭大模型开发套件、实现鸿蒙端 AI 智能流式响应与提示词工程自动化方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 genkit 的适配 鸿蒙Harmony 实战 - 驾驭大模型开发套件、实现鸿蒙端 AI 智能流式响应与提示词工程自动化方案 前言 在鸿蒙(OpenHarmony)生态向智能化、全场景自动化的演进过程中,“生成式 AI(Generative AI)”不再仅仅是一个噱头,而是重塑应用交互逻辑的核心底座。面对日益复杂的 LLM(大语言模型)调用链路、层出不穷的提示词(Prompt)版本管理以及对实时流式响应(Streaming)的严苛要求。如果仅仅依靠原始的 HTTP POST 请求。那么不仅会导致开发效率极低。更难以应对 AI 业务中常见的“幻觉审计”与“多模型动态切换”等高阶挑战方案。 我们需要一种“开发者友好、