搭配GitHub Copilot 提升VS code使用技巧 - 新手向

一、 终端 (CMD / PowerShell) 常用命令速查表

在黑框框(终端)里最常用的命令,掌握这几个就够用了:

1. 走路(目录导航)

  • 进入文件夹:cd 文件夹名
    例如:cd MyFLProject
  • 返回上一级:cd ..
    记忆技巧:. 代表当前,.. 代表上一级(爸爸级)。
  • 切换盘符(Windows 特有):D:C:
    注意: 如果你在 C 盘,想去 D 盘,光敲 cd D:\xxx 是没用的,必须先输入 D: 回车,切过去再说。
  • 自动补全(神器):Tab
    用法: 输入 cd My 然后按 Tab,电脑会自动帮你补全成 cd MyFLProject千万别手敲全名,容易错!

2. 查户口(查看文件)

  • 列出当前有什么文件:dir (Windows) 或 ls (Mac/Linux/PowerShell)
  • 查看当前在哪里:cd (不加参数,直接回车) 或 pwd

3. 环境管理 (Conda)

  • 激活环境:conda activate fedml_dp
  • 退出环境:conda deactivate
  • 查看装了哪些环境:conda env list
  • 安装包:pip install 包名

二、 VS Code 必备技巧

VS Code 有很多隐藏功能,能极大提高你改代码和跑实验的效率。

1. 核心快捷键

  • 呼出/隐藏终端:Ctrl + ~ (就是 Esc 下面那个波浪号键)
    场景: 代码写累了想跑一下,按一下调出黑框框;跑完了想看全屏代码,再按一下收回去。
  • 万能命令面板:Ctrl + Shift + P
    场景: 任何你找不到的功能(比如“Reload Window”、“Select Interpreter”),按这个,直接搜英文单词就能找到。
  • 快速注释:Ctrl + /
    场景: 选中一堆代码,按一下全部注释掉(变绿);再按一下全部恢复。
  • 格式化代码:Shift + Alt + F
    场景: 代码缩进乱七八糟时,按一下瞬间排版整齐。

2. 注意事项

  • 选对解释器(Switch Environment):
    这是新手最容易忘的!每次打开 VS Code,先看右下角。如果显示的不是 fedml_dp,点击它,在弹出的列表里选中有 fedml_dp 的那个。
  • 相对路径 vs 绝对路径:
    你在 yaml 文件里看到的 ./../ 是什么意思?
    ./dataset: 表示“当前文件夹下的 dataset 文件夹”。
    ../dataset: 表示“上一级文件夹下的 dataset 文件夹”。
    D:/Local/...: 这叫绝对路径(不管你在哪,都能找到它)。科研初期建议多用绝对路径,不容易出错。
  • 多开终端:
    VS Code 终端右上角有个 + 号。你可以同时开两个终端,一个跑 Server,一个跑 Client,互不干扰。

3. 多根工作区 (Multi-root Workspaces)

  1. 多工作区
    打开开源库文件夹。点击菜单栏 File (文件) -> Add Folder to Workspace...。添加你自己的代码文件夹。

优势:左侧资源管理器会同时显示两个项目的完整目录。

  1. 极速项目切换 (Project Switch)
    当且仅当需要在不同任务间彻底切换时使用。
    快捷键:Ctrl + R (Mac: Cmd + R)
    操作:弹出“最近打开的历史记录”,选中即走,无需关闭重开。
  2. 多窗口并行 (New Window)
    当且仅当两个项目完全独立,互不干扰时使用。
    快捷键:Ctrl + Shift + N (Mac: Cmd + Shift + N)
    操作:弹出一个全新的空白窗口。

三、利用 GitHub Copilo技巧

不要只把 AI 当聊天机器人,通过 @workspace 指令,让它成为熟悉整个代码库的“技术向导”。

1:全貌认知 (Architecture Overview)

不要一上来就看代码细节,先问架构。

通用 Prompt:@workspace 请阅读当前项目。1. 简要概括目录结构和核心逻辑。 2. 核心的业务逻辑/训练循环代码在哪个文件?

2:寻找入口 (Find Entry Points)

快速找到一个“最小可运行单元”(Demo),避免盲目瞎试。

通用 Prompt:

@workspace 我需要一个最简单的、开箱即用的测试脚本(Demo)。请扫描 examples 或 tests 目录,推荐一个最基础的运行案例,并给出完整的启动命令。

3:配置解读与工具接入 (Config & Tools)

搞定复杂的配置文件(YAML/Argparse)和第三方工具(如 WandB/TensorBoard)。

通用 Prompt:
@workspace 基于上一步的示例,找到对应的配置文件。解释其中最重要的 3-5 个参数。
我需要接入 [工具名,如 WandB],请检查配置或代码,告诉我需要修改哪部分设置?

4:进阶技巧

  • 精准上下文控制
    Copilot 优先读取你当前打开的标签页。
    技巧:如果你想让 AI 参考 config.yaml 来重构 main.py,请确保这两个文件都在编辑器中打开。
  • Slash 快捷指令 (/)
    /explain:解释选中的复杂代码段。
    /fix:直接选中报错代码或 Bug,让 AI 自动修复。
  • 终端智能修复
    代码运行时报错了?直接在终端选中报错信息 -> 右键 -> Copilot: Explain This,它会结合上下文分析错误原因。

Read more

AI做PPT哪个最好用?——7款顶流工具深度横评

AI做PPT哪个最好用?——7款顶流工具深度横评 对于职场人士、零基础新人或任何需要“又快又好”做PPT的人,AI生成PPT工具已经从“锦上添花”升级为“必备效率神器”。本文一次性梳理7款市面呼声最高的产品,逐条拆解它们的公司背景、功能特色、免费额度、优缺点及适用人群。 1. SpeedAI(https://kuaipaper.com/ppt) 所属公司 国内AI办公赛道新锐团队,依托自研大模型深耕智能办公场景,核心成员来自头部互联网与办公软件厂商。 功能特色 * 全链路智能生成:输入主题/关键词→15秒输出逻辑闭环大纲→2分钟生成20+页完整PPT,大纲可根据行业、场景自动调整深度,适配商务汇报、学术答辩、校园宣讲等不同需求 * 多源无损导入:支持Word、PDF、XMind、Markdown、思维导图图片一键转PPT,复杂表格、公式保留率达95%以上,长文本自动提炼核心观点,避免逻辑断裂 * 在线精细化编辑:文字、

AI一周炸了十次!万亿订单、套壳风波、匿名霸榜全解读

AI一周炸了十次!万亿订单、套壳风波、匿名霸榜全解读

文章目录 * 1、前言 * 2、一周大事件时间线 * 3、NVIDIA GTC 2026:万亿美元的AI硬件帝国 * 3.1、Vera Rubin 平台发布 * 3.2、Groq 3 LPU:专用推理芯片首秀 * 3.3、软件生态:NemoClaw、Nemotron联盟 * 4、OpenAI:GPT-5.4轻量家族 + 收购Astral * 4.1、GPT-5.4 mini 和 nano * 4.2、收购Astral:拿下Python基础设施 * 4.3、IPO准备与扩张 * 5、Anthropic:Claude Code Channels与五角大楼之争

AI 开发必用的4个skills组合,用来流畅掌控AI开发流程 ,灵活控制AI(opencode skills)

AI 开发必用的4个skills组合,用来流畅掌控AI开发流程 ,灵活控制AI(opencode skills)

skills 一种技能增强器。 skills 可以理解为升级版的提示词,它的文件记录了某个skill(技能)的元信息,就是描述这个skills的名称等信息, 另外它的文件中还记录了skills的技能实现步骤。 以下4个skills在AI项目开发中,我认为必不可缺一。 这4个skills的引入,可更为方便我们去介入AI,控制AI,给AI制定边界。 我会用一个音乐机器人项目开发来介绍这4个skills,如何介入AI开发流程,如何行云流水的控制AI。 指令式 控制AI 开发流程的主控调度器:有4个SIKLLS 在我的项目中.opencode目录中存在4个skills, 4个skills技能结合和.opencode目录同级的AGNETS.md文档,AGNETS.md是主控配置文件, 是AI 开发流程的主控调度器,负责协调三个专业技能包(毒蛇产品经理、UI设计师、全栈开发工程师、ui-ux-pro-max) ui-ux-pro-max技能包,我120%的推荐,减少了不少UI配色的塑料感,可在文末看我此次,用技能包开发的UI界面,做一个效果对比。 skills技能指令: 我

AI的提示词专栏:开源模型(Mistral、Qwen)Prompt 实验报告

AI的提示词专栏:开源模型(Mistral、Qwen)Prompt 实验报告

AI的提示词专栏:开源模型(Mistral、Qwen)Prompt 实验报告 本文为明确开源模型 Prompt 适配特性,本实验以 Mistral(7B/13B)与 Qwen(7B/14B)为对象,在统一硬件软件环境与推理参数(Temperature 0.7、Top-P 0.9 等)下,测试其在基础指令、Few-Shot、Chain-of-Thought(CoT)推理、角色扮演四类 Prompt 中的表现。结果显示,参数量显著影响性能,13B/14B 模型各项指标优于 7B 模型;Qwen-14B 在中文指令理解、推理步骤拆解及角色一致性上表现突出,Mistral 系列推理速度更快。实验还针对两类模型提出 Prompt 优化建议,