IDEA接入DeepSeek最新教程Proxy AI(codeGpt) [2025版]

IDEA接入DeepSeek最新教程Proxy AI(codeGpt) [2025版]

IDEA引入DeepSeek
将 IntelliJ IDEA(JetBrains 开发的 Java 集成开发环境)与 DeepSeek(深度求索的技术能力)结合,通常涉及利用 AI 技术增强开发效率或扩展 IDE 功能,安装完成后,结合 IntelliJ IDEA 的开发者工具属性,可探索以下方向:

智能代码补全:基于 DeepSeek 的代码大模型(如 Code LLM)提供更精准的代码建议。

代码缺陷检测:利用 AI 识别潜在 Bug 或安全漏洞。

自动化文档生成:根据代码逻辑自动生成注释或 API 文档。

自然语言交互:通过对话式 AI(如 ChatGPT 风格)辅助开发者解决问题。

代码重构建议:基于大模型分析代码结构,推荐优化方案。

ProxyAI(之前称为CodeGPT)是一款由人工智能驱动的代码助手,旨在帮助您进行各种编程活动。它是GitHub Copilot、AI助手、Codiumate以及其他JetBrains插件的强大替代品。
可用模型列表: o3-mini, o1, gpt-4o, Claude Sonnet 3.5, DeepSeek R1和V3, Google Gemini 2.0(Pro, Flash, Thinking), Llama, Qwen 2.5,以及更多。 构建您自己的本地AI助手 ProxyAI是连接本地运行的LLM与JetBrains IDEs的领先开源扩展。

一、安装Proxy AI插件
打开IDEA中的插件,在目录File->settings->Plugins->marketplace市场。
搜索Proxy AI(原来是codeGpt),点击install安装(如果没有搜到,可以去找相应的插件进行安装)
安装成功后,重启IDEA。

4.安装完成后,在目录File->settings->Tools下面能看到CodeGPT,在这里配置deepseek相关信息。

二、配置DeepSeek的API

进入DeepSeek官网,点卡打开API开发平台

2.创建API key( DeepSeek API 文档)
选择API keys ,点击创建API key ,会生成一个密钥,复制即可

3.在idea中配置API key和deepseek的url

Custom OpenAi可以自定义选择自己的大模型,比如我们现在使用的deepseek,当然也可以选择其他的。左侧其他选型也是各种大模型。

第一步:配置deepseek中创建的API key.

第二步:配置对话模型chat Completions,如下:

1 粘贴URL:https://api.deepseek.com/chat/completions

2 将请求body的模型model改为:deepseek-chat

第三步:配置推理模型code Completions,如下:

1 勾选Enable code completions和Parse response as Chat Completions

2 FIM template 选择为 DeepSeek Coder 。

3 粘贴URL:https://api.deepseek.com/chat/completions

4 请求body的模型model改为:deepseek-reasoner

三、使用deepseek进行对话

此时,在右侧就有一个codeGPT的图标,打开后就能输入文字进行对话了,这种配置的大模型属于在线的,连接deepseek的官方api,有时候会有网络卡顿问题,多试几次。

四、常见问题

1.对话,显示Insufficient Balance(余额不足) ,这时候,才发现目前对接deepseek已经用不了,哦豁!!!
但是我找到另外可以或者免费deepseek的方式,可以参考下面这篇文章
免费的deepseek

2.那怎么办呢,我们其实还可以对接其他免费的大模型,或者使用目前codeGpt自带的,也可以自己本地部署deepseek,然后用ollama配置,可以参考B站DeepSeek R1接入IDEA实战

Read more

【PX4+QGroundControl+MAVROS+Gazebo】PX4控制在Gazebo中控制自己的无人机

目录 前言 一、PX4、MAVROS、QGroundControl之间的关系 1.1 Gazebo与PX4通信 1.2 PX4与QGroundControl通信 1.3 总结 二、实现过程【以阿木实验室P230为例】 2.1 仿真环境 2.2 模型建立 2.3 建立gazebo和MAVROS之间的连接 2.4 建立MAVROS和PX4之间的连接 2.5 验证实验结果 三、一个失败的地方 总结 前言 笔者在准备用阿木实验室-P230无人机仿真的时候,发现官方给的该无人机仿真的代码依赖于该公司的Prometheus、Prometheus-PX4以及QGroundControl软件。但是笔者日后想把自己的项目上传到Github上,如果把整个阿木实验室的PX4上传上去显得不现实,且也占很大存储。因此,笔者会从小白的角度【因为笔者也是Green Bird】,介绍将自己的无人机连接PX4的办法。以下内容仅供参考,若有误,

宇树VR遥操与IL——从遥操程序xr_teleoperate到unitree_IL_lerobot:如何基于G1进行manipulation开发

宇树VR遥操与IL——从遥操程序xr_teleoperate到unitree_IL_lerobot:如何基于G1进行manipulation开发

前言 如之前的文章所述,我司「七月在线」正在并行开发多个订单,目前正在全力做好每一个订单,因为保密协议的原因,暂时没法拿出太多细节出来分享 但可以持续解读我们所创新改造或二次开发的对象,即解读paper和开源库「当然 有些paper/库还没开始用,但也可以提前解读,作为关注了解」 而对于我司人形开发的订单,截止到25年4月,背后的机器人多半基于这几家:宇树、智元、傅利叶、乐聚「之所以用的这几家,一半因为我和这些公司熟,一半因为客户已有其中某一家或某几家的本体 需在其基础上做定制开发,如其它厂商看到 有兴趣合作,欢迎私我,比如星动纪元、星海图、众擎等等」 * 通过此文《Fourier-Lerobot——把斯坦福人形动作策略iDP3封装进了Lerobot(含我司七月的idp3落地实践)》可知,傅利叶 把idp3 装进了lerobot * 类似的,宇树 通过此开源库「unitree_IL_lerobot」,也把lerobot 集成了下 该库包含了π0策略 且无论咱们是用傅利叶集成的lerobot—

论文阅读 | MiniCPM-o | RLAIF-V开源AI反馈助力模型可信度超越GPT-4V

论文阅读 | MiniCPM-o | RLAIF-V开源AI反馈助力模型可信度超越GPT-4V

论文地址:https://arxiv.org/pdf/2405.17220 发布时间:2024年5月27日 =》2025 年 10 月 29 日 v3版本 论文主要由豆包AI翻译 论文总结 核心目标 解决现有多模态大语言模型的幻觉问题,突破传统RLHF依赖人工标注、现有RLAIF依赖专有模型的局限,通过全开源范式构建高质量反馈,实现模型可信度与人类偏好的对齐。 核心创新 1. 去混淆响应生成:相同条件下多轮采样解码,消除文本风格干扰,凸显可信度真实差异; 2. 分而治之反馈标注:将响应拆解为原子声明,转换为极性问题评估,降低开源模型标注难度; 3. 迭代反馈学习:动态更新反馈分布,解决DPO训练中的分布偏移问题; 4. 推理自反馈机制:利用DPO对齐模型的奖励分数,结合长度归一化策略,优化推理阶段性能。 关键结果 1. 幻觉抑制显著:RLAIF-V 7B将物体幻觉率降低80.7%

低代码治理之道:构建 Power Platform 中心化管控与创新平衡的体系

在企业数字化转型进程中,Power Platform 凭借 “低代码、高敏捷” 的特性成为业务创新的核心工具,但 “人人皆可开发” 的模式也带来了治理真空的严峻挑战:应用杂乱无章、数据安全失控、合规风险凸显、成本无序增长,最终导致 “创新红利” 被 “治理乱象” 抵消。本文将围绕治理框架设计、CoE(中心卓越团队)建设、安全审查流程、成本控制机制四大核心,拆解 Power Platform 中心化管控体系的构建方法,结合实战代码范例,帮助企业实现 “管控不僵化、创新不越界” 的治理平衡。 一、核心认知:Power Platform 治理真空的根源与破局思路 Power Platform 治理真空的本质是 “去中心化创新” 与 “中心化管控” 的失衡,具体表现为: * 缺乏统一的治理框架,应用开发无标准、无审批、