[科研实践] VS Code (Copilot) + Overleaf (使用 Overleaf Workshop 插件)

[科研实践] VS Code (Copilot) + Overleaf (使用 Overleaf Workshop 插件)

科研圈写文档常用 Latex 环境,尤其是 Overleaf 它自带的 AI 润色工具 Writefull 太难用了。如果能用本地的 CoPilot / Cursor 结合 Overleaf,那肯定超高效!


于是我们找到了 VS Code 里的 Overleaf Workshop 插件。这里已经安装好了,没装过的同学可以直接点击 “安装”

安装后左边会出现 Overleaf Workshop 的图标:

点击右边的“+”:

Overleaf 官网需要登录,这里我们通过 cookie 调用已登录账号的 API:

回到主界面,右键点击 “检查”:


打开检查工具后,找到 “网络”(Network)窗口,搜索 “/project”

/project

如果首次加载没内容,刷新页面就能看到 project 条目了:


点击 project 条目,往下找到 “请求标头”,需要复制一段包含 cookie 的字符串(“神秘代码”)。这段代码全选后按 Ctrl+C 复制:

回到 VS Code,选择 “通过 cookie 登录”,粘贴(Ctrl+V)刚才的 cookie 字符串,回车确认:

这时会列出所有 Overleaf 项目。单击新窗口打开,打开后界面和 Overleaf 一致,左边是 LaTeX 代码,右边是 PDF 预览(“Ctrl+cmd+v” 预览快捷键)。现在试试本地 AI 功能:安装 VS Code 后,可连接 GitHub 或其他 AI 工具(如 CoPilot)

这相当于是用本地AI工具远程操作网页端的Overleaf

接下来就可以畅快写作啦~

快捷键:Ctrl + S 就能直接开始远程编译啦

参考视频:科研论文党王炸组合overleaf+Copilot_哔哩哔哩

Read more

【AIGC】Claude Code的CLAUDE.md加载时机与书写最佳实践

I. CLAUDE.md 文件:项目级 vs 全局级 完全解析 CLAUDE.md 是 Claude Code 提供的简化版规则配置文件(对比多文件的 rules 文件夹),核心作用是定义 AI 需遵循的代码规范、项目要求等,而「项目根目录的 CLAUDE.md」和「用户主目录的 ~/.claude/CLAUDE.md」的核心区别在于作用域和优先级,下面分维度讲清楚: 一、核心区别(作用域+使用场景) 维度项目根目录 CLAUDE.md用户主目录 ~/.claude/CLAUDE.md作用域仅对当前项目生效(项目内所有文件)对当前用户下的所有项目生效使用场景定义当前项目的专属规则(如项目特有编码规范、业务约束、依赖版本)定义跨项目的通用规则(如个人编码习惯、全项目通用安全规范、

批处理音频革命:5倍效率提升的faster-whisper异步架构实战指南

批处理音频革命:5倍效率提升的faster-whisper异步架构实战指南 【免费下载链接】faster-whisperplotly/plotly.js: 是一个用于创建交互式图形和数据可视化的 JavaScript 库。适合在需要创建交互式图形和数据可视化的网页中使用。特点是提供了一种简单、易用的 API,支持多种图形和数据可视化效果,并且能够自定义图形和数据可视化的行为。 项目地址: https://gitcode.com/GitHub_Trending/fa/faster-whisper 在现代音频处理系统中,实时性与高并发始终是难以平衡的技术难题。随着语音交互场景的普及,传统同步处理架构在面对大量音频流时往往力不从心,导致资源利用率低下、响应延迟增加。本文将深入剖析faster-whisper的异步批处理架构,展示如何通过智能分块、特征并行和批处理推理三大核心技术,实现5倍效率提升,为构建高性能音频处理系统提供完整解决方案。 突破音频处理瓶颈:异步批处理架构的核心优势 传统音频处理系统如同单车道公路,每次只能处理一个音频流,当流量增大时必然造成拥堵。faster-wh

Llama-Factory支持哪些GPU型号?兼容性与驱动配置指南

Llama-Factory 支持哪些 GPU?兼容性与驱动配置实战指南 在大模型落地日益加速的今天,企业不再满足于“用得上”通用语言模型,而是迫切希望拥有可定制、私有化、垂直优化的专属AI能力。微调(Fine-tuning)成为打通从通用基座到行业智能的关键一步——但全参数训练动辄需要数百GB显存和复杂的分布式系统,让大多数团队望而却步。 正是在这种背景下,Llama-Factory 凭借其“一站式”的设计理念迅速走红:它把数据预处理、模型加载、LoRA/QLoRA配置、多卡训练启动、WebUI交互等环节全部封装起来,开发者只需点几下鼠标或写一个YAML文件,就能完成原本需要数周工程开发的任务。 但这背后有一个关键前提:你的硬件得跟得上。尤其是GPU,作为整个训练流程的算力心脏,直接决定了你能不能跑、跑多快、能跑多大的模型。 那么问题来了:Llama-Factory 到底支持哪些 GPU?我的 RTX 3090 能不能训 13B 模型?A100 集群如何配置才能发挥最大性能? 我们不讲空话,直接切入实战视角,

核心期刊AIGC检测太严?SCI投稿降AI完整攻略

核心期刊AIGC检测太严?SCI投稿降AI完整攻略 TL;DR(太长不看):核心期刊和SCI对AI率要求极严,部分顶刊要求低于10%。完整攻略:投稿前用Turnitin检测→用AIGCleaner(英文首选)或嘎嘎降AI(中英通用)处理→人工检查术语和引用→用目标期刊的检测平台验证。AIGCleaner可将Turnitin AI率从95%降到5%以下,英文论文AI率建议控制在15%以下。 核心期刊和SCI对AI率要求有多严? 如果你正在准备投稿核心期刊或SCI,AI率问题必须提前重视。2026年各大期刊对AI生成内容的审查越来越严格,部分顶刊(比如Nature子刊、Science系列)明确要求AI率低于10%,普通SCI期刊一般要求低于20%。Turnitin、iThenticate这些检测系统也在不断升级算法,能够识别ChatGPT、Claude、DeepSeek等主流大模型的写作特征。我有个同事投Nature Communications,论文质量没问题,就因为AI率超标被编辑直接desk reject,几个月的心血付诸东流。所以投稿前一定要检测并处理AI率。 核心期刊