QtCreator配置AI辅助编程插件github copilot保姆级教程

Ne0inhk

— 3 min read
QtCreator配置AI辅助编程插件github copilot保姆级教程

文章目录

概要

在这里插入图片描述
Free版‌免费使用，每月限额 2000 次代码补全 + 50 次聊天交互‌集成于 VS Code，支持跨文件编辑、终端协助及自定义指令‌ ‌

Pro版‌‌个人用户‌：10 美元/月 或 100 美元/年‌ ‌特殊群体‌：学生/教师/热门开源维护者可免费使用 Pro 版‌

‌
Business版‌19 美元/月/用户，按月计费‌面向组织或企业中的团队订阅‌ ‌

Enterprise版‌39 美元/月/用户，按月计费‌企业可按需为不同组织分配 Business 或 Enterprise 订阅‌

官方地址
GitHub Copilot主页
GitHub Copilot官方文档
环境要求
系统：Window11（我是Window11装的，其他系统不清楚）
Qt Creator：使用11+以上的版本，我使用的是Qt Creator 15.0.1
Qt和QtCreator是两个东西，Qt是库，QtCreator是编辑器，可以分开安装，我就是装的qt5.14.0配的4.11.0的Creator，然后重新单独安装了Qt Creator 15.0.1

在这里插入图片描述
资源地址
Qt Creator 15.0.1安装包
网盘地址
因为ZEEKLOG不设置积分，就得要求下载吗，更麻烦，所以设置了2积分，如果没积分，评论留言，我给单独发过去

配置流程

  • 安装Qt Creator 15.0.1
  • 下载安装node.js；
  • 下载copilot.vim；
  • 重启之后，打开【编辑】-【Preferences】，选择【Copilot】，在右侧勾选Enable Copilot、Auto request（勾选之后在编写代码的时候就可以自动进行提示了），然后分别配置Node.js和copilot.vim的language-server.js的路径；

打开Qt Creator，选择【帮助】【关于插件】，找见copilot，然后勾选上插件，点击确定，重启Qt Creator；

在这里插入图片描述
![(https://i-blog.ZEEKLOGimg.cn/direct/b5596e835aa146b18bbf1c309ff50581.png)

进入授权界面后点击【Authorize Github Copilot plugin】按键授权Qtcreator插件即可；

在这里插入图片描述

登录会让输入验证码，返回Qt Creator，找到下图所示的验证码输入即可；

在这里插入图片描述

配置完路径后【Sign in】就会按键就会亮起，我的已经登录完成了，登录完成就会显示登录的用户名，下边是没登录的样子，上边是完成之后的样子；

在这里插入图片描述
在这里插入图片描述

点击Free下边的Get started即可解决，此时返回qt应该就可以使用了。

在这里插入图片描述

返回qt可能会弹如下窗口，这个是需要我们去领取一下这个插件权限，跳转网页到GitHub Copilot主页
-

在这里插入图片描述

Read more

2026年RAG技术路线图：基于DeepSeek与Neo4j知识图谱构建企业智能体系

RAG的演进：为何图检索增强生成（GraphRAG）将主导2026年 检索增强生成（RAG）自问世以来经历了深刻变革，2026年标志着其向图检索增强生成（GraphRAG）范式的关键性转变。这一演进源于传统平面向量型RAG在满足企业级复杂推理和可靠决策支持需求方面日益凸显的局限性。 这一转型的核心驱动力是从平面向量相似性向复杂关系推理的跨越。传统RAG依赖向量嵌入来衡量查询与文档片段的语义相似性，但这种方法无法捕捉企业决策至关重要的实体、概念与事件间的复杂关联。相比之下，GraphRAG将信息构建为包含节点（实体）和边（关系）的知识图谱，使模型能够遍历并推理这些关联——解锁了平面向量RAG无法实现的多跳推理和上下文关系理解能力。 GraphRAG还解决了传统RAG的两大长期痛点：上下文窗口限制和“中间信息丢失”问题。随着企业查询日益复杂，需要更大的上下文窗口来整合相关信息，但即便是最先进的大语言模型（LLM）也存在有限的上下文容量。GraphRAG通过将结构化知识存储在外部图数据库中解决了这一问题，允许模型按需检索最相关的节点和关系，而非将大量文本塞入上下文窗口。此外，“中间信息

By Ne0inhk

一键部署Z-Image-Turbo：云端AI绘画不求人

一键部署Z-Image-Turbo：云端AI绘画不求人 你是不是也遇到过这样的场景：脑子里有个绝妙的画面，想把它画出来，但要么不会画画，要么打开专业绘图软件折腾半天，最后出来的效果还不如想象力的十分之一？ 或者，作为内容创作者、电商运营，每天需要大量配图、海报，找图库要花钱，自己设计又太费时间，效率低得让人抓狂。 今天，我要给你介绍一个“神器”——Z-Image-Turbo 极速云端创作室。它不是一个复杂的软件，而是一个打包好的云端AI绘画应用。你不需要懂代码，不需要配置环境，甚至不需要高性能电脑，只需要点几下鼠标，就能拥有一个属于你自己的、能秒级生成高清大图的AI画室。 这听起来是不是有点不可思议？别急，跟着我，10分钟你就能亲手把它搭建起来，并画出第一张作品。 1. 为什么你需要这个“云端画室”？ 在深入动手之前，我们先搞清楚，这个工具到底能帮你解决什么问题。 1.1 传统AI绘画的三大痛点 如果你之前尝试过一些AI绘画工具，可能会对这几个问题深有体会： 1. 部署复杂：想用开源的Stable Diffusion？光是安装Python、

By Ne0inhk
Flash Table实测：JAI赋能低代码开发，重塑企业级应用构建范式

Flash Table实测：JAI赋能低代码开发，重塑企业级应用构建范式

目录 * 🔍 引言 * 1.1 什么是Flash Table * 1.2 低代码平台的进化与FlashTable的革新 * ✨FlashTable背景：为什么需要新一代低代码平台？ * 2.1 传统开发的痛点 * 2.2 低代码平台的局限 * 2.3 FlashTable的差异化定位 * 💻 FlashTable安装：Docker部署&Jar包部署 * 3.1 基础环境要求 * 3.2 Docker部署（推荐方案） * 3.3 Jar包部署（无Docker环境） * 3.4 常见问题 * 📚FlashTable功能深度评测：从案例看真实能力 * 4.1 数据孤岛？FlashTable 自动化匹配字段 * 4.2 FlashTable复杂表单的开发挑战 * 4.3

By Ne0inhk
【机器人】具身导航 VLN 最新论文汇总 | Vision-and-Language Navigation

【机器人】具身导航 VLN 最新论文汇总 | Vision-and-Language Navigation

本文汇总了具身导航的论文，供大家参考学习，涵盖2026、2025、2024、2023等 覆盖的会议和期刊：CVPR、IROS、ICRA、RSS、arXiv等等 论文和方法会持续更新的～ 一、🏠 中文标题版 2026 ✨ * [2026] SeqWalker：基于分层规划的时序视野视觉语言导航方法 [ 论文 ] [ GitHub ]   * [2026] UrbanNav：从网络规模人类轨迹中学习语言引导的城市导航方法 [ 论文 ] [ GitHub ]  * [2026] VLN-MME：面向语言引导视觉导航智能体的多模态大语言模型诊断基准 [ 论文 ] [ GitHub ]  * [2026] ASCENT: 实现楼层感知的零样本物体目标导航  [ 论文] [ GitHub ] 2025 😆 * [2025] ETP-R1：面向连续环境VLN的进化拓扑规划与强化微调方法 [ 论文 ] [ GitHub ] * [2025] NaviTrace：评估视觉语言模型在真实世界场景中的导航能力 [ 论文 ] [ GitHub ] * [2025]

By Ne0inhk