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

优质文章学习记录

— 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

Llama 3-8B-Instruct 在昇腾 NPU 上的 SGLang 性能实测

Llama 3-8B-Instruct 在昇腾 NPU 上的 SGLang 性能实测

1.引言 随着大模型在各类智能应用中的广泛应用，高效的推理硬件成为关键瓶颈。昇腾 NPU（Ascend Neural Processing Unit）凭借其高算力、低能耗以及对 SGLang 的深度优化，能够显著提升大模型推理性能。本文以 Llama 3-8B-Instruct 为例，通过在昇腾 NPU 上的实测，展示其在吞吐量、延迟和资源利用方面的优势，并探索可行的优化策略，为开发者在今后的开发中提供可参考的案例。 在本篇文章中我们会使用到Gitcode的Notebook来进行实战，GitCode Notebook 提供了开箱即用的云端开发环境，支持 Python、SGLang 及昇腾 NPU 相关依赖，无需本地复杂环境配置即可直接运行代码和进行实验。对于没有硬件平台的小伙伴来说是非常便利的。 GitCode Notebook使用链接：https://gitcode.com/user/m0_49476241/notebook。 2.实验环境与准备 2.
我用Openclaw + Claude搭了一套自动写作系统，每天省3小时

我用Openclaw + Claude搭了一套自动写作系统，每天省3小时

这是我目前最重要的一套AI工作流。从信息获取到发布，几乎不用手动完成。 一、为什么我要搭建这套系统？ 信息过载的困境 如果你也在持续关注AI，应该会有同样的感受： 信息太多了。 每天打开 X、公众号、GitHub、技术社区，都会冒出大量新内容。 AI模型更新、工具更新、Agent框架、自动化方案…… 想跟上这些信息，本身就已经是一项工作。 手动写作的低效循环 更别说： * 整理信息 * 找选题 * 写文章 * 配图 * 发布到各个平台 如果全部手动完成，写作就会变成一件非常消耗精力的事。 我一度也在这种状态里： 想持续输出，但写作本身占用了太多时间。 一个关键问题 后来我开始思考一个问题： 如果写作这件事可以被"系统化"，会发生什么? 于是，我不再把AI当成写作工具。 而是开始搭一套完整的 AI写作工作流。 二、思路转变：从优化写作到优化流程 大多数人的AI写作方式 大多数人使用AI写作，是这样：

为什么“虚拟现实“和“增强现实“不同？——从虚拟到混合的视觉革命

🕶️ 为什么"虚拟现实"和"增强现实"不同？——从虚拟到混合的视觉革命 🌈 大家好，我是无限大，欢迎收看十万个为什么系列文章 希望今天的内容能对大家有所帮助 今天咱们来聊聊VR和AR这个"视觉科技的双生子"！想象一下，你戴着头显在虚拟世界里打游戏，仿佛身临其境；你用手机对着桌子，屏幕上出现一个3D模型，仿佛它真的在桌子上——这些炫酷的体验，都是VR和AR带来的！但你知道它们的区别吗？ 🤔 核心问题：VR和AR的区别是什么？它们的技术原理和应用场景有何不同？ 很多人觉得VR和AR是"一回事"，其实它们差别很大！VR就像"完全进入另一个世界"，而AR是"在现实世界里加东西"。今天咱们就来揭开它们的神秘面纱！ VR和AR的本质 * 🎮 VR（Virtual Reality）：虚拟现实，通过头显完全沉浸在虚拟世界中，
FPGA原理和应用

FPGA原理和应用

大家好，我是良许。 说到 FPGA，可能很多做嵌入式的朋友都听说过，但真正深入了解的可能不多。 作为一名嵌入式程序员，我在工作中虽然主要接触的是单片机和嵌入式 Linux，但在汽车电子领域，FPGA 也是一个非常重要的技术方向。 今天就来和大家聊聊 FPGA 的原理和应用，希望能帮助大家对这个"神秘"的器件有更清晰的认识。 1. FPGA 是什么 1.1 FPGA 的基本概念 FPGA 的全称是 Field Programmable Gate Array，翻译过来就是"现场可编程门阵列"。 这个名字听起来有点拗口，但其实很好理解。 我们可以把 FPGA 想象成一块"电子积木"，你可以根据自己的需求，把这些积木搭建成不同的电路结构。 与我们常用的单片机(如 STM32)