vscode copilot在win10 WSL2环境无法使用的问题

优质文章学习记录

— 2 min read
vscode copilot在win10 WSL2环境无法使用的问题

问题描述

问话会进入chat初始化过程

在这里插入图片描述


等了一段时间就说 retry connection

在这里插入图片描述

重新reload window会报：Chat took too long to get ready. Please ensure you are signed in to GitHub and that the extension GitHub.copilot-chat is installed and enabled.

在这里插入图片描述

解决办法

回退Copilot版本

参考这位老哥解决方案 ：https://github.com/orgs/community/discussions/147219

在这里插入图片描述

将Copilot回退回 v1.252.0版本

PS：Vscode插件回退方法
依次点击插件->Copilot->Uninstall旁边下拉->Install Specific Version

在这里插入图片描述


点击重装即可，记得关闭自动更新（Auto Update）

在这里插入图片描述

网络问题

在找攻略的时候，可能瞎改了一通网络代理，导致回退了版本也不行

查看网络连接问题

可以在Vscode控制台->output->搜Copilot，这是正常的打印日志

如果显示类似 127.0.0.1:7890 或 127.0.0.1:7987 连接不通过，那就是网络问题

在这里插入图片描述
关闭网络代理

第一步：进入Setting，切换到Remote[WSL:Ubuntu]，搜索proxy，去掉Http: Proxy

在这里插入图片描述


第二步：关闭Http: Use Local Proxy Configuration

在这里插入图片描述


在这里插入图片描述

第三步：Reload window后，看到控制台打印如下信息，就说明成功了

在这里插入图片描述

Read more

基于STM32的智能家居安防系统设计与实现（完整项目）

基于STM32的智能家居安防系统设计与实现（完整项目）

基于STM32的智能家居安防系统设计与实现 摘要 随着物联网技术、嵌入式技术和智能控制技术的快速发展，智能家居安防系统逐渐成为现代家庭生活的重要组成部分，其能够实时监测家庭环境安全状态、防范安全隐患，为居民提供安全、便捷、舒适的居住环境。传统家庭安防方式多采用单一设备监测，存在功能分散、监测不全面、无法远程管控、报警响应滞后等问题，难以满足现代家庭对安防的多元化、智能化需求。 本文设计并实现了一套基于STM32F103C8T6单片机的智能家居安防系统，整合密码锁、温湿度采集、煤气烟雾检测、火灾报警、防盗报警、远程照明控制、实时时钟显示、OLED本地显示、WiFi手机APP远程监控、APP远程时间修改、本地蜂鸣器报警与远程报警联动等11项核心功能，构建了完整的智能家居安防系统架构。系统以STM32F103C8T6为核心控制单元，搭载密码锁模块、温湿度传感器、煤气烟雾传感器、火焰传感器、人体红外/门磁传感器、蜂鸣器报警模块、LED照明模块、实时时钟模块、OLED显示模块及WiFi通信模块，通过多模块协同工作，实现家庭安防的全方位监测、本地与远程双重管控，兼顾安全性、便捷性和实用性。

75元！复刻Moji 2.0 小智 AI 桌面机器人，基于乐鑫ESP32开发板，内置DeepSeek、Qwen大模型

文末联系小编，获取项目源码 Moji 2.0 是一个栖息在你桌面上的“有灵魂的伴侣”，采用乐鑫 ESP32-C5开发板，配置 1.5寸 360x360 高清屏，FPC 插接方式，支持 5G Wi-Fi 6 极速连接，内置小智 AI 2.0 系统，主要充当智能电子宠物的角色，在你工作学习枯燥时，通过圆形屏幕上的动态表情包卖萌解压，提供情绪陪伴；同时它也是功能强大的AI 语音助手，支持像真人一样流畅的连续对话，随时为你查询天气、解答疑惑或闲聊解闷，非常适合作为极客桌搭或嵌入式学习的开源平台。 🛠️ 装配进化 告别手焊屏幕的噩梦。全新设计的 FPC 插座连接，排线一插即锁，将复刻门槛降至最低。 🚀 性能进化 主控升级为 ESP32-C5。支持 5GHz Wi-Fi 6，

lingbot-depth-vitl14企业应用指南：机器人避障系统中替代高精度LiDAR的降本方案

lingbot-depth-vitl14企业应用指南：机器人避障系统中替代高精度LiDAR的降本方案 想让你的机器人“看”得更远、更准，又不想为昂贵的激光雷达买单？今天，我们就来聊聊一个能帮你省下大笔硬件成本的技术方案——lingbot-depth-vitl14深度估计模型。 简单来说，这个模型能让你的机器人用普通的RGB摄像头，就“猜”出周围环境的深度信息，实现精准避障。它就像一个给机器人安装的“空间感知大脑”，把二维的彩色画面，转换成三维的距离地图。 对于企业而言，这意味着什么？意味着你可以用几百块的摄像头，去实现过去需要几万甚至十几万激光雷达才能做到的部分功能。这不仅仅是省钱，更是为机器人、自动驾驶、AR/VR等应用打开了低成本、高性能的新大门。 接下来，我会带你深入了解这个模型，看看它如何在机器人避障这个核心场景中，真正落地并创造价值。 1. 为什么机器人避障需要深度信息？ 在聊技术方案之前，我们先得搞清楚一个基本问题：机器人是怎么“看见”并避开障碍物的？ 想象一下，你蒙着眼睛在房间里走路，很容易撞到桌子椅子。机器人也一样，它需要知道“前面有没有东西”以及“那个

801-203_各无人机厂家对RemoteID支持情况汇总

1. 大疆DJI 参考链接：大疆无人机RemoteID支持情况 DJI航拍无人机的RID广播信息包含以下信息： 1. ID等身份认证 2. 无人机的纬度、经度、几何高度和速度 3. 控制站的纬度、经度和几何高度的指示 4. 时间信息、紧急状态信息 支持RID的航拍无人机型号 大疆无人机支持RID型号列表 序号无人机机型支持情况备注1DJI Mavic 4 Pro支持2DJI Flip支持3DJI Air 3S支持4DJI Neo支持WIFI直连模式下和脱控模式下不支持5DJI Mini 4K支持V01.07.0400 及以后6DJI Avata 2V01.00.0300 及以后7DJI Mini 4 Pro支持V01.00.0400 及以后8DJI Air 3支持V01.00.1200 及以后9DJI Mini 3支持V01.