修复:vscode “刷新 python 包时发生错误“。“Error refreshing packages Failed to run python -m pip list“

在虚拟环境(例如 conda)中使用 pip 安装一个包之后,vscode 发生如题报错。

这个错误是2025-12某一版 vscode/python 插件更新之后出现的。

观察 vscode “输出”,发现错误原因是 global 环境中没有安装 pip,说明新版本的python插件对全局 pip 也有依赖。

使用命令 `apt install python3-pip` 解决。

具体报错如下:

```

✓ Conda already active on launch, using default activation commands
==========================================
2025-12-23 09:01:25.016 [info] Found named environment: /root/miniforge3/envs/ds-vllm
2025-12-23 09:01:25.016 [info] Found prefix environment: /root/playground/attn_roofline_model/.env
2025-12-23 09:01:25.016 [info] Found named environment: /root/miniforge3/envs/attn_roofline_model
2025-12-23 09:01:25.016 [info] Found named environment: /root/miniforge3/envs/sglang
2025-12-23 09:01:25.016 [info] Found named environment: /root/miniforge3/envs/nano-vllm
2025-12-23 09:01:25.016 [info] Found named environment: /root/miniforge3/envs/PD-vllm
2025-12-23 09:01:25.016 [info] Found base environment: /root/miniforge3
2025-12-23 09:01:25.020 [info] Python API: Changed environment from ds-vllm (3.12.9) to ds-vllm (3.12.9) for: /root/playground/attn_roofline_model
2025-12-23 09:01:25.020 [info] Internal: Changed environment from ds-vllm (3.12.9) to ds-vllm (3.12.9) for: /root/playground/attn_roofline_model
2025-12-23 09:01:31.916 [info] Python API: Changed environment from undefined to base (3.12.8) for: global
2025-12-23 09:01:31.916 [info] Internal: Changed environment from undefined to base (3.12.8) for: global
2025-12-23 09:02:12.247 [info] Running: uv --version
2025-12-23 09:02:12.259 [info] Running: /bin/python3 -m pip list
2025-12-23 09:02:12.290 [info] python: /bin/python3: No module named pip

2025-12-23 09:02:12.295 [error] Error running pip list Failed to run python -m pip list
2025-12-23 09:02:12.295 [info] Package list retrieval attempted using pip, action can be done with uv if installed and setting `alwaysUseUv` is enabled.
2025-12-23 09:02:12.296 [error] Error refreshing packages Failed to run python -m pip list

```

Read more

OpenClaw开源汉化发行版:介绍、下载、安装、配置教程

OpenClaw开源汉化发行版:介绍、下载、安装、配置教程 🎬 背景 🦞 想要一个 100% 私有化、全中文界面的 AI 助手? OpenClaw 汉化版让你零门槛拥有! 这是 GitHub 100,000+ Stars 明星项目的开源中文发行版——不仅做了深度界面汉化(CLI + Dashboard 全中文),更实现了每小时自动同步官方更新,汉化版延迟 < 1 小时,让你既享受中文体验,又不掉队最新功能。 通过 WhatsApp、Telegram、Discord 就能指挥你的 AI 处理邮件、日历、文件,数据完全本地掌控,告别隐私焦虑。无论你是 Docker 老手还是命令行小白,3 步即可上手,本教程覆盖安装、配置、升级、

By Ne0inhk
侠客行・iOS 26 Liquid Glass TabBar 破阵记

侠客行・iOS 26 Liquid Glass TabBar 破阵记

引子 话说侠客岛旁的 “码农山庄” 里,有位青年开发者石破天,一手 SwiftUI 功夫练得炉火纯青,身旁常伴着心思缜密的产品女侠阿绣。 这日,山庄接到一桩棘手活计 —— 玄铁老怪掌管的 “APP 审核阁” 放出话来,凡要上 iOS 26 的 APP,必过Liquid Glass设计关,尤其Tab Bar这块,稍有差池便打回重练。 在本篇侠客行中,您将学到如下内容: * 引子 * 1. 📱 初探 iOS 26 的 Tab Bar:旧功新用,基础先扎牢 * 2. 🔍 拆解 Tab Bar 的模糊特效:藏在 “滚动容器” 里的玄机 * 3. 📜 给 TabView 加 “缩骨功”

By Ne0inhk
无人机与机器人群控通信技术的现状与未来展望

无人机与机器人群控通信技术的现状与未来展望

随着人工智能和自动化技术的迅速发展,无人机群控和机器人群控在多个领域的应用不断扩展。从智能农业到灾难救援、从物流运输到城市巡检,群控技术已经成为实现大规模协同作业的核心动力。然而,这些技术的应用离不开强大的通信基础设施支持。那么,现有的通信技术如何满足这些需求?未来市场又需要怎样的通信技术和指标? 一、无人机与机器人群控通信技术的现状 目前,无人机和机器人群控的通信技术主要有以下几种: 1. Wi-Fi (包括 Wi-Fi 6/6E/7) * 优点:高带宽、低延迟,能够支持高清视频传输和实时控制。 * 缺点:在大规模群控中,Wi-Fi 网络会受到距离、干扰和拥堵问题的影响,尤其是在复杂环境或信号密集的区域。 2. 5G NR (新无线) * 优点:高带宽、低延迟,特别适合需要大数据量传输和实时控制的应用,如无人机群控。 * 缺点:5G的基础设施建设仍然在发展中,部署成本较高,且对设备的能耗有一定要求,这可能限制了它在小型无人机和低功耗设备上的广泛应用。 3. LoRa (长距离低功耗无线) * 优点:长距离、

By Ne0inhk
论文阅读 SAM 3: Segment Anything with Concepts

论文阅读 SAM 3: Segment Anything with Concepts

创新点 * 首次定义 Promptable Concept Segmentation (PCS)可提示概念分割任务,支持通过名词短语、图像样本或两者结合,检测、分割并跟踪图像 / 视频中所有匹配概念的实例,同时保留视频帧间目标身份。 * 引入 “存在头(Presence Token)” 解耦识别与定位任务;采用共享骨干网络的检测器 + 视频跟踪器架构,避免任务冲突。 * 构建四阶段数据引擎,通过媒体筛选、标签生成(含难负样本)、AI 验证器实现标注吞吐量翻倍,生成高质量的合成训练数据。 * 创建包含 20.7 万个独特概念的 SA-CO (大规模概念分割数据集与基准体系),涵盖 12 万张图像和 1.7 千个视频,概念数量是现有基准的 50 倍以上,支持 PCS 任务全面评估 问题 SAM系列(Kirillov等人,2023年;

By Ne0inhk