一篇了解Copilot pro使用的笔记

优质文章学习记录

— 5 min read
一篇了解Copilot pro使用的笔记

当前AI 程序员已经默许了，除了使用国内外的那些头部Chat。Agent 模态已经肆意发展，因为随着AI的加成，大家都越来越主动或被动“效率起飞”。下面聊一下Copilot Pro的使用吧。
使用这个也就几个月吧，不谈购买心酸史，已经直接官网10刀了。这次也算开始心疼了，先研究一下这到底怎么用才不暴殄天物也不小才大用吧。哈哈，为了那该死的性价比~
1.关于copilot pro(个人账号）可供使用的头端模型界面
（手机没拍好）

在这里插入图片描述

看起来可用的后端模型挺多的，各家各路，选啥自己整。但却不是按照时间来计算，明显的“流量”限制，就是官网说的访问配额。
x = 相对消耗倍率（Cost / Compute Weight Multiplier），它不是速度，也不是性能评分，而是：
“使用该模型一次，相当于基础模型消耗的多少倍额度”。
还有：

在这里插入图片描述

（1）先说每个模型后面的那个数字0X

在这里插入图片描述


0x 不是 免费无限用
而是 不单独计入 Copilot Agent 配额权重，通常表示：这些模型：用于 基础补全或被 GitHub 平台级吸收成本，不会明显影响你 Copilot Agent 的高级调用额度。
一开始安装copilot,没开copilot pro就只显示这些，但是当你免费用一段时间（其实是达到了访问次数）这边就不给免费chat输入了，会一直提醒你升到pro 模式。总是那是试用钩子，只能最基础任务，看起来傻傻的。

在这里插入图片描述


在这里插入图片描述


在这里插入图片描述

（2）接着模型后面的那个数字不是0X

在这里插入图片描述


这个页面是pro 才能显示得到，而且据说不同的国家和地区显示的还不太一样。这个就是灵活度比较高了，我也不知道我这页面全了没有。
高级总额度有限啊，这可以理解成使用不同的模型耗额度的速度。每个模型都拿着一把到去砍额度，大刀一次砍的多，小刀一次砍的少，数字越大就是更专业的大刀，但是这些数字大的也是有其更加专业的强项适配的，需要高的干活还得高。付费不就是享受专业提高效率嘛。但是如果把专业的大刀用到补全这类基础中，那不是暴殄天物嘛，太不具有性价比了。下面这个表就说X 前面的数字越大那就是大大刀了。

在这里插入图片描述


每天用copilot agent 交流就是需要先选一把刀，然后交流分配任务，模型帮我们做任务的同时，也在砍可以交互的额度。最后高级配额耗完了就只有0X的那些模型可以用了。可见要合理搭配，这样才具有性价比。
1）claude 系列
强语言能力，强推理

在这里插入图片描述


2）Gemini 系列
结构化、工程说明型。

在这里插入图片描述


3）GPT5-通用系
强通用推理

在这里插入图片描述


4）GPT5 code 系
这名字就知道了，为code 而生啊。

在这里插入图片描述


2 AI给使用者的建议
先过自己的脑子，充分理解分析后评估和分解。然后再Agent.

在这里插入图片描述


具体来说使用步骤就是：

3.AI 给我这类研发开发者的直接建议

在这里插入图片描述

好了先这样吧，如果你也有好用的工具请推荐给我哈~

Read more

Stable Diffusion + kohya_ss 的安装教程

Stable Diffusion + kohya_ss 的安装教程

工具简介 * Stable Diffusion (SD): 开源的文本到图像生成模型，支持通过提示词生成高质量图像，内置自动标注功能（如BLIP、DeepBooru等）。 * kohya_ss (KS): 基于SD的轻量级微调工具，支持LoRA、DreamBooth等训练方法，优化显存占用与训练效率。 一.SD的安装 对于SD大家可以通过github链接来下载 https://git-scm.com/ Automatic 1111：https://github.com/AUTOMATIC1111 这里提供的链接，下载的SD是最基础的，如果大家想要让他有其他的扩展功能就需要下载相关的插件（后面会写一个关于下载插件的教程请大家持续关注）。 1.准备 Conda 环境 1.1 创建并激活 Conda 环境 # 创建名为 sd-webui 的环境（Python 3.10 推荐，需匹配仓库要求） conda

Z-Image-Turbo实战案例：企业级AI绘画平台搭建，支持批量出图部署教程

Z-Image-Turbo实战案例：企业级AI绘画平台搭建，支持批量出图部署教程 1. 为什么企业需要Z-Image-Turbo这样的AI绘画平台 很多团队在实际业务中都遇到过类似问题：电商要每天上新上百款商品图，营销部门要快速产出节日海报，设计团队被反复修改的配图需求压得喘不过气。传统方式要么外包成本高、周期长，要么用普通AI工具生成效果不稳定、细节粗糙、风格不统一。 Z-Image-Turbo不是又一个“能画图”的玩具模型——它是一套真正能进生产线的文生图解决方案。32GB完整权重预置、9步极速推理、1024×1024原生分辨率支持，意味着你不用再等下载、不用调参、不用拼凑环境，开机就能跑出专业级图像。更重要的是，它基于阿里ModelScope官方开源版本深度优化，稳定性强、接口干净、无隐藏依赖，特别适合企业内网部署和批量集成。 这不是“试试看”的技术尝鲜，而是能直接嵌入你现有工作流的生产力工具。接下来，我会带你从零开始，把这套能力真正落地成可用、可管、可批量的AI绘画平台。 2. 开箱即用：Z-Image-Turbo高性能环境详解 2.1 镜像核心能力一目了然
XIlinx FPGA使用LVDS的电源与电平关键指南

XIlinx FPGA使用LVDS的电源与电平关键指南

针对 7 Series, UltraScale, UltraScale+ FPGAs 以及 MPSoC 器件使用 LVDS 的注意事项： 1. 适用范围 * 器件系列：7 Series, UltraScale, UltraScale+, Zynq UltraScale+ MPSoC。 * 涉及 IO 类型：High Performance (HP) Banks, High Range (HR) Banks, High Density (HD) Banks。 2. 电源电压 (VCCO) 与 输入/输出 的限制 这是该指南的核心内容，根据 Bank 类型和是用作输入还是输出，规则有所不同： A. LVDS

【滤波跟踪】基于自适应卡尔曼滤波器来实现无人机对无人车的追踪附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 🍎 往期回顾关注个人主页：Matlab科研工作室  👇 关注我领取海量matlab电子书和数学建模资料  🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。 🔥 内容介绍  一、背景 （一）无人机追踪无人车应用场景 在现代科技发展背景下，无人机对无人车的追踪在多个领域具有重要应用。在智能交通系统中，无人机可追踪无人车，用于实时监测交通流量、路况，辅助无人车规划最优路径，提高整体交通效率。在物流配送场景里，无人机能追踪运输货物的无人车，实时掌握运输状态，及时发现潜在问题，如车辆故障、偏离路线等，保障货物按时、准确送达。在安防监控领域，无人机追踪无人车可用于边境巡逻、重要区域安保等任务，增强安全防控能力。 （二）追踪面临的挑战 然而，实现无人机对无人车的精确追踪面临诸多挑战。一方面，无人车的运动具有不确定性，其行驶速度、方向可能因路况、任务需求等因素频繁变化，这使得准确预测其位置变得困难。