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

速通前端篇 —— HTML

速通前端篇 —— HTML

找往期文章包括但不限于本期文章中不懂的知识点： 个人主页：我要学编程程(ಥ_ಥ)-ZEEKLOG博客 所属专栏：速通前端 目录 HTML的介绍 如何创建HTML文件 HTML 文件基本结构 HTML常用标签 title标签   标题标签 h1-h6  段落标签 p 换行标签 br 图片标签 img  超链接 a 表格标签 table 表单标签 input 标签 form 标签  select 标签 textarea 标签  无语义标签 div&span 列表标签  综合练习：用户登录  由于我们Java是属于后端开发的，因此对于前端部分，我们只需要简单了解，达到认识与编写基本的代码即可。  HTML的介绍 HTML(Hyper

Qwen3-VL-WEBUI在线教育：作业批改自动化部署解决方案

Qwen3-VL-WEBUI在线教育：作业批改自动化部署解决方案 1. 引言：在线教育中的作业批改痛点与技术革新 在当前快速发展的在线教育生态中，教师面临海量学生作业的批改任务，尤其是涉及图像、图表、手写公式甚至视频类内容时，传统文本型大模型难以胜任。人工批改耗时耗力，而现有自动化工具在多模态理解能力、复杂逻辑推理和跨模态对齐精度上存在明显短板。 阿里云最新开源的 Qwen3-VL-WEBUI 正是为解决这一核心痛点而生。它不仅集成了迄今为止最强大的视觉-语言模型 Qwen3-VL-4B-Instruct，还通过 WebUI 界面实现了“开箱即用”的本地化部署，特别适用于教育机构实现作业自动批改系统的轻量化落地。 本文将围绕 Qwen3-VL-WEBUI 在在线教育场景下的作业批改自动化部署方案展开，涵盖其技术优势、部署流程、实际应用案例及优化建议，帮助开发者和教育科技团队快速构建高效、精准的智能批改系统。 2. 技术背景：Qwen3-VL 的核心能力解析 2.1 Qwen3-VL 模型架构升级详解 作为 Qwen 系列的最新一代视觉语言模型，Qwen3-VL 在多个

DAMO-YOLO-S WebUI无障碍适配：屏幕阅读器支持与键盘导航优化

DAMO-YOLO-S WebUI无障碍适配：屏幕阅读器支持与键盘导航优化 1. 项目背景与意义 在现代Web应用开发中，无障碍访问（Accessibility）已经成为一个不可忽视的重要议题。DAMO-YOLO-S作为一个基于先进目标检测技术的手机检测系统，其Web界面的无障碍适配对于确保所有用户都能平等使用这一技术具有重要意义。 传统的计算机视觉应用往往忽视了视障用户和行动不便用户的需求。通过为DAMO-YOLO-S WebUI添加屏幕阅读器支持和键盘导航优化，我们不仅提升了产品的包容性，也为更多用户群体打开了使用先进AI技术的大门。 这项改进工作的核心价值在于： * 平等访问：确保视障用户能够通过屏幕阅读器理解界面内容和操作流程 * 操作便利：为无法使用鼠标的用户提供完整的键盘操作支持 * 合规性：符合Web内容无障碍指南（WCAG）标准要求 * 用户体验：为所有用户提供更加友好和高效的操作体验 2. 屏幕阅读器支持实现 2.1 ARIA标签优化 为DAMO-YOLO-S WebUI中的关键元素添加适当的ARIA（Accessible Rich Int

用 ASCII 草图 + AI 快速生成前端代码

引言 从想法到代码，中间往往要经历画原型、出设计稿等环节。 用 ASCII 草图，可以跳过大量原型绘制、结构拆解和手动搭骨架的中间步骤。 这种表达方式其实一直存在，但真正让它进入工程流程的，是 AI 的能力提升。大语言模型对结构化文本具有很强的解析能力，能够识别文本中的层级、对齐关系与空间划分，并将这些结构信息稳定地映射为组件树和页面布局。 因此，ASCII 不再只是沟通草稿，而成为一种可执行的结构描述。 什么是 “ASCII 草图” 提到 ASCII，很多人的第一反应可能是那个年代久远的“字符画”。没错，ASCII 草图就是用字符来构建页面布局。 在 AI 时代，这种看似简陋的草图，其实蕴含着巨大的能量。大语言模型（LLM）对结构化文本的理解能力极强。相比于模糊的自然语言描述（“我要一个左边宽右边窄的布局”），ASCII 草图提供了一种所见即所得的结构化 Prompt。 简单来说，ASCII 草图充当了视觉蓝图的角色，AI 根据这个结构生成代码。