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

SUPER无人机避障系统开源代码解析：从理论到实践的5个关键步骤

SUPER无人机避障系统开源代码解析：从理论到实践的5个关键步骤 当无人机以20米每秒的速度在密林中穿梭，精准绕开一根直径仅2.5毫米的电线时，这背后绝不仅仅是硬件性能的胜利，更是一套精妙算法与工程实现的艺术。香港大学团队在《Science Robotics》上发表的SUPER系统，将“高速”与“安全”这对看似矛盾的目标统一起来，并慷慨地开源了全部代码。对于开发者而言，这无异于获得了一份顶尖的自动驾驶无人机“武功秘籍”。但面对一个融合了高精度感知、实时建图、双轨迹规划等复杂模块的系统，如何从零开始理解、搭建并运行它，甚至进行二次开发，是一个充满挑战又极具吸引力的过程。本文旨在为你拆解这五个关键步骤，从代码仓库的宏观结构入手，深入到核心算法的实现细节，最终让你能在自己的环境中复现其核心能力，开启高速自主飞行的探索之旅。 1. 环境搭建与依赖部署：奠定坚实的地基 在激动地克隆代码仓库之前，我们必须清醒地认识到，SUPER是一个高度集成且对系统环境有严格要求的复杂项目。它依赖于ROS（机器人操作系统）作为通信框架，并集成了诸如FAST-LIO2、livox_ros_driver等关键
30.数电设计步骤与FPGA设计的区别

30.数电设计步骤与FPGA设计的区别

数电的真值表→逻辑函数→化简→电路图，是FPGA实现的「逻辑设计层」，LUT是FPGA底层「物理实现层」的载体。 数电设计流程和FPGA的实际工作方式对比： 一、先回顾数电的经典设计流程（以2输入与非门为例） 1. 设计真值表：定义输入(A/B)和输出(Y)的逻辑关系 A B Y 0 0 1 0 1 1 1 0 1 1 1 0 1. 写逻辑函数： 2. 化简：这个函数已经最简，无需化简 3. 画电路图：用与门+非门拼接出与非门电路 二、FPGA实现同一功能的流程（LUT的角色） * 保留核心步骤：
深度解析英伟达最新“瓦力”机器人：物理AI时代的开发者红利与技术突破

深度解析英伟达最新“瓦力”机器人：物理AI时代的开发者红利与技术突破

2026年CES展会上，黄仁勋牵着那款酷似《机器人总动员》“瓦力”的Reachy Mini机器人完成流畅互动时，全场的欢呼不仅是对萌系设计的认可，更是对一个新时代的致敬——英伟达用这套全新机器人系统，正式宣告物理AI从实验室走向产业化。对于咱们ZEEKLOG的开发者而言，这波技术浪潮带来的不只是视觉震撼，更是可落地的开发工具、开源生态和商业机遇。今天就从技术内核、开发价值、行业对比三个维度，深度拆解英伟达最新机器人的核心竞争力，帮大家找准入局切入点。 一、不止“萌出圈”：英伟达新机器人的技术内核拆解 很多人被“瓦力”的外形圈粉，但真正让行业震动的是其背后的全栈技术体系。不同于传统机器人“硬件堆砌+单一功能编程”的模式，英伟达这套系统是“大脑-身体-训练场”的全链路协同，每一个环节都为开发者预留了创新空间。 1. 核心大脑：GR00T N1.6模型的双系统突破 作为全球首个开源人形机器人基础模型，最新的Isaac GR00T N1.6堪称“机器人界的GPT-4o”，其最核心的创新是双系统架构设计，完美复刻了人类“本能反应+深度思考”

Stable-Diffusion-3.5工业设计案例：产品草图生成系统

Stable-Diffusion-3.5工业设计案例：产品草图生成系统 1. 引言：当工业设计遇上AI绘图 想象一下，一位工业设计师正为一个新产品的概念草图而绞尽脑汁。他脑海中有一个模糊的形态，但要将它从想法变成可视化的草图，可能需要数小时甚至数天的手绘或3D建模。现在，这个流程可以被彻底改变。 今天要介绍的，就是如何利用最新的Stable Diffusion 3.5技术，构建一个高效的产品概念草图生成系统。这不仅仅是“用AI画图”，而是将AI深度融入工业设计的创意前端，让设计师能快速探索形态、验证想法，把更多精力放在创意本身，而不是重复的绘图劳动。 Stable Diffusion 3.5（简称SD 3.5）是Stability AI推出的新一代文本到图像模型。相比之前的版本，它在图像质量、对文字描述的理解能力，以及生成速度上都有显著提升。更重要的是，通过FP8量化技术优化后的镜像版本，让普通的设计师也能在个人电脑或云端服务器上，以更低的计算成本，流畅地使用这项前沿技术。 本文将带你一步步搭建这个系统，并通过实际案例，展示它如何真正赋能工业设计流程。 2. 系统核心：