Copilot使用体验

本篇是去年使用Copilot的记录,不代表目前水平,仅做个人记录同步,谨慎参考。

GitHub Copilot的订阅计划

https://docs.github.com/en/copilot/about-github-copilot/subscription-plans-for-github-copilot
个人版提供30天的免费试用。个人版每月10 美元或每年 100 美元。

Copilot操作文档

https://docs.github.com/en/copilot/quickstart
目前支持JetBrains IDEs,Vim/Neovim,Visual Studio,Visual Studio Code,Xcode。安装插件,登录Github账号就可以使用了,需要开代理。

基本操作

  • 获取代码建议,输入代码时会自动触发,使用“Tab”键采纳。
  • 切换建议,macOS使用“Option+]”或“Option+[”,windows使用“Alt+]” 或 “Alt+[”切换下一条,上一条。
  • 聊天模式,可以引用文件,生成测试代码,解释代码,修复问题。

基本操作,支持功能和同类型工具都大差不差,主要关注实际提示代码质量。

其他设置

  • 启用或禁用公共代码匹配的建议,如果选择允许匹配公共代码的建议,当Copilot建议匹配代码时,可以显示匹配的详细信息,并点击到GitHub上的相关存储库。
  • 访问Bing,Copilot将使用Bing在互联网上搜索与问题相关的信息。在讨论新技术或特定的主题时,Bing搜索尤其有用。

Copilot优缺点

优点

  • 提示速度快,支持语言丰富。
  • 偏向提示多行代码块,方便快捷。
  • 相对其他同类型工具提示更精准。
  • 会根据项目代码不断优化提示,做到更贴近所想。

缺点

  • 需要使用代理,没有国内的工具访问方便。
  • Copilot 是使用大量代码训练的,但它的范围仍然有限。 它可能无法处理一些复杂的代码结构或模糊的编程语言。
  • Copilot 并不是没有错误的。可能会生成看起来有效但实际无效的代码。 为了降低代码不准确的风险,需要仔细查看和测试生成的代码。
  • 由于上下文的限制,copilot不能全局考虑问题,更多的是解决局部的问题。会存在方法未复用的情况。

辅助编程相关场景举例说明

一般有三大类:

  • 代码-代码:包含代码补全、代码修复
  • 代码-文本:代码解释、代码优化、代码异常排查
  • 文本-代码:通过提示词 Prompt 做代码生成 (单元测试等)

支持语言

常用语言都支持(Java,python,JavaScript,Go,C, Kotlin等),亲测Flutter的Dart语言也可以很好的支持。

代码补全

场景:数据上报点击删除按钮时,pageinfo传入课程id(多个课程id用逗号分隔)
操作:当我输入到map方法做转换时,Copilot猜到我的意图,给出了下面的提示。

在这里插入图片描述


提示和预期完全一致,比较惊喜的地方在于,下载对象中属性字段很多,并且有“id”这个字段作为相似项干扰。
在我没有告知Copilot我的需求情况下,最终可以准确提示,还是很智能的。

代码修复

下面这段代码在实际运行中会报错崩溃,我们根据报错行数找到这段问题代码:

val goal ="${list[0].option.filter{ it.selected }[0]?.id ?: 1}"// java.lang.IndexOutOfBoundsException: Index 0 out of bounds for length 0

选中这行问题代码,输入“/fix”修复这个问题。

在这里插入图片描述


可以看到copilot解释了问题的原因,并给出了解决方案。

代码生成

可以通过写注释的方式,让Copilot帮我们生成相关代码。Copilot会根据上下文,给到合理的代码。

在这里插入图片描述

Read more

一人手搓!AI 漫剧从0到1详细教程

一人手搓!AI 漫剧从0到1详细教程

这是苍何的第 457 篇原创! 大家好,我是喜欢看动漫的苍何。 相信不用说你也知道,我这万年没变的头像,能看出我是个二次元吧? 最近看到 AI 漫剧超级火,加上前些天朋友来公司,我们一起探讨了 AI 漫剧。 不懂没关系,可以学习啊,所以这一篇文章其实理论上是我学习的一些成果和一些经验,算是从 0 入门如何制作 AI 漫剧了。 现在的 AI 漫剧市场,说白了就是野蛮生长的爆发期。但这个阶段很快就会过去,作品积累到一定量级后,拼的就不是谁做得快了。 未来的逻辑很简单:只有精品才能跑出来。谁能沉下心做品质,谁才能真正搞定客户。 奔着这个目标,下面这个视频是我这个学习阶段的产物,哈哈哈,我觉得还是挺不错的。 然后还做了一个带穿越的视频: 第一个作为AI漫剧的学习作品,我还是非常满意的。 但其实,要想完成这样一个AI漫剧作品,需要用到AI生图、AI视频能力,需要有一个好的工具丝滑完成。 于是开始翻各家AI工具官网,发现有家AI厂商接入了🍌Pro模型。 看了下是国内AI六小龙之一MiniMax旗下的海螺AI,

字节跳动DeerFlow 2.0震撼开源:46k+ Star的超级智能体框架,让AI真正“动手做事“

字节跳动DeerFlow 2.0震撼开源:46k+ Star的超级智能体框架,让AI真正“动手做事“

你是否想过:如果AI不仅能回答问题,还能像真正的助手一样,主动搜索、分析数据、生成报告,甚至制作播客,那会是怎样的体验? 2026年3月,字节跳动开源的DeerFlow 2.0给出了答案。这个项目在GitHub上迅速斩获46,333+ Star,今日新增3,787 stars,登顶Trending榜首。它不是又一个聊天机器人,而是一个能真正"动手做事"的超级智能体框架。 本文将从开发者视角,深入剖析DeerFlow的技术架构、核心能力、部署方法和实战应用,带你全面了解这个革命性的开源项目。 一、DeerFlow是什么?重新定义AI研究助手 1.1 从研究工具到超级智能体的进化 DeerFlow的名字源于Deep Exploration and Efficient Research Flow(深度探索与高效研究流程)。最初,它只是一个深度研究框架,但开发者在实际使用中发现,它的潜力远不止于此: * 有人用它构建数据管道 * 有人用它生成幻灯片和仪表盘 * 有人用它自动化内容工作流

【CLI-Anything 】让所有软件都能被AI Agent原生调用

CLI-Anything 一、项目概述 CLI-Anything 是由香港大学数据科学实验室(HKUDS)开发的开源项目,核心目标是让所有软件都能被AI Agent原生调用。项目口号:“Today’s Software Serves Humans 👨‍💻. Tomorrow’s Users will be Agents 🤖” 项目指标数值Stars1.1kForks110Watchers7主要语言Python (99.7%)测试通过率100% (1,436 tests) 二、核心问题与解决方案 2.1 现有痛点 痛点具体表现AI无法使用真实工具现有方案要么是脆弱的UI自动化,要么是功能阉割的重新实现UI自动化不可靠截图、点击、RPA等方式容易崩溃Agent需要结构化数据缺乏标准化的输出格式定制集成成本高每个软件都需要单独开发接口原型与生产差距大缺乏真实软件验证 2.2 CLI-Anything的解决思路 核心洞察:CLI(命令行界面)是人类和AI Agent的通用接口 * ✅ 结构化且可组合 — 文本命令匹配LLM格式,可链式组合复杂工作流

[AI提效-18]-豆包AI绘图提示词全攻略(新手可直接套用)

豆包AI绘图的核心的是“精准提示词=理想图片”,很多新手出图翻车,不是功能不好用,而是没理清提示词的核心维度,不知道每个维度该怎么描述、对应什么效果。本文将逐一拆解画风、画质、主题内容、环境、场景、色彩、灯光要求、构图、角度、图片比例10大核心要素,每个要素配“含义+示例+提示词模板”,结合完整案例详解,新手看完就能直接上手,再也不用瞎猜描述。 核心原则:提示词不用长,但要“每个维度都落地”,避免模糊表述(如“好看的图”“漂亮的风景”),用具体关键词替代,让AI精准get你的需求。 一、核心提示词维度详解(含示例+模板) 1. 画风(决定图片的“整体风格调性”,最基础也最关键) 含义:指图片的艺术风格、绘画/拍摄流派,直接决定图片的视觉质感,是提示词的“