GitHub Copilot安装使用

GitHub Copilot安装使用

GitHub Copilot 怎么安装使用

一、 安装前准备

  1. 拥有一个 GitHub 账号:如果没有,请先在 GitHub 官网 注册。
  2. 订阅 GitHub Copilot
    • 访问订阅页面:登录 GitHub 后,访问 GitHub Copilot 官网
    • 选择订阅计划
      • 个人版:适合独立开发者,提供 30 天免费试用,之后每月 $10 或每年 $100。
      • 商业版 (Copilot for Business):适用于企业或团队,每位用户每月 $19。
      • 教育优惠:学生、教师和热门开源项目维护者可免费使用,需通过身份验证。
    • 完成支付:根据所选计划完成支付流程(个人版需绑定信用卡或 PayPal)。

二、 在 VS Code 中安装 GitHub Copilot 插件

  1. 打开 VS Code:如果你尚未安装,请从 VS Code 官网 下载并安装。
  2. 打开扩展市场:点击左侧活动栏的扩展图标(或使用快捷键 Ctrl+Shift+X / Cmd+Shift+X)。
  3. 搜索插件:在搜索框中输入 "GitHub Copilot"。
  4. 安装插件:找到由 GitHub 官方发布的 "GitHub Copilot" 插件,点击 “安装” 按钮。
  5. 登录与激活
    • 安装完成后,VS Code 右下角会提示你登录 GitHub。
    • 点击 "Sign in to GitHub",浏览器会自动打开 GitHub 授权页面。
    • 登录你的 GitHub 账号,并点击 "Authorize Visual-Studio-Code" 完成授权。
    • 授权成功后返回 VS Code,右下角状态栏会显示 Copilot 图标(一个绿色的勾 ),表示已成功激活。

三、 核心功能与使用方法

1. 智能代码补全

这是 Copilot 最基础和最常用的功能。

  • 触发方式:在编写代码时,Copilot 会根据上下文自动在代码下方显示灰色的 “幽灵文本” 建议。
  • 接受建议:按下 Tab 键,即可快速接受当前整行或整个代码块的建议。
  • 逐词接受:按下 Ctrl + → (Windows) / Cmd + → (Mac) 可以逐词接受建议。
  • 切换建议:如果有多个建议,可以使用 Alt + [Alt + ] 在不同建议之间切换。
  • 拒绝建议:继续输入自己的代码或按下 Esc 键即可拒绝当前建议。
  • 强制触发建议:在光标处按下 Ctrl+Enter (Windows/Linux) 或 Cmd+Enter (Mac) 可以强制 Copilot 生成建议。
2. Copilot Chat 功能

通过聊天界面与 Copilot 进行更深入的交互,适用于代码解释、调试、重构等场景。

  • 打开聊天界面
    • 方法一:点击 VS Code 左侧活动栏的 Copilot 图标(一个机器人头像)。
    • 方法二:使用快捷键 Ctrl+Alt+I (Windows/Linux) 或 Cmd+Alt+I (Mac)。
  • 常用指令
    • /explain:解释选中的代码片段的功能和实现原理。
    • /fix:检查并修复选中代码中的潜在错误或优化代码。
    • /tests:为选中的函数或代码块生成单元测试。
    • /refactor:根据你的指令重构代码。
  • 内联聊天:在编辑器中选中代码块,按下 Ctrl + I (Windows/Linux) 或 Cmd + I (Mac) 可以直接在代码旁打开一个小型聊天窗口,进行更精准的修改。
3. 注释生成代码

你可以通过编写自然语言注释来描述你想要实现的功能,Copilot 会尝试生成对应的代码。

示例:python运行

# 计算斐波那契数列的第n项 def fibonacci(n): # Copilot 会自动补全函数体 

四、 实用技巧与最佳实践

  • 编写清晰的注释:注释越具体、越清晰,Copilot 生成的代码质量就越高。
  • 提供上下文:Copilot 会分析当前文件及已打开文件的上下文,保持相关文件打开有助于它生成更相关的建议。
  • 审查生成的代码:Copilot 是辅助工具,生成的代码可能存在潜在问题或不符合你的具体需求,务必仔细审查和测试。
  • 学习其 “脾气”:Copilot 的建议会受到你编程习惯的影响,多使用它,它会变得越来越 “懂你”。
  • 利用快捷键:熟练掌握上述快捷键可以显著提升你的使用效率。

Read more

【Windows安装openclaw,配置qwen模型和ollama本地模型,飞书群组添加机器人】

【Windows安装openclaw,配置qwen模型和ollama本地模型,飞书群组添加机器人】

Windows11安装OpenClaw,配置千问Qwen模型及配置服务器本地模型Ollama,接入飞书机器人 * 第一步、安装Nodejs * 第二步、安装Git * 第三步、安装Openclaw * 配置本地大模型 * 第四步、配置飞书 第一步、安装Nodejs 1、减少后续各种报错情况,先安装Nodejs,下载地址:https://nodejs.org/zh-cn/download,选择对应操作系统,24版本太新,有些依赖不适配,本文选择22.22.0版本,node-v22.22.0-x64.msi 直接双击安装即可。 2、安装完成看一下版本信息,用管理员权限打开win的PowerShell 3、执行 node -v 第二步、安装Git 1、安装Git 访问地址 https://git-scm.com/install/

AirSim无人机仿真入门(一):实现无人机的起飞与降落

AirSim无人机仿真入门(一):实现无人机的起飞与降落

概述: 安装好所需要的软件和环境,通过python代码控制无人机进行起飞和降落。 参考资料: 1、知乎宁子安大佬的AirSim教程(文字教程,方便复制) 2、B站瑜瑾玉大佬的30天RL无人机仿真教程(视频教程,方便理解) 3、AirSim官方手册(资料很全,不过是纯英文的) AirSim无人机仿真入门(一):实现无人机的起飞与降落 * 1 安装AirSim * 1.1 参考教程 * 1.2 内容梳理 * 1.3 步骤总结 * 2 开始使用 AirSim * 2.1 参考教程 * 2.2 内容梳理 * 2.3 步骤总结 * 3 撰写python控制程序 * 3.1 参考教程 * 3.2 内容梳理

TWIST2——全身VR遥操控制:采集人形全身数据后,可训练视觉base的自主策略(基于视觉观测预测全身关节位置)

TWIST2——全身VR遥操控制:采集人形全身数据后,可训练视觉base的自主策略(基于视觉观测预测全身关节位置)

前言 我司内部在让机器人做一些行走-操作任务时,不可避免的需要全身遥操机器人采集一些任务数据,而对于全身摇操控制,目前看起来效果比较好的,并不多 * 之前有个CLONE(之前本博客内也解读过),但他们尚未完全开源 * 于此,便关注到了本文要解读的TWIST2,其核心创新是:无动捕下的全身控制 PS,如果你也在做loco-mani相关的工作,欢迎私我你的一两句简介,邀你加入『七月:人形loco-mani(行走-操作)』交流群 第一部分 TWIST2:可扩展、可移植且全面的人形数据采集系统 1.1 引言与相关工作 1.1.1 引言 如TWIST2原论文所说,现有的人形机器人远程操作系统主要分为三大类: 全身控制,直接跟踪人体姿态,包括手臂、躯干和腿部在内的所有关节以统一方式进行控制(如 HumanPlus [12],TWIST [1] ———— TWIST的介绍详见此文《TWIST——基于动捕的全身遥操模仿学习:教师策略RL训练,学生策略结合RL和BC联合优化(可训练搬箱子)》 部分全身控制,

NWPU VHR-10数据集 无人机遥感目标检测数据集 飞机 储罐 棒球场 网球场篮球场 港口车辆桥梁检测 遥感图像中的地理空间目标检测

NWPU VHR-10数据集 无人机遥感目标检测数据集 飞机 储罐 棒球场 网球场篮球场 港口车辆桥梁检测 遥感图像中的地理空间目标检测

NWPU VHR-10数据集 遥感数据集 NWPU VHR-10数据集是 10个类别地理空间目标检测的挑战性数据集,共650张图片。 YOLO和COCO格式 数据集按默认划分比例:390张训练集、130张验证集、130张测试集。 手动标注了757架飞机、302艘船只、655个储罐、390个棒球场、524个网球场、159个篮球场、163个田径场、224个港口、124座桥梁和598辆车辆。 📊 一、数据集总体信息 项目描述数据集名称NWPU VHR-10(Northwestern Polytechnical University Very High Resolution 10-class Dataset)任务类型遥感图像中的地理空间目标检测(Object Detection in Remote Sensing Images)图像总数650 张(均为高分辨率遥感图像,源自 Google Earth 等平台)图像分辨率约 600×600