最近在用vscode中的GitHub copilot，发现无法使用claude系列的模型
很多小伙伴知道要开代理，开往带你以后claude确实会出来，本地使用没有任何问题，但是如果使用远程服务器ssh，claude系列的模型就消失了，参考这篇博客https://blog.ZEEKLOG.net/qq_40620465/article/details/152000104
按照博主的方法，需要加一个改动，在设置远程服务器（注意不是“用户”）的setting.json时需要加入"http.useLocalProxyConfiguration": true,
完成后再重启vscode，claude就有了：
早期， Claude、Copilot、Codeium新兴的AI代码助手，模型的温度、切片的效果、检索方式、提示词的约束、AI 回复的约束、最终数据处理；整个环节，任何一个地方都可能造成最终效果不理想。 旨在通过代码生成、代码补全、代码解释和调试等多种功能，帮助开发者减少重复劳动，提高开发效率。尽管Codeium已经取得了显著的成果，但在处理复杂的代码任务、跨文件的修改以及支持定制化库和框架方面仍面临一定的局限性。 2020 年，OpenAI发布的GPT-3模型使AI生成代码的能力得以广泛应用，标志着AI代码助手的转型。2021年，GitHub 推出基于OpenAI Codex的 Copilot，提供实时代码补全和生成能力，提升开发效率，支持跨文件复杂任务。 其痛点，在大规模代码生成、跨文件任务处理以及定制化框架支持方面的局限性仍然限制了其在复杂项目中的应用。 2023年，Claude 3.5等新一代大型语言模型陆续出世，有效提升了自然语言理解与代码生成的能力。这类模型集成了代码生成、调试和文档自动生成等多项功能，能够帮助开发者快速编写高质量代码、优化程序性能并自动修复错误。随着
实战教程｜基于Z-Image-Turbo搭建个人AI绘画平台 在AI生成图像技术迅猛发展的今天，Z-Image-Turbo 作为阿里通义实验室推出的高性能图像生成模型，凭借其极快的推理速度与高质量输出，迅速成为开发者和创作者关注的焦点。本文将带你从零开始，基于 Z-Image-Turbo WebUI 搭建一个可本地运行的个人AI绘画平台，并完成二次开发优化，实现高效、稳定、个性化的图像生成能力。 本项目由“科哥”进行深度二次开发与工程化封装，显著提升了易用性与稳定性，适合希望快速部署AI绘图服务的技术爱好者、设计师或小型团队。 🎯 教程目标 通过本教程，你将掌握： - 如何部署 Z-Image-Turbo WebUI 服务 - 熟悉核心参数配置与提示词编写技巧 - 掌握常见使用场景的最佳实践 - 学会调用 Python API 实现自动化生成 - 解决部署与运行中的典型问题 前置知识要求：具备基础 Linux 命令行操作能力，了解 Conda 虚拟环境管理，有 Python
很多开发者第一次听到 Claude Code，都会下意识地问一句： 不就是又一个 AI 编程工具吗？ 和 ChatGPT、Copilot 到底有什么区别？ 如果只停留在“能不能写代码”，这三者看起来差不多； 但一旦放进真实项目、真实工程环境中用，差异会非常明显。 这篇不谈模型参数，也不做主观吹捧，只从开发者日常使用体验出发，说清楚它们本质上的不同。 一、先给结论：三者解决的问题不一样 先用一句话概括定位： * ChatGPT：擅长回答问题 * Copilot：擅长自动补全 * Claude Code：擅长理解和协作一个项目 也就是说，它们并不是互相替代的关系，而是关注点完全不同。 二、ChatGPT：强在通用能力，但脱离项目上下文 ChatGPT 是很多人接触的第一个 AI 编程工具，它的优势非常明显： * 知识面广，几乎什么都能问 * 解释清楚，适合学习新概念 * 写示例代码、语法示范很快
（一）报考条件：年满18周岁 （二）报名及考试流程 1. 学生填写报名表：姓名、性别、身份证号、电话号码、所报证书名称、级别，务必保证信息正确。 2. 使用电子照片要求： 背景颜色：蓝色、白色； 3. 拿证周期：3-4个月 人工智能应用工程师（高级）课程体系解读 课程体系围绕人工智能应用工程师（高级） 职业技能培养，分 6 大阶段，覆盖环境搭建、数据处理、核心算法、实战应用、效果测试与职业考核全流程，是从基础到高阶的完整 AI 应用开发学习路径。 一、阶段核心内容与能力目标 1. 人工智能环境管理 * 核心课程：环境与存储系统配置 * 知识模块：Python/Spark 环境搭建、虚拟机与