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：
一、环境 之前介绍过本地部署LLaMaFactory微调平台（https://blog.ZEEKLOG.net/m0_73982863/article/details/159208213?spm=1001.2014.3001.5501），如果你还在为设备问题而烦恼，那就来薅羊毛吧（手动狗头）。 首先注册魔搭社区，绑定个人阿里云账号即可，详情见：https://www.modelscope.cn/my/mynotebook ；然后就可免费获得36小时GPU环境。 8核：CPU有8个核心，主要负责数据的调度和预处理；32GB：内存，数据从硬盘加载后会暂时存放这里；显存24G；（比我自己的老古董好多 T-T） Ubuntu 22.04：Linux操作系统； CUDA 12.8.1：英伟达的并行计算平台。12.8版本意味着它支持最新的RTX
文章目录 * 1 AI与低代码 * 2 Copilot功能 * 3 案例解析 * 4 Copilot不足 * 5 改进建议 刚接触 Copilot 时， Copilot 的 AI 低代码生成功能让我眼前一亮，使得我开发变得更简洁高效。 以前，我总是依赖手写代码，从搭建环境到实现功能，每一步都非常耗时。 虽然这个过程有助于技术成长，但在面对复杂需求时，常常觉得费时费力。 1 AI与低代码 低代码平台通过拖拽组件和模块化开发，极大地降低了技术门槛，让没有开发背景的人也能轻松实现自己的创意。 这种方式不仅快速，而且灵活，适合那些想要快速搭建应用的用户。再加上人工智能在自然语言理解和代码生成方面的突破，开发效率也得到了极大的提升。 云开发 Copilot 正好是这种结合的典型代表。它不仅利用低代码技术简化开发过程，还融合了AI智能生成和优化的功能，帮助开发者更高效地从需求到最终实现。 通过这种方式，不管是技术新手还是有一定开发经验的人，都能更轻松地完成项目，云开发 Copilot 体验地址：https://tcb.
文章目录 * 一、AIGC技术栈与Kubernetes的深度融合 * 1. 智能配置生成：从YAML到自然语言 * 2. 动态资源优化：AI驱动的弹性伸缩 * 二、智能运维体系架构深度解析 * 四维能力矩阵增强实现： * 关键组件升级代码示例： * 三、企业级实战策略深度实践 * 策略1：AI辅助的渐进式交付 * 策略2：自主优化闭环实现 * 四、典型场景实战深度解析 * 场景1：突发流量应对（完整代码示例） * 场景2：混合云灾备（多云适配代码） * 五、未来演进方向代码探索 * 数字孪生示例（简化版） * 边缘智能示例 * 《Kubernetes企业级云原生运维实战（云计算前沿实战丛书）》 * 编辑推荐 * 内容简介 * 作者简介 * 目录 * 前言/序言 * 本书内容 * 本书特点 在生成式AI（AIGC）与云原生技术深度融合的今天，Kubernetes正经历着从“容器编排工具”到“智能运维大脑”的蜕变。
ClawdBot语音效果：Whisper tiny在嘈杂环境下的中英文语音转写准确率实测 1. ClawdBot是什么：一个真正属于你的本地AI助手 ClawdBot不是云端API的又一个封装，也不是需要反复申请密钥的SaaS服务。它是一个能完整运行在你个人设备上的AI助手——从模型推理、对话管理到多模态处理，全部离线完成。你不需要担心数据上传、隐私泄露或按调用次数付费。只要一台性能尚可的笔记本、NUC盒子，甚至树莓派4，就能把它跑起来。 它的后端由vLLM驱动，这意味着Qwen3-4B-Instruct这类4B参数量级的大模型，在消费级显卡上也能实现毫秒级响应。但ClawdBot的价值远不止于文本生成。它把语音、图像、结构化查询等能力，像搭积木一样整合进统一框架：你说一句话，它能听、能懂、能答；你发一张菜单截图，它能识、能译、能解释；你问“东京现在几点”，它不跳转网页，直接给你答案。 这种“全链路本地化”的设计，让它天然适合对隐私敏感、网络受限或追求低延迟响应的场景。而今天我们要聚焦的，正是它语音能力中最关键的一环——Whisper tiny模型在真实嘈杂环境下的中英文转写