可替代Github Copilot的插件分享CodeGeeX

可替代Github Copilot的插件分享CodeGeeX

在公司用了一款很好用的开发工具 Github Copilot 这款插件在idea/vscode中都可以安装。
但由于使用的是opan-ai的gpt模型,加上这款插件是付费的。
copilot确实很好用,支持Agent模式,但国内环境不友好

在这里插入图片描述

4款插件列表:

在这里插入图片描述

CodeGeeX 个人免费

CodeGeeX是一款由清华大学知识工程实验室研发的智能编程助手

具体有那些功能可以通过官方的视频介绍中了解 https://codegeex.cn/

使用了一下,和copilot差不多,甚至有些地方比Copilot更好用一些。具体使用感受不妨安装后试一下。
例如:
在当前项目下搭建一个spring-ai项目,连接的模型是deepseek 它就会帮你创建好,当然可能会因为一些依赖以及版本的问题不能直接用,可以继续对话,修复生成的代码的问题。最终得到一个搭建好的项目,例如:github ai-demo 就是完全通过CodeGeeX搭建好的

http://localhost:8080
如下示例

在这里插入图片描述

CodeGeeX 目前采取 “基础功能免费,高级功能 / 商业场景收费” 的模式,具体收费策略会根据使用场景(个人 / 企业)和功能需求有所区分,以下是详细说明:

一、个人开发者免费权益

对于个人开发者,CodeGeeX 的核心功能目前是免费开放的,包括:
代码生成与补全:支持多语言(Python、Java、C++ 等)的实时代码建议,集成在 VS Code、JetBrains 等 IDE 插件中,无使用次数限制
代码解释与优化:对已有代码进行注释生成、逻辑解释、性能优化建议等基础功能。
基础 API 调用:通过公开 API 调用 CodeGeeX 模型时,个人用户通常有免费额度(如每日一定次数的调用限额),满足日常开发需求。

  • 这里的 基础API调用 是指,通过 智谱AI开发平台获取api-key,然后通过API调用模型是有额度限制的,如果是通过插件使用应该是无限次数
二、收费场景(主要针对企业 / 高级需求)

针对企业用户或需要更深度功能的场景,CodeGeeX 提供付费服务,例如:
企业级 API 服务:
更高的调用并发量、无上限的请求次数,适合企业系统集成(如内部开发平台、自动化工具链)。
专属模型部署(私有化部署到企业内网),满足数据安全和合规要求(如金融、政务场景)。
定制化训练与微调:
基于企业私有代码库进行模型微调,生成更贴合企业业务的代码(如特定框架、内部规范适配)。
高级技术支持:
优先响应的技术支持、专属客服,以及定制化功能开发(如特定语言 / 场景的模型优化)。

三、未来收费计划

目前官方尚未宣布对个人基础功能收费的计划,免费权益预计会长期保持(类似主流 AI 工具的 “免费 + 增值” 模式)。收费主要用于覆盖企业级服务的成本,以及支持模型持续迭代(如提升多语言能力、优化长代码生成效果等)。

总结

个人开发者:日常使用的代码生成、补全、解释等基础功能 免费,足够满足开发需求。
企业 / 高级需求:需要高并发 API、私有化部署、定制化服务等场景 需要付费,具体价格可联系 CodeGeeX 官方商务团队获取方案。
建议通过 CodeGeeX 官网(https://codegeex.cn)或 IDE 插件内的 “服务说明” 查看最新收费政策,避免信息过时。

Read more

Retinaface+CurricularFace一文详解:RetinaFace检测+CurricularFace识别双模型协同原理

Retinaface+CurricularFace一文详解:RetinaFace检测+CurricularFace识别双模型协同原理 人脸识别技术早已不是实验室里的概念,而是深入到考勤打卡、门禁通行、身份核验等日常场景中的实用工具。但真正落地时,很多人会发现:单靠一个“端到端”的黑盒模型,效果不稳定、调试无从下手、换张侧脸图就失效——问题往往不出在算法本身,而在于检测与识别两个环节的割裂。 RetinaFace + CurricularFace 这套组合,不是简单拼凑,而是一次有明确分工、深度协同的工程化设计:RetinaFace 负责“找得准”,CurricularFace 负责“认得牢”。它不追求参数量最大,而是把每一步都落在实处——人脸在哪、怎么对齐、特征怎么提、相似度怎么算,全都透明可查、可控可调。本文不讲论文公式,不堆架构图,只带你理清这套镜像背后的真实逻辑:为什么是 RetinaFace 而不是 YOLO?为什么选 CurricularFace 而非 ArcFace?两个模型之间到底发生了什么?

无人机 5.8G 模拟图传电路设计方案及性能分析

一、什么是 5.8G 模拟图传? 简单说,5.8G 模拟图传就是无人机的 “千里眼”,能把天上拍的画面实时传到地面。你在遥控器上看到的无人机视角,全靠它来实现。 为啥是 5.8G?因为这个频段干扰少,就像高速路上车少,信号跑起来更顺畅。而且模拟信号传输快,延迟低,特别适合 FPV 竞速这种需要快速反应的场景 —— 总不能无人机都撞墙了,你才在屏幕上看到障碍物吧? 二、工作原理:信号的 “旅行记” 2.1 信号采集:无人机的 “眼睛” 无人机上的摄像头就像手机相机,能把看到的景象变成电信号。但这时候的信号很弱,还带着 “杂音”,就像说话含着口水,听不清。 这时候会经过两步处理: * 过滤杂音:用低通滤波器 “过滤” 掉高频噪音,就像用滤网把水里的沙子去掉。 * 信号放大:放大器把信号变强,

【讨论】VR + 具身智能 + 人形机器人:通往现实世界的智能接口

【讨论】VR + 具身智能 + 人形机器人:通往现实世界的智能接口

摘要:本文探讨了“VR + 具身智能 + 人形机器人”作为通往现实世界的智能接口的前沿趋势。文章从技术融合、应用场景、商业潜力三个维度分析其价值,涵盖工业协作、教育培训、医疗康复、服务陪护等领域,并展望VR赋能下的人机共生未来,揭示具身智能如何推动机器人真正理解、感知并参与现实世界。 VR + 具身智能 + 人形机器人:通往现实世界的智能接口 文章目录 * VR + 具身智能 + 人形机器人:通往现实世界的智能接口 * 一、引言:三股力量的融合,正在重塑现实世界 * 二、具身智能:让AI拥有“身体”的智慧 * 1. 什么是具身智能(Embodied Intelligence) * 2. 为什么VR是具身智能的“孵化器” * 三、VR + 具身智能 + 人形机器人:协同结构与原理 * 1. 系统组成 * 2. 人类的“

【OpenClaw】揭秘 Secure DM Pairing:如何为你的 AI 机器人构建安全私信访问机制

【OpenClaw】揭秘 Secure DM Pairing:如何为你的 AI 机器人构建安全私信访问机制 在构建基于 LLM 的聊天机器人(如 Telegram、WhatsApp Bot)时,如何控制谁能与机器人对话是一个核心安全问题。直接开放访问可能导致 Token 滥用,而手动配置白名单又过于繁琐。 OpenClaw 提供了一套优雅的解决方案,称为 “Secure DM Pairing” (安全私信配对)。本文将深入解析这套机制的运作流程、使用指令以及底层的代码实现。 注意本文基于 OpenClaw v2026.1.29 版本源码分析。 1. 什么是 Secure DM Pairing? Secure DM Pairing 是 OpenClaw 网关默认的一种访问控制策略。 当一个未授权的用户首次通过私信(Direct Message)