QtCreator配置AI辅助编程插件github copilot保姆级教程

优质文章学习记录

— 3 min read
QtCreator配置AI辅助编程插件github copilot保姆级教程

文章目录

概要

在这里插入图片描述
Free版‌免费使用，每月限额 2000 次代码补全 + 50 次聊天交互‌集成于 VS Code，支持跨文件编辑、终端协助及自定义指令‌ ‌

Pro版‌‌个人用户‌：10 美元/月 或 100 美元/年‌ ‌特殊群体‌：学生/教师/热门开源维护者可免费使用 Pro 版‌

‌
Business版‌19 美元/月/用户，按月计费‌面向组织或企业中的团队订阅‌ ‌

Enterprise版‌39 美元/月/用户，按月计费‌企业可按需为不同组织分配 Business 或 Enterprise 订阅‌

官方地址
GitHub Copilot主页
GitHub Copilot官方文档
环境要求
系统：Window11（我是Window11装的，其他系统不清楚）
Qt Creator：使用11+以上的版本，我使用的是Qt Creator 15.0.1
Qt和QtCreator是两个东西，Qt是库，QtCreator是编辑器，可以分开安装，我就是装的qt5.14.0配的4.11.0的Creator，然后重新单独安装了Qt Creator 15.0.1

在这里插入图片描述
资源地址
Qt Creator 15.0.1安装包
网盘地址
因为ZEEKLOG不设置积分，就得要求下载吗，更麻烦，所以设置了2积分，如果没积分，评论留言，我给单独发过去

配置流程

  • 安装Qt Creator 15.0.1
  • 下载安装node.js；
  • 下载copilot.vim；
  • 重启之后，打开【编辑】-【Preferences】，选择【Copilot】，在右侧勾选Enable Copilot、Auto request（勾选之后在编写代码的时候就可以自动进行提示了），然后分别配置Node.js和copilot.vim的language-server.js的路径；

打开Qt Creator，选择【帮助】【关于插件】，找见copilot，然后勾选上插件，点击确定，重启Qt Creator；

在这里插入图片描述
![(https://i-blog.ZEEKLOGimg.cn/direct/b5596e835aa146b18bbf1c309ff50581.png)

进入授权界面后点击【Authorize Github Copilot plugin】按键授权Qtcreator插件即可；

在这里插入图片描述

登录会让输入验证码，返回Qt Creator，找到下图所示的验证码输入即可；

在这里插入图片描述

配置完路径后【Sign in】就会按键就会亮起，我的已经登录完成了，登录完成就会显示登录的用户名，下边是没登录的样子，上边是完成之后的样子；

在这里插入图片描述
在这里插入图片描述

点击Free下边的Get started即可解决，此时返回qt应该就可以使用了。

在这里插入图片描述

返回qt可能会弹如下窗口，这个是需要我们去领取一下这个插件权限，跳转网页到GitHub Copilot主页
-

在这里插入图片描述

Read more

OpenClaw安装和接入飞书机器人完整教程

OpenClaw安装和接入飞书机器人分三大部分组织回答： 1）先讲环境准备和OpenClaw基础安装（分阿里云和本地Windows两种场景）； 2）再讲飞书机器人配置（包括应用创建、通道添加、事件订阅）； 3）最后讲验证和配置AI模型。 为了更直观，在部署方式对比、配置项说明等地方用表格呈现。 这是一份完整的OpenClaw安装及接入飞书机器人的教程。将涵盖从环境准备、OpenClaw部署（含阿里云服务器和本地Windows两种方式）、AI模型（以阿里云百炼为例）配置，到最终在飞书开放平台创建并接入机器人的全流程。 第一部分：准备工作与核心认知 在开始动手前，我们需要先了解 OpenClaw 是什么，并准备好必要的账号和工具。 1.1 什么是 OpenClaw？ OpenClaw（昵称“小龙虾”，曾用名 ClawdBot / Moltbot）是一个开源的个人AI智能体框架。它本身不具备推理能力，需要对接大语言模型（如阿里云百炼、七牛云、OpenAI等）的API。它的核心价值在于： * 真正的执行能力：能通过“技能”
【选型】地瓜机器人RDK系列选型指南：X3 vs X5 vs S100 vs S100P（含资源对比图）

【选型】地瓜机器人RDK系列选型指南：X3 vs X5 vs S100 vs S100P（含资源对比图）

在机器人开发领域，地瓜机器人（D-Robotics）凭借其“RDK（Robot Developer Kit）”系列开发套件，已成为众多开发者和创业团队的首选平台。从轻量级边缘计算到高性能具身智能，地瓜机器人已构建了覆盖多场景的完整产品线，致力于为开发者提供高性价比、高集成度、高扩展性的解决方案。其核心芯片“旭日®”系列持续迭代，推动AI与机器人深度融合，助力实现从感知到控制的全链路自主化。 本文将深入对比当前主流的四款RDK开发套件：RDK X3、RDK X5、RDK S100、RDK S100P，并提供详细的资源对比图与应用场景分析，帮助你快速完成技术选型，降低开发门槛，提升项目落地效率。 一、产品定位概览 在深入参数前，先明确每款产品的核心定位，以便根据项目阶段、预算和性能需求做出合理选择。 ● RDK X3：轻量级边缘AI计算模组，适合入门级机器人、智能摄像头、无人机等低功耗、小体积场景。是初学者和教育项目的理想起点，具备基础AI推理能力，可快速搭建视觉识别系统。 ● RDK

GraphRAG论文阅读：From Local to Global: A Graph RAG Approach to Query-Focused Summarization

文章链接：https://arxiv.org/abs/2404.16130 从局部到全局：一种面向查询聚焦摘要生成的GraphRAG方法 摘要 利用检索增强生成（RAG）从外部知识源检索相关信息，使大语言模型（LLMs）能够回答关于私有和/或先前未见过的文档集合的问题。然而，针对整个文本语料库的全局性问题，例如“数据集中的主要主题是什么？”，RAG则无法胜任，因为这本质上是一个查询聚焦的摘要生成（QFS）任务，而非显式的检索任务。同时，先前的QFS方法无法扩展到典型RAG系统索引的文本数量。为了结合这些不同方法的优势，我们提出了GraphRAG，一种基于图的方法，用于在私有文本语料库上进行问答，该方法能随用户问题的广泛性和源文本的数量而扩展。我们的方法使用LLM分两个阶段构建图索引：首先，从源文档中推导出实体知识图谱；然后，为所有紧密相关的实体组预先生成社区摘要。给定一个问题，每个社区摘要被用于生成部分回答，然后所有这些部分回答再次汇总成一个最终回答返回给用户。对于在约100万标记范围内的数据集上的一类全局意义构建问题，我们表明，与传统的RAG基线相比，GraphRAG在生成答