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

小白也能玩转AI写作：Qwen3-4B-Instruct保姆级教程

小白也能玩转AI写作：Qwen3-4B-Instruct保姆级教程 1. 项目背景与核心价值 在人工智能快速发展的今天，大语言模型已经从科研实验室走向大众应用。对于非技术背景的用户而言，如何低门槛地使用高性能AI模型进行内容创作成为了一个关键问题。本文将围绕 Qwen3-4B-Instruct 模型展开，详细介绍其能力特点、部署方式和实际应用场景。 该模型是阿里云通义千问系列中的一款高性能指令微调版本，参数量达40亿（4B），相较于小型模型（如0.5B）在逻辑推理、长文本生成和代码理解方面有显著提升。更重要的是，它支持在纯CPU环境下运行，极大降低了使用门槛，使得普通笔记本电脑也能成为“AI写作工作站”。 1.1 为什么选择 Qwen3-4B-Instruct？ 以下是这款模型特别适合初学者和内容创作者的核心优势： * 高智商表现：具备较强的上下文理解和多轮对话能力，能完成小说撰写、公文写作、邮件润色等复杂任务。 * 无需GPU：通过 low_cpu_mem_usage 技术优化，可在内存充足的CPU设备上稳定加载，避免昂贵硬件投入。 * 集成WebUI：提供图形化

Pixel Fashion Atelier部署教程：Stable Diffusion像素时装一键锻造实战

Pixel Fashion Atelier部署教程：Stable Diffusion像素时装一键锻造实战 1. 项目介绍 Pixel Fashion Atelier是一款基于Stable Diffusion与Anything-v5模型的像素风格时装生成工具。它将AI图像生成与复古日系RPG界面设计完美结合，为用户带来独特的创作体验。 核心特点： * 专为像素艺术优化的生成模型 * 直观的RPG风格操作界面 * 预设皮革时装风格LoRA模型 * 一键式生成流程 2. 环境准备 2.1 硬件要求 * 显卡：NVIDIA GPU，显存≥8GB（推荐RTX 3060及以上） * 内存：16GB及以上 * 存储空间：至少20GB可用空间 2.2 软件依赖 * 操作系统：Windows 10/11或Linux（Ubuntu 20.04+） * Python：3.8-3.10版本 * CUDA：11.

LLaMA-Factory合并LoRA适配器完整指南

LLaMA-Factory 合并 LoRA 适配器完整指南 在大模型落地的实战中，一个常见的痛点是：明明只微调了少量参数，部署时却还得背负整个基础模型 + LoRA 插件的双重重担。启动慢、依赖多、运维复杂——这些问题让原本轻量高效的 PEFT 方法显得有些“名不副实”。 而真正的生产级解决方案，应该是把训练成果固化下来：将 LoRA 的增量更新永久融合进原始模型，生成一个独立、自包含、开箱即用的新模型。这不仅是工程上的简化，更是从实验走向服务的关键一步。 LLaMA-Factory 提供了一条极为简洁的路径来实现这一目标——通过一条 export 命令和一个 YAML 配置文件，就能完成跨架构、跨模态、安全可靠的 LoRA 合并。本文将带你深入这个过程的每一个细节，避开常见陷阱，并分享一些提升效率的实用技巧。 核心命令：一键导出合并模型 整个流程的核心就是这条命令： llamafactory-cli export examples/merge_lora/

从Alpaca到ShareGPT：Llama Factory数据格式全解析

从Alpaca到ShareGPT：Llama Factory数据格式全解析 作为一名数据工程师，在准备大模型微调数据时，你是否经常纠结于选择哪种数据格式？Alpaca、ShareGPT、Vicuna...各种格式的文档分散在不同地方，手动转换又容易出错。本文将带你全面解析Llama Factory支持的数据格式，帮助你快速测试不同格式的效果。 这类任务通常需要GPU环境支持，目前ZEEKLOG算力平台提供了包含Llama Factory镜像的预置环境，可快速部署验证。下面我们就从实际应用场景出发，详细介绍如何高效使用这些数据格式。 Llama Factory数据格式概述 Llama Factory作为大模型微调的热门框架，支持多种主流数据格式，主要分为两大类： * 指令监督微调格式：以Alpaca为代表，适合单轮问答任务 * 多轮对话格式：以ShareGPT为代表，适合聊天场景 每种格式都有特定的字段要求，理解这些差异是成功微调的第一步。 Alpaca格式详解 Alpaca格式是单轮指令微调的标准格式，包含三个核心字段： { "instruction": "解释