vscode copilot在win10 WSL2环境无法使用的问题

优质文章学习记录

— 2 min read
vscode copilot在win10 WSL2环境无法使用的问题

问题描述

问话会进入chat初始化过程

在这里插入图片描述


等了一段时间就说 retry connection

在这里插入图片描述

重新reload window会报：Chat took too long to get ready. Please ensure you are signed in to GitHub and that the extension GitHub.copilot-chat is installed and enabled.

在这里插入图片描述

解决办法

回退Copilot版本

参考这位老哥解决方案 ：https://github.com/orgs/community/discussions/147219

在这里插入图片描述

将Copilot回退回 v1.252.0版本

PS：Vscode插件回退方法
依次点击插件->Copilot->Uninstall旁边下拉->Install Specific Version

在这里插入图片描述


点击重装即可，记得关闭自动更新（Auto Update）

在这里插入图片描述

网络问题

在找攻略的时候，可能瞎改了一通网络代理，导致回退了版本也不行

查看网络连接问题

可以在Vscode控制台->output->搜Copilot，这是正常的打印日志

如果显示类似 127.0.0.1:7890 或 127.0.0.1:7987 连接不通过，那就是网络问题

在这里插入图片描述
关闭网络代理

第一步：进入Setting，切换到Remote[WSL:Ubuntu]，搜索proxy，去掉Http: Proxy

在这里插入图片描述


第二步：关闭Http: Use Local Proxy Configuration

在这里插入图片描述


在这里插入图片描述

第三步：Reload window后，看到控制台打印如下信息，就说明成功了

在这里插入图片描述

Read more

【保姆级】TrendRadar本地部署：告别算法推荐，打造个人专属AI热点情报局

【保姆级】TrendRadar本地部署：告别算法推荐，打造个人专属AI热点情报局

【保姆级】TrendRadar本地部署：告别算法推荐，打造个人专属AI热点情报局 摘要 本文基于 TrendRadar 项目，详细拆解如何通过 Docker 本地部署一套个人专属的 AI 热点情报系统。涵盖从环境准备、Docker 镜像拉取、局域网访问配置、飞书推送修复到 Cherry Studio MCP 服务对接的全流程。通过 Nvidia 免费模型 API，实现零成本的深度热点分析与趋势追踪。 关键词： TrendRadar, Docker部署, AI热点分析, MCP服务, Cherry Studio 1. 背景与需求：为什么我们需要 TrendRadar？ 在这个大数据算法横行的时代，我们每天被头条、抖音等平台“投喂”大量信息，不仅容易陷入信息茧房，还浪费了大量时间筛选有效资讯。 我的核心需求很简单： 1. 拒绝算法绑架：需要一个个人定制化的新闻推送服务。 2.
AIGC首帧图尾帧图生成视频案例教程

AIGC首帧图尾帧图生成视频案例教程

目录 * 引言 * 一、按照首帧图、尾帧图生成视频的步骤 * 二、案例教程 * 1、合成首帧图和尾帧图。 * 2、首尾帧+提示词生成视频。 * 3、配音剪辑视频 * 4、两段视频尾首相连 * 三、总结 引言 小马先前有在《AIGC视频生成之Deepseek、百度妙笔组合实战小案例》这篇文章中简述了如何无中生有，凭空生成一段想要的视频。然而，在之前相关的教程中小马也有介绍过，此类文生视频的形式一般适合开放形的，用户自己没有什么具体的灵感，对视频成果没有什么特定期望要求的。 但是通常我们生成视频会带有明确的指向性和内容要求，比如用户本身就是一位名导，肯定有自己的影视效果要求；或者用户想根据剧本生成视频，那就内容指向比较明确了。这种情况该如何做呢？小马下面就开始细细道来，看完也许你就可以自导自演一部短剧了。 一、按照首帧图、尾帧图生成视频的步骤 话不多说，我们先来看一段AI成果视频。 AIGC江湖再见，十年出剑是非空（成品） 本段视频全部由AI生成。接下来简单说一下整体步骤。 1、准备场景背景图，人物图等，
AI学习笔记：LM studio大模型加载参数说明

AI学习笔记：LM studio大模型加载参数说明

LM Studio加载大模型时参数设置页面的常见参数及设置方法如下： 上下文长度（Context Length） * 意义：表示模型可以处理的最大上下文长度，即模型一次能够考虑的输入文本的最大token数量。较大的上下文长度能让模型更好地理解长文本的语义和逻辑关系，提高对复杂问题的回答准确性，但会增加内存占用和计算量。 * 设置方法：若进行简单问答，可设置为4096；若是处理小红书文案等较长文本，可设为10000以上；写作文、小说等则可尝试设置为100000左右，不过也要根据模型和硬件性能调整，硬件资源有限时，过大的上下文长度可能导致模型运行缓慢甚至无法运行。 GPU卸载（GPU Offload） * 意义：指模型的多少层将被卸载到GPU上进行计算。增加该值可让更多模型计算任务利用GPU的强大算力，提高运行速度和效率，但会占用更多GPU内存。 * 设置方法：一般建议先设置为可使用GPU显存的一半，然后根据模型运行情况和GPU显存占用状况调整。如使用1060显卡可设为4，2060显卡设为8，3060显卡设为16，4060显卡设为32。 CPU线程池大小（CPU Thre

3分钟快速上手：llama-cpp-python完整安装配置指南

3分钟快速上手：llama-cpp-python完整安装配置指南 【免费下载链接】llama-cpp-pythonPython bindings for llama.cpp 项目地址: https://gitcode.com/gh_mirrors/ll/llama-cpp-python 想要在本地快速运行大语言模型却苦于复杂的安装配置？llama-cpp-python是专为新手打造的Python集成库，让您轻松访问强大的llama.cpp推理引擎。这份完整的技术工具安装配置指南将带您从零开始，快速上手本地AI开发！🚀 📦 基础安装：一步到位 llama-cpp-python的安装过程极其简单，只需一行命令： pip install llama-cpp-python 这个命令会自动从源码构建llama.cpp，并将其与Python包一起安装。如果遇到构建问题，可以添加--verbose参数查看详细构建日志。 ⚡ 硬件加速配置 想要获得最佳性能？根据您的硬件选择合适的加速后端： CUDA加速（NVIDIA显卡） CMAKE_ARGS="-DGGML_CUDA=