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

部署Qwen3-VL-32b的踩坑实录：多卡跑大模型为何vLLM卡死而llama.cpp却能“大力出奇迹”？

部署Qwen3-VL-32b的踩坑实录：多卡跑大模型为何vLLM卡死而llama.cpp却能“大力出奇迹”？

踩坑实录：多卡跑大模型Qwen-VL，为何vLLM模型加载卡死而llama.cpp奇迹跑通还更快？ 前言：部署经历 针对 Qwen2.5-32B-VL-Instruct 满血版模型的部署实战。 手头的环境是一台配备了 4张 NVIDIA A30（24GB显存） 的服务器。按理说，96GB的总显存足以吞下 FP16 精度的 32B 模型（约65GB权重）。然而，在使用业界标杆 vLLM 进行部署时，系统却陷入了诡异的“死锁”——显存占满，但推理毫无反应，最终超时报错。 尝试切换到 Ollama（底层基于 llama.cpp），奇迹发生了：不仅部署成功，而且运行流畅。这引发了我深深的思考：同样的硬件，同样模型，为何两个主流框架的表现天差地别？ 本文将围绕PCIe通信瓶颈、Tensor Parallelism（张量并行） 与 Pipeline
2026新手小白AI创业变现指南（二）- AI写作辅助平台

2026新手小白AI创业变现指南（二）- AI写作辅助平台

刚刚更新了2026新手小白AI创业变现指南l列表，新增加了测试过的炼字工坊、蛙蛙写作、笔杆平台（学术论文平台，非通用写作平台）。想简单介绍下，详情请点击2026新手小白AI创业变现指南（一）中平台列表中平台名称看详细介绍。 一、炼字工坊 平台基础信息 项目内容平台名称炼字工坊官方网址https://lianzigongfang.com平台介绍专为网文/剧本/漫剧作者设计的AI创作平台，帮你把精力花在“故事和表达”上，把重复、耗时、卡壳的部分交给AI。相比通用AI，炼字工坊在长篇稳定性上有明显优势。它用「问答+抽卡」帮你定题材卖点，用「设定库」自动归档世界观和角色，用「分层大纲」把控剧情节奏，用「续写润色」解决卡文问题。最重要的是：你的作品不会用于AI训练，版权完全归你。核心定位长篇创作的全流程辅助，从灵感、设定到续写、润色，让你专注创作本身。 🎯 它和通用AI（如DeepSeek、千问）
大模型测评：千问、DeepSeek、豆包、KIMI、元宝、文心一言，降英文AI率谁最能打？

大模型测评：千问、DeepSeek、豆包、KIMI、元宝、文心一言，降英文AI率谁最能打？

时间来到2026年，对于留学生和海外内容创作者来说，与AI检测工具的博弈早已成为日常。Turnitin、GPTZero、ZeroGPT的算法日益精进，单纯依靠ChatGPT或DeepSeek生成内容后直接提交，无异于“裸奔”。 为了通过检测，大家开始寻求各种“降AI率”工具。但市面上工具繁多，智写AI、通义千问、DeepSeek、豆包、KIMI、腾讯元宝、文心一言……这些名字频频出现。它们谁真的能打？谁只是花架子？ 今天，我们将基于2026年最新的实测数据与用户反馈，对这七款工具在降英文AIGC率这场硬仗中的表现，进行一次彻底的横向对比。 测评说明：我们怎么测的？ 为了公平起见，我们设定了一个标准的测试场景： * 测试文本：一段由AI生成的英文学术引言（主题：机器学习在金融风控中的应用），初始AI率经Turnitin模拟环境检测为 92%。 * 考核维度： 1. 降AI核心效果：处理后文本在主流检测工具中的AI率。 2. 文本质量：是否保留原意、专业术语是否准确、逻辑是否通顺。 3. 场景契合度：是否适合学术/

一句话生成动漫短剧：我在 Qoder 里“说”出了一个 AIGC 智能体

你是否曾幻想过：只要说出一个创意，就能自动生成一段精美动漫短剧？ 如今，这个想法在 Qoder 中已成为现实。 大家好，我是阿里云解决方案架构师邵楷文。我在服务客户过程中发现：初创漫剧公司与教育机构普遍面临制作成本高、周期长、工具割裂等痛点。于是，我仅用自然语言，在 Qoder 中“说”出了一个端到端的 AIGC 漫剧生成智能体，实现了从“一句话创意”到“一分钟成片”的全流程自动化。 今天，我们就来揭秘这个惊艳 Demo 背后的实战逻辑。 为什么要做“一句话生成漫剧” 在实际业务中，我观察到两类典型用户： * 初创漫剧公司：缺乏专业动画团队，但需要高频产出轻量级营销短剧； * 教育机构：希望制作如“英语教学对话”“儿童行为引导”等场景化动漫内容。 然而，传统制作流程极其繁琐：写脚本 → 拆分镜 → 画角色立绘 → 绘制场景 → 制作动画