VSCode Github Copilot使用OpenAI兼容的自定义模型方法

VSCode Github Copilot使用OpenAI兼容的自定义模型方法

背景

VSCode 1.105.0发布了,但是用户最期待的Copilot功能却没更新!!!
(Github Copilot Chat 中使用OpenAI兼容的自定义模型。)

在这里插入图片描述

🔥官方也关闭了Issue,并且做了回复,并表示未来也不会更新这个功能:
“实际上,这个功能在可预见的未来只面向内部人员开放,作为一种“高级”实验功能。是否实现特定模型提供者的功能,我们交由扩展作者自行决定。仅限内部人员使用可以让我们快速推进,并提供一种可能并非始终百分之百完善,但能够持续改进并快速修复 bug 的体验。如果这个功能对你很重要,我建议切换到内部版本 insider。”

在这里插入图片描述

🤗 官方解决方案:安装VSCode扩展支持

你们完全不用担心只需要在 VS Code 中安装扩展:OAI Compatible Provider for Copilot

在这里插入图片描述

通过任何兼容 OpenAI 的提供商驱动的 GitHub Copilot Chat,使用前沿开源大模型,如 Kimi K2、DeepSeek V3.2、GLM 4.6 等。

✨ 特色功能

  • 支持几乎所有与 OpenAI 兼容的供应商,例如 ModelScope、SiliconFlow、DeepSeek…
  • 支持视觉模型。
  • 为聊天请求提供额外的配置选项。
  • 支持同时配置来自多个供应商的模型,自动管理 API 密钥而无需反复切换。
  • 支持为同一模型 ID 定义多种配置(例如为 GLM-4.6 启用/禁用思考功能)。Supports almost all

支持控制模型在聊天界面中显示思考与推理内容。

thinkingPartDemo

⚡ 快速开始

  1. 安装“OAI Compatible Provider for Copilot”扩展。
  2. 打开 VS Code 设置,配置 oaicopilot.baseUrloaicopilot.models
  3. 打开 Github Copilot聊天界面。
  4. 点击模型选择器,选择“管理模型…”。
  5. 选择“OAI Compatible”提供商。
  6. 输入您的 API 密钥 —— 它将被本地保存。
  7. 选择您希望添加到模型选择器中的模型。

Settings Example

"oaicopilot.baseUrl":"https://api-inference.modelscope.cn/v1","oaicopilot.models":[{"id":"Qwen/Qwen3-Coder-480B-A35B-Instruct","owned_by":"modelscope","context_length":256000,"max_tokens":8192,"temperature":0,"top_p":1}]

Read more

Bright Data SERP API 深度测评:解锁高精度、全球化、AI-ready 的 SEO 数据引擎

一、引言:新时代SEO面临的五大数据挑战 在搜索引擎算法日新月异、用户行为持续迁移的今天,传统的“关键词+内容优化”已远远不够。现代SEO正在经历一场深刻变革——从单一搜索引擎优化,演变为多区域本地化排名管理 + 跨设备可见性控制 + AI搜索答案抢占(AEO) 的综合竞争。 然而,许多SEO平台和企业团队却深陷数据采集的泥潭: * 跨国市场的关键词排名难以精准获取,位置偏差大; * 高频爬取触发反爬机制,导致任务中断或IP封锁; * 不同搜索引擎返回结果格式混乱,清洗成本居高不下; * 促销季流量激增时系统崩溃,影响自动化报表交付; * 更严峻的是,随着ChatGPT、Perplexity等AI助手成为主流信息入口,传统工具根本无法标准化采集这些新兴渠道的结果。 这些问题不仅拖慢了决策速度,更让企业在关键战役中错失先机。 面对这一系列挑战,我评测了行业领先的解决方案——Bright Data 的 SERP API。它是否真能解决上述痛点?能否支撑未来AEO时代的业务需求?本文将带你深入体验其核心能力,并通过真实场景演示,揭示它是如何成为全球顶尖SEO平台背后的数据

如何借助AI完成测试用例的生成?实测高效落地指南

作为一名测试从业者,想必你也有过这样的困扰:重复编写常规功能的测试用例,耗时又耗力;面对复杂业务逻辑,容易遗漏边缘场景;需求频繁迭代时,用例更新跟不上节奏,常常陷入“加班写用例、熬夜改用例”的内耗里。 而现在,生成式AI的爆发的已经彻底改变了测试用例生成的传统模式——它能快速批量生成用例、覆盖更多人工易忽略的场景,还能适配需求迭代快速更新,将测试人员从重复劳动中解放出来,转向更核心的质量策略设计。但很多人尝试后却反馈:“把需求丢给AI,生成的用例驴唇不对马嘴”“看似全面,实际很多无法执行”。 其实,AI生成测试用例的核心不是“输入→输出”的简单操作,而是“人机协同”的高效配合:AI负责规模化生产,人负责搭建框架、把控质量。今天就结合我的实测经验,手把手教你如何借助AI高效生成测试用例,避开常见坑,真正实现提效不内耗。 一、先搞懂:AI生成测试用例的底层逻辑(避免踩错第一步) 很多人用不好AI的核心原因,是误以为AI能“读懂所有需求”,其实它的本质是“基于已有规则和数据,模仿人类测试思维生成用例”。其底层主要依赖三大技术,

解放双手!用Windows搭建闲鱼0成本“赚米神器”!AI客服秒回复!

解放双手!用Windows搭建闲鱼0成本“赚米神器”!AI客服秒回复!

前言 在闲鱼上,卖家每天都要面对大量的私信和订单,如果手动回复,既费时间又容易出错。想象一下,如果有一套 AI 自动回复系统,能够帮你 自动处理买家消息、快速响应订单,你只需要动动手指,就能轻松管理闲鱼店铺,该有多爽!更棒的是,这套系统 完全零成本、无需服务器,只要一台 Windows 电脑,就能快速部署运行。本文将 手把手教你在 Windows 上搭建闲鱼 AI 自动回复系统,让你 轻松解放双手、提高效率,即刻开始自动化管理闲鱼店铺吧! 1 闲鱼自动回复系统介绍 闲鱼自动回复管理系统 是一个基于 Docker 部署的自动化工具,能够帮助闲鱼卖家实现消息的智能化回复和订单管理,大幅度减少手动操作的工作量。 核心功能说明自动化消息回复对闲鱼买家的消息进行自动回复,支持关键词触发和 AI 智能对话。可集成大语言模型(如通义千问)实现自然语言交流。多账号管理支持添加和管理多个闲鱼账号。账号间数据相互隔离,

告别项目混乱!2026开工季:DooTask如何用“轻量化+AI”破解开发团队协同困局

告别项目混乱!2026开工季:DooTask如何用“轻量化+AI”破解开发团队协同困局

告别项目混乱!2026开工季:DooTask如何用“轻量化+AI”破解开发团队协同困局 在软件开发领域,迭代进度失控、跨岗位沟通断层、需求变更响应滞后是困扰团队的三大痛点。传统项目管理工具功能冗余、学习成本高,而DooTask凭借“轻量化+精准协同”的设计理念,成为开发团队突破效率瓶颈的利器。本文将结合DooTask最新功能升级解析其如何助力团队实现需求同步、迭代跟踪与跨岗协同的闭环管理。 一、需求同步:从“信息孤岛”到“全局透明” 痛点场景:需求变更引发连锁反应 传统模式下,产品经理通过文档或口头传达需求,开发者需反复确认细节,测试人员可能因信息滞后漏测关键功能。 DooTask解决方案:需求看板+智能关联 AI需求解析:Dootask引入先进的自然语言处理(NLP)技术,能够自动分析需求文档中的关键信息,如功能描述、性能指标、界面要求等,并生成结构化的需求模型。同时,AI还可以对需求进行语义理解,识别潜在的风险点和模糊表述,及时提醒产品经理进行澄清,避免后续开发过程中的误解。 智能关联机制:需求任务能够自动推送相关负责人,