VsCode远程Copilot无法使用Claude Agent问题

最近我突然发现vscode Copilot中Claude模型突然没了,我刚充的钱啊!没有Claude我还用啥Copilot

很多小伙伴知道要开代理,开完代理后确实Claude会出来,本地使用是没有任何问题的,但是如果使用远程ssh的话,会出现访问异常,连接不上的情况。这时候很多小伙伴就在网上寻找方法,在vscode setting中添加这么一段代码。可以看看这篇博客

"http.proxy": "http://127.0.0.1:1082", "remote.extensionKind": { "GitHub.copilot": [ "ui" ], "GitHub.copilot-chat": [ "ui" ], "pub.name": [ "ui" ] }

代理设置在本地回还地址,然后强制copilot也在本地上运行,这时候你会发现Claude模型出来了,ask也可以正常询问,但是Agent模式无法正常编辑,会有一段这么个提醒:

copilotAllow edits to sensitive files?The model wants to edit files outside of your workspace

这是提醒你工作区错误,但是明明发现我的工作区没有错。这其中的问题就出在了"GitHub.copilot": ["ui" ],
    "GitHub.copilot-chat": ["ui"],这两行代码会强制你的copilot在本地运行,然后你的远程路径在本地是无法识别的,所以就告诉你Workspace异常。

那么如何解决呢?

首先我们的代理地址(我这里的端口是1082,根据自己的情况来)是需要的,只是加错了位置。我们先把本地的配置文件里面的这些代码注释掉

然后,我们打开ssh的配置文件,加入这么一段

将本地代理的端口,在远程穿透回来,此时远程服务器也用上了代理

然后再在远程的settings.json中配置代理端口

{ "http.proxy": "http://127.0.0.1:1082", "http.proxyStrictSSL": false, "remote.extensionKind": { "pub.name": [ "ui" ] } }

重启vscode,你会发现Claude又回来了QAQ

并且Agent模型也可以正常使用了,因为工作区一直在远程上,不会出现问题

Read more

科研绘图效率提升实践:5款AI工具对比测评(含电路图/仿真图生成实测)

科研绘图效率提升实践:5款AI工具对比测评(含电路图/仿真图生成实测)

1. 引言(1–2段) ✅ 合规示范: “在科研工作中,高质量图表(如电路结构图、仿真结果图、系统框图)是论文与报告的核心表达载体。传统绘图依赖专业软件(如LTspice、MATLAB、Origin、Visio),存在学习成本高、修改耗时等问题。近年来,部分AI辅助绘图工具开始支持技术图形生成与优化。本文从功能性、易用性、输出质量三方面,实测5款主流AI绘图工具在科研场景下的表现,并提供可复现的操作流程参考。” ⚠️ 避坑提醒: * ❌ 禁用:“再也不用手动画图!”“导师看完直呼内行” → 违反 7.1.1 夸张/情绪化 * ✅ 强调“辅助”“参考”“实测”,不承诺“替代专业软件” → 避免误导(7.2.2) 2. 测评维度说明(技术导向) 输入方式 支持文本描述?

CHATERM AI:开启云资源氛围管理新篇章!

CHATERM AI:开启云资源氛围管理新篇章!

合合信息近日正式发布开源项目——云资源智能管理终端Chaterm,这是一款AI AGENT终端工具,旨在通过自然语言的终端交互,增强开发者的工作效率。 与OpenAI Codex等本地CLI不同的是,合合信息Chaterm工具可以通过SSH连接,批量管理远端的服务器,甚至大规模的线上集群。 这使得开发者可以轻松地管理数千台云端主机,高效地完成云端服务构建,部署,甚至服务器之间关联问题的排查。 用户再也无需学习复杂的正则表达式,Perl脚本,Linux系统命令,和SQL语法即可轻松构建在线服务。 通过Chaterm,无需在终端上安装fish或者zsh,无需Root权限,用户也可以配置全局的个性化语法高亮和智能命令补全! Demo 展示 demo 核心功能 * 智能Agent:用户可以用自然语言的方式,高效管理服务器,数据库,K8S等云端资源。Chaterm支持Command与Agent两种模式,Command模式的定位是用户辅助,类似于辅助驾驶,是AI辅助人来生成指令,在当前已有的终端会话中执行命令。Agent模式相当于智能驾驶,由人提供目标,AI自己规划分析然后逐步实

用微信指挥你的 AI 员工:QClaw 给普通人发了一张超级个体的入场券

用微信指挥你的 AI 员工:QClaw 给普通人发了一张超级个体的入场券

昨晚,深圳龙岗区相关部门发布了《深圳市龙岗区支持 OpenClaw&OPC 发展的若干措施(征求意见稿)》公开征询意见公告,也就是大家常说的"龙虾十条"。 大家好,我是小虎。 但当一个地方政府开始为一个开源 AI 项目立专项扶持政策,通常意味着:这件事已经大到用市场语言说不清楚了,必须用政策语言来背书。 OpenClaw 是奥地利开发者 Peter Steinberger 创造的一个开源本地 AI Agent 框架,核心逻辑是把 AI 助手部署在你自己的机器上,通过 Telegram、WhatsApp 这些聊天工具接收指令,然后帮你执行任务。 数据留在本地,算力用自己的,7×24 小时待命。 这个逻辑本身非常先进——但它有一个致命门槛:你得先把它跑起来。 买服务器、命令行配置、设置机器人权限……整个流程对普通人来说不是学习曲线,是一道墙。

作为一名市场运营,我的“养虾”初体验:上手JiuwenClaw,让AI智能体真的“越用越懂我”

作为一名市场运营,我的“养虾”初体验:上手JiuwenClaw,让AI智能体真的“越用越懂我”

一、前言 最近,AI Agent(智能体)的概念非常火,但很多产品要么部署复杂,要么用起来像个死板的“工具人”。作为一名市场运营,在看到openJiuwen社区发布了基于Python开发的“小龙虾” JiuwenClaw,并宣称它能“懂你所想,自主演进”后,我决定亲自试一试,看看这只“龙虾”到底有什么特别之处。 二、🚀 丝滑开局:一行命令,即刻“养虾” 第一个惊喜来自安装。正如项目介绍里说的,整个过程确实非常简单。我没有遇到任何依赖冲突或繁琐的配置,在终端敲下几行命令,就完成了从安装到启动的全过程: # 创建名为 JiuwenClaw 的虚拟环境python -m venv jiuwenclaw# 激活 JiuwenClaw 虚拟环境(选择对应系统)jiuwenclaw\Scripts\activate # Windowssource jiuwenclaw/bin/activate