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

3步搞定Whisper-WebUI在Mac上的安装难题

3步搞定Whisper-WebUI在Mac上的安装难题 【免费下载链接】Whisper-WebUI 项目地址: https://gitcode.com/gh_mirrors/wh/Whisper-WebUI 还在为Whisper-WebUI在MacOS上的安装头疼吗?🤔 别担心,这篇文章将带你轻松解决这个困扰无数Mac用户的常见问题。作为一款优秀的语音转文字工具,Whisper-WebUI在Mac上的安装其实比你想象的简单得多! 🎯 实战场景:当语音识别遇上MacOS 想象一下这样的场景:你刚拿到全新的MacBook,想要体验Whisper-WebUI的强大语音识别功能,却在安装过程中遭遇各种"拦路虎"。这就像买到了心仪的新车,却发现没有合适的驾照一样令人沮丧。 很多Mac用户第一次接触Whisper-WebUI时都会遇到类似的困境:系统明明检测到了硬件,却总是提示使用CPU而非GPU;好不容易开始下载模型,Python进程却突然崩溃;终端里还不断跳出各种资源泄漏警告。这些问题看似复杂,其实都有简单的解决方案。 🚧 核心挑战:为什么MacOS如此"挑剔"? 硬件

春晚顶流宇树机器人深度拆解:从武术表演到千亿产业落地

春晚顶流宇树机器人深度拆解:从武术表演到千亿产业落地

一、春晚名场面:国产机器人的“功夫秀”封神时刻 2026马年春晚,《武BOT》节目凭16台宇树G1/H2机器人的硬核表演刷屏全网——1.8米高的H2身着红袍舞剑,3米腾空后空翻落地稳如磐石,剑招精准度达±10mm,完美复刻“苏秦背剑”“白鹤亮翅”等经典招式;G1机器人耍双节棍时转速达2.3圈/秒,打醉拳时躯干摆动幅度±30°,与86名塔沟武校少年实现“人机拳拳相击”的零碰撞协同,动作同步误差低于0.1秒。更令人惊叹的是义乌分会场的创意呈现:H2机器人吊威亚登场化身齐天大圣,手持金箍棒完成360°旋转劈杀,四足机器人B2-W组成动态祥云矩阵,通过队形变换拼出“龙年大吉”字样,传统IP与科技感的融合引发全网热议。 这场表演创下三项世界纪录:全球首次全自主集群武术表演、人形机器人连续空翻最多(单脚3次)、人机协同复杂度最高(16台机器人+86人同步动作),#机器人全面入侵春晚# 话题阅读量破亿,央视评论称其“标志着中国具身智能进入实用化阶段”。而鲜为人知的是,这群“

AI绘画建筑设计提示词:从基础到高级的完整创作指南

AI绘画建筑设计提示词:从基础到高级的完整创作指南

一、核心逻辑:高质量建筑提示词的 7 大组成部分 AI 对建筑的理解需要 “分层引导”,一个完整的提示词通常包含 7 个关键模块,你可根据需求灵活组合或删减,基础逻辑为:先明确 “画什么”,再定义 “怎么画”,最后优化 “画得好”。具体结构如下: [主体/建筑类型] + [风格/建筑师参考] + [环境/场景设定] + [细节与材质] + [构图与视角] + [灯光与氛围] + [画质/技术参数] 这一结构能让 AI 清晰捕捉设计核心,避免因信息模糊导致的 “偏离预期”,是高效创作的基础框架。 二、分模块详解:建筑提示词词汇库与应用技巧 1. 主体 / 建筑类型:明确 “画什么” 的核心 这是提示词的 “根基”,需精准定义建筑的功能与形态,避免笼统表述。

Diffusion Transformer(DiT)——将扩散过程中的U-Net换成ViT:近频繁用于视频生成与机器人动作预测(含清华Prediction with Action详解)

Diffusion Transformer(DiT)——将扩散过程中的U-Net换成ViT:近频繁用于视频生成与机器人动作预测(含清华Prediction with Action详解)

前言 本文最开始属于此文《视频生成Sora的全面解析:从AI绘画、ViT到ViViT、TECO、DiT、VDT、NaViT等》 但考虑到DiT除了广泛应用于视频生成领域中,在机器人动作预测也被运用的越来越多,加之DiT确实是一个比较大的创新,影响力大,故独立成本文 第一部分 Diffusion Transformer(DiT):将扩散过程中的U-Net 换成ViT 1.1 什么是DiT 1.1.1 DiT:在VAE框架之下扩散去噪中的卷积架构换成Transformer架构 在ViT之前,图像领域基本是CNN的天下,包括扩散过程中的噪声估计器所用的U-net也是卷积架构,但随着ViT的横空出世,人们自然而然开始考虑这个噪声估计器可否用Transformer架构来代替 2022年12月,William Peebles(当时在UC Berkeley,Peebles在𝕏上用昵称Bill,在Linkedin上及论文署名时用大名William)、Saining Xie(当时在纽约大学)的两人通过论文《Scalable Diffusion Models with Trans