VSCode在WSL环境下无法使用Github Copilot(网络问题)

概要

本文记录了一个案例:VSCode 在 WSL 环境下无法使用 Github Copilot,但是原生 Windows 下使用没问题。

问题表现

使用 VsCode 连接到 WSL 后,Copilot 无法进行自动或手动补全,在聊天窗口输入信息后始终显示“正在准备 Copilot”。

使用 Ctrl+` 打开面板,点击“输出”面板,右上角选择"Github Copilot Chat",可以看到错误日志如下:

2025-09-03 15:54:27.648 [info] [GitExtensionServiceImpl] Initializing Git extension service. 2025-09-03 15:54:27.648 [info] Can't use the Electron fetcher in this environment. 2025-09-03 15:54:27.648 [info] Using the Node fetch fetcher. 2025-09-03 15:54:27.648 [info] [GitExtensionServiceImpl] Successfully activated the vscode.git extension. 2025-09-03 15:54:27.648 [info] [GitExtensionServiceImpl] Enablement state of the vscode.git extension: true. 2025-09-03 15:54:27.648 [info] [GitExtensionServiceImpl] Successfully registered Git commit message provider. 2025-09-03 15:54:28.580 [info] Logged in as focksor 2025-09-03 15:54:31.233 [info] Got Copilot token for focksor 2025-09-03 15:54:31.245 [info] activationBlocker from 'languageModelAccess' took for 3289ms 2025-09-03 15:54:31.396 [error] TypeError: fetch failed at node:internal/deps/undici/undici:13510:13 at processTicksAndRejections (node:internal/process/task_queues:105:5) at Lk._fetch (/home/focksor/.vscode-server/extensions/github.copilot-chat-0.30.3/dist/extension.js:1170:29745) at Ov._fetchModels (/home/focksor/.vscode-server/extensions/github.copilot-chat-0.30.3/dist/extension.js:2539:5015) Error: read ECONNRESET at TLSWr

Read more

基于模仿学习的机器人操作:分类、演化、基准测试与挑战

基于模仿学习的机器人操作:分类、演化、基准测试与挑战

25年9月来自法国里昂大学、北航和大连理工的论文“Robotic Manipulation via Imitation Learning: Taxonomy, Evolution, Benchmark, and Challenges”。 机器人操作 (RM) 是使自主机器人能够在真实场景中与环境互动并改变环境的核心。在众多学习范式中,模仿学习已成为一种强大的方法,它使机器人能够通过人类的演示快速学习复杂的操作技能。本综述首次系统地回顾机器人操作的模仿学习。识别并分析大量具有代表性的研究,这些研究均因其科学质量和学术影响力而被选中。对于每项研究,都提供结构化的总结,涵盖研究目的、技术实现、分类、输入格式、先验知识、优势、局限性和引用指标。除了进行分类之外,还追溯机器人操作策略(RMP)中模仿学习技术的演进历程,重点介绍关键的方法论转变——从扩散和流匹配到自回归和affordance驱动策略。尽可能地收集基准测试结果并进行定量比较,从而能够对跨任务和环境的性能进行综合分析。最后,概述诸如泛化、具身多样性、数据效率和基准标准化等尚未解决的挑战,并探讨构建可扩展和通用型RMP的潜方向。 机

AI小白也能快速用五分钟复现的ERNIE-4.5系列模型单卡部署与心理健康机器人实战案例

AI小白也能快速用五分钟复现的ERNIE-4.5系列模型单卡部署与心理健康机器人实战案例

* 本文重点在于文心大模型的微调 * 一起来轻松玩转文心大模型吧👉一文心大模型免费下载地址: https://ai.gitcode.com/theme/1939325484087291906 计算机配置 * 在国内部署选个自带CUDA的会快一点,不自带还得去NVIDIA下载,而其提供的CUDA依赖需要科学上网才能下载快。换阿里清华源也没用。 * 文心模型汇总 环境配置与部署 1. 更换镜像源(使用阿里云镜像源): sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak sudo sed -i 's|http://archive.ubuntu.com/ubuntu|http://mirrors.aliyun.com/ubuntu|g' /etc/apt/sources.

AstrBot+NapCat 一键部署 5 分钟搞定智能 QQ 机器人!cpolar解决公网访问 :cpolar 内网穿透实验室第 777 个成功挑战

AstrBot+NapCat 一键部署 5 分钟搞定智能 QQ 机器人!cpolar解决公网访问 :cpolar 内网穿透实验室第 777 个成功挑战

这篇教程会带你用最简单的方式:**只用一份 docker-compose,一次命令,5 分钟以内完成 AstrBot + NapCat 部署,把 DeepSeekAI 接入你的 QQ。**AstrBot 本身就是为 AI 而生的现代化机器人框架,插件丰富、支持 DeepSeek/OpenAI 等大模型、带 WebUI、可扩展性强,真正做到"搭好就能用"。照着做,你马上就能拥有属于自己的 QQ AI 机器人。 1 项目介绍 1.1 AstrBot是什么? GitHub 仓库:https://github.com/AstrBotDevs/AstrBot AstrBot 是一个专为 AI 大模型设计的开源聊天机器人框架,

MK米客方德SD NAND:无人机存储的高效解决方案

MK米客方德SD NAND:无人机存储的高效解决方案

在无人机技术迅猛发展的当下,飞控系统的数据记录对于飞行性能剖析、故障排查以及飞行安全保障极为关键。以往,SD 卡是飞控 LOG 记录常见的存储介质,但随着技术的革新,新的存储方案不断涌现。本文聚焦于以 ESP32 芯片为主控制器的无人机,创新性采用 SD NAND 芯片 MKDV32GCL-STPA 芯片进行 SD NAND 存储,测试其在飞控 LOG 记录功能中的表现。 米客方德 SD NAND 芯片特性 免驱动优势:与普通存储设备不同,在该应用场景下,SD NAND 无需编写复杂的驱动程序。这极大地简化了开发流程,缩短了开发周期,减少了潜在的驱动兼容性问题,让开发者能够更专注于实现核心功能。 自带坏块管理功能:存储设备出现坏块难以避免,而 MKDV32GCL - STPA 芯片自带的坏块管理机制可自动检测并处理坏块。这确保了数据存储的可靠性,避免因坏块导致的数据丢失或错误写入,提升了整个存储系统的稳定性。 尺寸小巧与强兼容性: