找回 Edge 边栏中消失的 Copilot 图标

Edge 边栏的 Copilot 能根据网页内容增强回复,相当于内置了RAG,而且能不限次数使用GPT-5,非常方便。笔者有次打开 Edge 浏览器时发现边栏的Copilot图标消失了,探索了一些方法后终于找到解决方案,以下:

1. win+R 打开运行,输入 powershell 打开,复制以下正则表达式全文到powershell 命令窗口回车运行即可。命令窗口出现“✅ 已将 variations_country 设置为 US。已重新启动 Microsoft Edge”代表已经成功。

& { # 关闭所有 Edge 进程 Get-Process | Where-Object { $_.ProcessName -like "msedge*" } | Stop-Process -Force -ErrorAction SilentlyContinue Start-Sleep -Seconds 3 $localState = "$env:LOCALAPPDATA\Microsoft\Edge\User Data\Local State" if (Test-Path $localState) { try { # 读取文件内容 $content = Get-Content $localState -Raw -Encoding UTF8 # 使用正则表达式查找并替换 variations_country 的值 if ($content -match '"variations_country":"[^"]*"') { $content = $content -replace '"variations_country":"[^"]*"', '"variations_country":"US"' $content | Set-Content -Path $localState -Encoding UTF8 Write-Host "✅ 已将 variations_country 设置为 US。" # 只有成功修改时才重启 Edge Start-Sleep -Seconds 1 Start-Process "msedge.exe" Write-Host "已重新启动 Microsoft Edge" } else { Write-Host "⚠️ 未找到 variations_country 字段,请手动检查文件。" Start-Process notepad.exe $localState } } catch { Write-Host "❌ 修改 Local State 文件失败:$($_.Exception.Message)" Write-Host "⚠️ 请手动修改该文件,搜索variations_country修改值为US,保存后手动启动 Edge。" # 自动打开 Local State 文件供用户手动编辑 Start-Process notepad.exe $localState } } else { Write-Host "找不到 Local State 文件:$localState" return } }

2.边栏出现 Copilot 图标后,如果出现

这不是你的错,而是我的问题

很抱歉,我在你所在的国家/地区似乎尚不可用。如果你愿意,可以通过前往以下内容来隐藏 Copilot 图标 浏览器设置。

则可能是因为你没有使用科学上网,如果已经可以科学上网但仍然无法使用,此时打开梯子的全局模式即可。

Read more

Llama Factory隐藏功能:一键生成可部署的API服务

Llama Factory隐藏功能:一键生成可部署的API服务 作为一名移动应用开发者,当你费尽心思微调好一个文本分类模型后,最头疼的问题可能就是:如何将它快速转化为可调用的API接口?本文将手把手教你利用Llama Factory的隐藏功能,无需复杂编码即可生成可部署的API服务,实现从训练到上线的"最短路径"。 这类任务通常需要GPU环境支持,目前ZEEKLOG算力平台提供了包含Llama Factory的预置镜像,可快速部署验证。下面我们从零开始,完整走通这个流程。 为什么需要API服务化? * 应用集成需求:移动端APP通常通过HTTP请求与后端交互,直接调用模型文件几乎不可行 * 资源隔离:将模型部署为独立服务,避免移动设备性能瓶颈 * 版本管理:API接口可保持稳定,后台模型可随时更新替换 提示:Llama Factory内置的API生成功能基于FastAPI框架,默认支持Swagger文档自动生成。 准备工作:检查你的微调成果 在开始API部署前,请确认你已完成以下步骤: 1. 成功微调模型并保存检查点(通常为adapter_model.bin

别把 F1 开成老头乐:GitHub Copilot 深度调教与 7 个“上下文工程”秘籍

别把 F1 开成老头乐:GitHub Copilot 深度调教与 7 个“上下文工程”秘籍

别把 F1 开成老头乐:GitHub Copilot 深度调教与 7 个“上下文工程”秘籍 前言 很多开发者抱怨 Copilot 生成的代码是“垃圾”或“幻觉”。真相是:Copilot 是一辆 F1 赛车,而大多数人只把它当成了自动挡的老年代步车。 本指南将揭示 Copilot 不为人知的底层机制,教你通过“上下文工程” (Context Engineering),让 AI 写出精准、规范的生产级代码。 核心心智模型:Copilot 是怎么“思考”的? 在学习技巧前,你需要理解 Copilot 的大脑构造。它不是在瞎猜,它是在根据你喂给它的“上下文(Context)”计算概率。 Copilot 的上下文由三层组成:

智能家居AI侦测方案:树莓派+云端协同,低成本实现

智能家居AI侦测方案:树莓派+云端协同,低成本实现 引言:为什么需要边缘+云端协同? 智能家居正在从简单的远程控制进化到主动感知环境、预测需求的AI时代。但一个现实难题摆在面前:摄像头、传感器产生的海量数据全部上传云端处理,不仅网络带宽压力大,每月云服务账单也让人肉疼。而如果只依赖树莓派等边缘设备,又难以运行复杂的AI模型。 这就是为什么边缘计算+云端协同成为最优解:让树莓派处理基础检测(如有人移动、异常声音),可疑事件再触发云端深度分析。实测下来,这种架构能降低80%以上的云端计算成本,同时保持高准确率。 1. 硬件准备:百元级树莓派方案 1.1 基础设备清单 * 树莓派4B/5(4GB内存起步):约400-600元 * USB摄像头(推荐罗技C920):200-300元 * 麦克风模块(可选):50-100元 * 移动电源/充电器:确保24小时供电 1.2 系统环境配置 用官方Raspberry Pi

Z-Image-Turbo文档解读:ZEEKLOG镜像构建技术细节剖析

Z-Image-Turbo文档解读:ZEEKLOG镜像构建技术细节剖析 1. 引言:当极速文生图遇见开箱即用 想象一下,你有一个绝妙的创意,想立刻把它变成一张高清图片。传统AI绘画工具可能需要漫长的等待,或者需要你折腾复杂的模型部署和环境配置。但现在,情况不同了。 Z-Image-Turbo,这个由阿里巴巴通义实验室开源的高效文生图模型,正以其“8步成图”的闪电速度和媲美专业摄影的图像质量,在开源社区掀起波澜。它最吸引人的地方在于,你不需要顶级的工作站显卡,一块16GB显存的消费级显卡就能流畅运行,让高质量的AI绘画变得触手可及。 然而,对于大多数开发者或爱好者来说,从零开始部署一个AI模型,依然是一个充满挑战的过程:下载几十GB的模型文件、配置复杂的Python环境、解决各种依赖冲突……这个过程足以消磨掉大部分人的热情。 这正是ZEEKLOG镜像的价值所在。我们不是简单地打包一个模型,而是构建了一个生产级、开箱即用的完整解决方案。本文将带你深入解读这个镜像背后的技术细节,看看我们是如何将Z-Image-Turbo的强大能力,封装成一个稳定、易用、随时可运行的服务。 2