Vs copilot如何退回
救命！ copilot 突然改成按量收费了，之前是月费随便用，现在变成用多少付多少。 github copilot 从包月制直接切换到 token 计费模式，对重度代码使用者来说，这可能是一笔不小的额外开支。简单说，以前一个月管保，现在按请求数算钱，代码写的多，钱包就收的快。开发者现在面临几个选择， 方案一，咬咬牙继续用 call pilot， 但得控制每天的请求量，学会精打细算。 方案二，迁移到其他 ide 自带的大模型能力，比如 cursor， windsurf 这些，它们现在也都支持代码补全，定价更透明。方案三，直接上开源方案 lama， 配合本地推理，完全免费，配置起来需要一点折腾成本。 三个方向各有利弊，看你代码量有多大，预算有多少。不管怎样，这次变化说明一件事，大模型的工具定价正在从订阅制走向用多少花多少的精细化阶段。 开发者需要重新评估自己的 ai 编程成本结构。你打算怎么选？评论区说说。
粉丝120获赞1794
相关视频
03:08查看AI文稿AI文稿开发者钱包注意， copilot 下个月要按 token 计费了！后面还有谷歌云端 a 诊的实测、英伟达清华世界模型以及国产芯片最新适配独立开发者注意了！微软 github copilot 将在六月一号把包月套餐改成按 token 实际用量计费。 有开发者吐槽说，原来一个月只要二十九美元，改版后直接飙到了七百五甚至三千美元。 虽然有人说这是因为过度依赖 ai 生成带来的氛围编码，但直接取消包月确实让不少人措手不及。建议大家先检查下自己的自动调用设置，避免下个月账单直接爆炸。谷歌新推出的全天候 agent 助理 gemine spark 迎来了首批实测。 和那些需要保持电脑唤醒的本地 agent 不 同， spark 完全运行在云端虚拟机上，合上电脑也能执行任务。它与谷歌办公套件深度绑定，能帮你自动扫邮箱、排日程、在 wellgreens 找折扣，甚至规划出行行李清单。 不过实测中他也出现了优惠码失效、漏掉活动成本等小翻车。如果是重度谷歌生态用户建议体验，普通人可以先等等。英伟达联合清华大学发布了多智能体视频世界模型 game world， 之前的世界模型只能一个人玩， 而他首次实现了多玩家共享野化世界。他通过单纯型旋转智能体编码和稀疏枢纽注意力机制，成功把多人交互的计算开销降低了近八倍。 在 minecraft 实测中，视频生成质量的指标 fvd 降幅超百分之四十，这套框架未来可能成为多机器人协同和自动驾驶的核心基建。推荐学术圈和物理 ai 开发者保持关注。 今夜星辰刚发布了轻量多模态模型 step 三点七 flash， 国内的海光信息就在当天完成了全流程适配。 一托海光的 d t k 易购计算平台和全站软件站开发者现在可以直接在国产硬件上高效跑这个模型。这对于国内想用 agent 编排和智能代码助手，又受限于算力成本的团队来说，是个不错的降本增效选择。建议国内开发者可以动手试试了。 随后来看一个敲响警钟的新闻， tiktok 上正流行一种 ai 换脸卖货新骗局。一些 drop shipping 卖家利用 ai 生成哭泣的非议女性头像，编造作为黑人女性创业艰难，恳求白人女性停留十三秒支持的悲情故事， 以此将晒上不到十美元的普通皮带扣炒到四十美元卖给富有同情心的观众。爱一画脸和回复完全实现了自动化，研究人员每天能发现近百个类似账号。只能说，面对网上的小作文，咱们得擦亮双眼，别让同情心成了收割的韭菜。 以上就是今天的全部内容，各位观众，老爷对 copilot 的 收费新政怎么看？这波是防白嫖还是纯割肉？欢迎在评论区留言讨论，喜欢天天叫的视频，也请一键三连支持一下，我们明天见了！
16AI天天酱
06:32ima 搞本地文件太香了，谁用谁爽 本土化升级版的 NotebookLM！今天用1分钟带你扒掉它的底裤，看看搞钱和学习的高手都在用它白嫖什么黑科技
#RAG #ima #腾讯 #copilot #智能体查看AI文稿AI文稿哈喽，大家好，本期的话我们来介绍一下腾讯的这个智能工具，叫做 ima。 呃，我用一句话，如果说这期内容就总结为一句话，他最牛逼的地方在哪里？就是接入了腾讯生态。 呃，我们拿一个例子来马上举例，比如说我，我在，我在这里，我在腾讯的文章里面截取了一个这个，然后我直接丢给他，我让他直接帮我去总结这篇文章的核心内容，他马上就能够做到， 然后能够精准地去识别出来。所以如果你时间有限，那么我觉得你为什么要给他一个选择用他的理由，那就是，呃，接入了腾讯生态，我们同时把 germany 和 j g p t 同时做一个对比比较，也就是说它是没有办法其他的这个呃大源模型它是没有办法直接去分析的， 所以这个就是最大的优势了。我就说完了，那么后面如果你还有兴趣的话，我就继续讲一下它的一个呃基本的情况，这是一个什么？按照 m a 给我自己的一个解释的话，它就是一个呃， 中国版的 notebook， 这虽然说不是很准确，但是是可以这样类比，然后多姓源的搜索，这个姓源可以是你自己上上产给它的这个本地软软件，本地文件，然后文档的创作。什么意思？就是它可以根据你的姓源来进行二次的分析创作，再编辑。 呃，再编辑暂时不能做到，但是你可以做到你去拿着它的内容去重新的进行创作，所以你听着听着会觉得这个东西非常适合内容创作者。 呃，来做这样一个知识的整理，它其实就是你个人的一个 ai 笔记加上个人的一个知识库，而且是比较，呃符合你自己需要的。 呃，一个内容，它不是一个公域的，它是一个私域的，就是这么样的一个情况，一个结果，然后它还接入了这个叫做呃 copilot， 也就相当于说它把你这里面也有一点点工作化、自工作流自动化的一个成分在这里面。那么呃， 我问了这样一个问题，是说它它最像的一个产品，其实有点像是那个 notebook lm， 呃，但是它也的区别就是刚才我也举例了，它打通了整个微信生态，也就是这里面有很任何的微信公众号的推文，你都能去进行关联。呃，待会我会介绍，比如打个比方，比如，比如打个比方啊，这个 这是他们家的，然后你点开首页，这个地方是 订阅的知识库，那么这就是我们订阅的外部的一个他们官方的一个知识库，那么这些东西都是源自于公众号的内容，我们可以直接可以阅读，而且他可以帮我们把所有的公众号去做一个整理，所以这完全是挺适合做内容运营来去呃优质的一些那个文章的。然后接着讲，接着讲的话就是 这是让它去做的一个对比，很显然这是一个幻，妥妥的幻觉，这是不准不准确的，因为我们说它像 notebook l m 并不代表说这个产品很差，像 它也有它的强项，那么以后我会抽时间给大家做一个科普，非常强，我并不是说它弱啊。好，那么核心的点就是你要记住这知识库管理、多元搜索、 ppt 报告文、文件编辑和持久记忆，这个都是可以的，那确实是如此，实测下来。 然后第二个就是他的核心能力，也就是刚才我们说的跟这个一模一样，那么他能帮你做什么？这个取决于你自己的目的来判断你要不要用他。 然后这里面会涉及到一个专业的概念，叫做 r a g。 这个如果你在 ai 领域的话，你经常会遇到，那么他的学术的名称叫做剪辑增强深层， 嗯，他是目前 ai 知识库的一个核心黑科技。如果用通俗的话来讲，就是说普通的大模型，他是用过去的这个背过的书去回答问题。就好像你现在在一个图书馆里，你现在需要找一本这个机械拼装的书籍，那么你去， 你要去一个人去全部便利这个大冒险，整个图书馆，然后一个一个去找啊去定位，这样很麻烦。但是 r a g 他 其实相当于说他预先先把一个专家，一个图书管理员，他把所有跟这个书籍有关的内容全部放在一个书架上，那么这个书架都是跟你相关的内容，你可以优先去 本地的资源库里去啊去解锁，那么这意味着你的这个查找的效率还有精准度是更加好。那么这是我生成的一个大概的一个 呃，它的一个逻辑大概是 input 解锁以及生成它是这样一个简单的，我只能用很浅很浅显的这个方法帮大家总结一下到底是什么意思啊，因为毕竟不是这个领域，非常专业的。 然后第二个就是说呃，他在这个呃里面还内置了一个功能，那个功能你就把它理解成为一个 ai 智能小助手就可以了。比如说我让他去统计我现在目前的心理学知识库里面，我目前累计上传的我所有的课件多少学习笔记，他帮你分门别类去进行文档归类以及统计，然后我去核对了一下，非常准，那么确实是这样子的， 它可以帮你做一个呃，就是你自己内部的知识的一个整理，然后呃文档的解锁能力，这个我可以带着大家去体验一下。然后呃第二个就是它的官方的一些市场，能够接入它们已经成型的一些知识库和 skills。 好， 接下来的重头戏就是呃给大家可以展示一下它的一些基本的能力吧，基本的能力， 比如我们拿这个为例，这个是他根据我们过去的一篇课间去生成的，也就是说我让他直接分析这个统计学，非常繁难的，又是英文版的内容，他可以帮你直接做一个基础的一个总结。然后第二个就是 在这个地方，在这个地方那么我们刚才看一下这个心理学知识库。好，接下来我给大家展示一下我过去用过的一些案例。第一我们把它称之为课间总结，那么比如说这个是一个人格测试的一个总结，他可以帮我很好的去做一个梳理，包括脑图的一个生成。 呃，第二个就是呃，我把这个内容，我这是我写的一个提示词啊，就是我让他生成的一个提示词，然后让他帮我做 呃目的铺多重的回归，回归分析，基本上他就可以帮我做一个科普，那么至少我在呃统计学这个方面，他可以把所有的概念全部帮我罗列出来，然后去加速我理解，并且还可以给我出一些相关的题目，让我强化巩固。 然后呃，并且我可以让他去针对这个主题去帮我设计一个案例题，这个还是挺强的，就是他，而且我还要求他给到原数据，让我直接能到 java 里面去做分析，他帮我把原数据也模拟生成了， 然后并且去可以给他不断的迭代优化好这个是统计学相关的一些内容。然后这个是下面是一个做，比如说我在所有的这个课间库里面，其实有一张是讲到皮亚杰的，那么其实他就可以智能的帮我从两篇 呃里面找到，这就是这两个课间里面包含了皮亚杰的内容，那么他就会帮我从这个里面去做一个简短的皮亚杰的规范和总结。 第二就是 part 三这个内容，我让他把它翻译成，因为它是英文版的，所以我要把它翻译成为中文，那么他也可以帮我做到把这个 模块的课间把它并行变成中文来理解并总结。然后就是呃统计学部分，比如说在这里面有涉及到所有的数学公式，我也可以让它把它做总结。其实我们可以看到这个软件这个工具，它的总结能力基于信源，基于你本地文件的总结能力还是挺强的， 所以我觉得它是一个非常好的一个辅助 ai 的 学习工具。而且它尤其是在内微信生态的这个内容生产者，我觉得是比较棒的一个软件。总体来说是这样一个情况。
18郭秋彬
21:27
01:01692微软科技
00:57查看AI文稿AI文稿很多人都在用口拍乐，但你有没有发现，他好像还是不太懂你？关键不在 ai， 而在你有没有先把你是谁说清楚。 第一个关键，自定说明，就像给新同事一份员工手册，告诉口拍乐你的角色、产业、工作对象与输出习惯，不是写很多很长就有用，而是要写的清楚，个人化。 第二个关键，记忆功能，让口拍乐记住你正在进行的专案、客户特性与阶段目标，一次告知就能跨对话延续，而且所有记忆都由你自行管理。第三个关键， front coach 问题，通常不是口拍乐不会做，而是需求说的不够清楚， 它会补齐背景、任务、格式与受众，把模糊的需求变成高品质的指令，让口拍乐懂你不是多问几句，而是先把你怎么工作说清楚。
226微软科技
06:49查看AI文稿AI文稿最近我做了一件特别抽象的事情，我不是 hr， 但是我竟然靠着 ai 把面试面出了中上水平，面试官的效果，就连 hr 都非常的惊叹我的变化。 事情是这样的，有个岗位需要我参与面试，但是我本身不是 hr 专业的，但是你让我去提前看简历，看阶梯，然后自己准备问题啊。其实我非常容易会问的很散， 就像是一个新手侦探突然被派去审讯嫌疑人，但是你只知道他的一个长相和名字，也就是手里的一份简历嘛。你坐在那里紧张半天，只能憋出来一句 说说看，这件事情是不是你干的，然后对方随便解释几句，你就卡住了，因为你不知道哪句话是真的，哪句话是包装的，然后哪句话应该要接着追问。 于是我想了一个非常野的办法，我直接让 hr 跟候选人正常聊，然后我就坐在旁边，我也不说话，就做一件事情， 打开录音，然后转文字，然后等 hr 聊的差不多了，我赶紧把录音导出来，转成文字，然后把这个候选人的简历接低，还有刚才那个 hr 跟候选人的完整对话，直接扔给，然后让他 去伪求真，刨根问底的给我生成一些问题，然后 ai 像老专家一样，直接给我一张问题追问术 啊，就比如说我们问他啊，案发当晚，你八点到十点，你在哪里？如果他说在睡觉，然后接着问有没有人能证明 手机信号在哪里，网购记录有没有，如果他提到了，呃，有证人，然后就追问了几分钟，然后为什么你记得这么清楚， 你有没有当时的一个证据啊？通话记录。当我拿着面试书开始面试的时候啊，我的眼神气场都不一样了。对方刚编出一个细节，我下一个问题就已经堵到嘴边了，连在场的 hr 都百思不得其解，怎么一个新手突然间居然能问出这么多水分？ 更绝的是，最后面完以后，我又把这次面试的对话发给了另外一个 ai， 让他客观评价一下我这个面试官水平怎么样。结果他说中上水平。追问能力很强，能从候选人的回答细节里快速找到定位到矛矛盾点，并形成连续追问的一个列录， 有效压缩了候选人的包装空间。然后缺点又是压迫感有点强，候选人体验不太好。我看到这个评价的时候，真的想笑了，非常的抽象啊，一个非专业的面试官，靠 ai 临时外挂，居然面出了专业感。 但这件事情真正让我意识到的是，我们过去总觉得 ai 最有价值的地方是会后总结。比如会议结束以后，让 ai 帮你整理基奥，提炼重点输出、代办。但我现在觉得这只是最表层的一个价值，真正关键的不是会后总结， 而是能在会中追问。因为很多信息如果你现场没有问出来，事后就永远没有了。比如面试后人回答的很漂亮，但你不知道怎么去去伪求真，有可能被包装带进去， 最后企业可能错过一个合适的人，也可能招了过来一个根本不匹配的人，这样既浪费了公司，也浪费了投资者的一个时间。再比如，我们材料行业的销售客户说一句啊，你们这个材料耐温不太够，普通销售可能只会记下来， 客户反馈耐温不够。但真正懂的人，他会继续追问，是长期耐温不够，还是瞬时耐温不够？具体温度区间是多少？在哪个工艺出的问题，失效表现是什么啊？然后你看客户嘴上只说了一句话，背后可能隐藏着配方、 工艺，还有应用场景，竞品替代，还有采购决策。如果销售现场没有去追问录音，其实带回来也没有用，因为你的数据源本身就是残缺的， ai 再聪明，他也只能总结已有的内容啊，你没有问到的，他不可能凭工具变出来。 然后所以说，其实真正的痛点其实是客户在讲的时候，我们没有听懂。客户说的很含蓄的时候，我们不知道该怎么提问，该不知道该怎么追问。客户抛出一个很专业问题的时候，我们不知道客户背后什么需求，候选人回答的很漂亮的时候，我们不知道该怎么去验证， 怎么去洞察。对，等到会议结束再让 ai 去总结，可能已经晚了，因为最关键的信息其实根本就没有被挖出来。 所以我越来越觉得，未来真正有价值的 ai 产品，可能不是一个简单的会议机要工具，而是一个实时沟通的 co pilot， 他 像副驾驶一样坐在你旁边，你在跟客户聊的时候，他在实时的提醒你啊。这个问题要追问，这个说法有歧义，这个需求可能对应某类产品，这个客户其实在表达，比如说他预算有压力，这个后人，他的回答虽然听起来很完整，但是他的关键指标没有说清楚。 而我这次面试里的一个做法，其实本质上是做了一次手工版的这个产品的 mvp， 先录音转文字，再把上下文喂给 ai， 然后再让 ai 去生成这个追问问题数，最后我拿着这个问题数继续追问。 真正产品化以后，这个流程应该从我中途手动去喂给 ai， 变成 ai 在 旁边实时给我微提示。当然这类产品为什么现在还没有大规模普及？ 我觉得有两个门槛，第一个是实时性，会后总结可以慢一点，但会中提醒必须几乎同步理解语音，还有识别上下文，判断业务意图，再生成合适的问题。 呃，哪怕延时稍微一高，那个沟通的机会点可能就过去了。第二个是行业知识通用， ai 可以 总结，但是现场提醒你怎么追问啊？他必须懂你的行业啊，这样才能跟你打配合。比如我们材料行业， 客户说耐温不够，背后可能涉及配方、工艺测试标准，失败案例，还有那个竞品分析， 如果 ai 没有接入到企业自己的一个产品知识库，还有案例库，还有销售方法论，他很难真正提醒到这个点上。 所以限阶段与其焦虑这种产品什么时候出来，不如先想一件事，当实时沟通。 co pilot 真的 出现的时候，我们有没有足够好的知识库让他去调用 企业产品知识库有没有去整理，然后销售案例有没有沉淀失败经验有没有结构化岗位能力模型有没有清晰个人的经验方法论，还有判断标准有没有变成 ai 能理解的材料。 我这次最大的感受就是 ai 不是 简单的替你写总结，他真正厉害的地方是在关键沟通现场，帮你把那些本来会漏掉的问题及时抓回来。所以未来的高手可能不是记笔记最认真的那个人，而是最会带着 ai 追尾的人。
20是麦冬呀
01:08查看AI文稿AI文稿脏数据五分钟搞定，抠拍 lot 一 键搞定，数据乱的一塌糊涂，缺失值、重复行，格式错误。今天教你用抠拍 lot 五分钟，把脏数据洗的干干净净。第一步，打开你的原始数据表，点 excel 顶部的抠拍 lot 图标，进入对话。 第二步，直接用自然语言告诉 call 派 lot 你 的数据有什么问题，比如这列有缺失值，帮我填上，或者那列有重复数据帮我去重， call 派 lot 会立刻分析整张表，告诉你问题出在哪里。第三步，如果格式不对，比如日期写成二零二三年五月一日这种文本， 你直接说，把日期格式统一成二零二三年五月一日， call 派 lot 会批量转换整列，省得你一个个改。 第四步，处理完之后，你可以继续说，帮我检查一下还有没有其他问题。抠拍 log 会重新扫描，给出最终的数据质量报告， 整个流程从发现问题到解决问题，全部用对话完成。你不需要记任何一个清洗函数，数据直接变干净。实用的话，点赞告诉我你的数据有哪些头疼问题，评论区聊一聊，记得关注下期内容。
00:45查看AI文稿AI文稿vs code 差点默认把靠拍了写进你的地址提交署名，微软被骂后又改回去了。 vs code 官方依许有承认他们在一点一七 row out 里把 getr echo author 默认值从 off 改成了 l。 更糟的是官方还承认有 bug， 连关掉 ai 功能也可能被误署名。 开发者炸锅后，微软才在 p 二三十一万三千九百三十一里把默认值改回 off。 真正的问题不是靠拍了的有没有用，而是提交署名属于职业记录， 你不能提开发者默认勾选。更离谱的是先给 carla 开特权通道，却连真人共同作者的署名见面都没有。如果 ai 工具连提交署名都想贴你默认勾上，你会把它当助手还是当月界？
04:31查看AI文稿AI文稿去年给大家分享过微软的这个烤派雷特，哈，那今天再给大家分享一个类似的，就是这个 coat geeks， 他俩什么区别呢？就是烤派雷特现在目前是收费的，一百美金一年， 然后 coat geeks 呢，它现在是完全免费的，从使用效果上来讲呢， code geeks 肯定是略逊于烤派雷特，但是呢，其实我也在想，如果这个世界上没有诞生过烤派雷特，我们直接用 code geese 的话，我觉得也一定会震撼到我们哈， 那我今天就简单的带大家试用一下。首先呢，我们从加瓦开始啊，加瓦是这样的，我试用的时候呢，其他的复杂的逻辑他也支持， 我就是印象比较深的就是我当时要写一个尸体类，然后呢，我从前端的 j s 啊复制了一个代码片段，我想试试他能不能根据我这个代码片段啊，帮我生成 实体类。大家注意前面这个 contact 一其实没有用了，就这几个，我希望他帮我生成的是后边这些，根据后边这个来生成，结果呢，他还真好使。大家注意看， 大概有了 name from wechat remark。 而且呢，他在尝试帮我生成 get set， 但是呢，我其实当时也不需要有 get set， 因为我当时是这样的，我重新来一次啊，当时我上面是有这个 longbook， 我们再试一次， 他看他识别到你有注解之后，他就不会帮你生成改赛的了。但是呢，我为什么说他略逊于口派类的，因为他有时候不稳定，比如说有时候我这块有几个空格，他生成出来的， 大家看这只 number 了，原来是缝，但是怎么说呢，毕竟他现在是免费的，而且也在 逐步完善，所以我觉得也是可以接受的。我们再来看他前端的表现哈，我这里有一个 test 的 div， 是一个正方形， 是这样。然后呢，假设我现在要给他加一个阴影，然后经常忘了阴影那个 css 码，就可以问直接写阴影， 这是比较简单的了，大家看啊，这样就有了。然后啊，我又要拿他跟烤派来的对比了，大家看下面这 hello word 啊，我其实想写一个超长自动出现省略号的那种三三四，我想试试他可不可以哈，就在下面这个，然后就写了超长自动省略号，大家注意， 现在是 cold gix， 大家看他是他生成的，就不是我们想要的那种 css 就完全不对了。但是呢，我们再切到烤盘里头啊，大家注意，我先把这个 cold 比克斯禁用，把烤排列的启用，大家注意看烤排列的生成的 over hiden， 然后 就可以了，我们大家看效果就可以了。所以呢，我觉得他在某些地方还是不如 copilate 那么好用。但是呢，还是那句话，作为一个免费的 这个插件啊，我们现在还不能要求他太多，毕竟他也在不断成长哈。然后啊，我们继续来测哈，还是回到这个 codex， 比如说，我想做一个抖动的效果， 我写一个点 shake， 它就能帮我生成抖动的一些效果。我们来看一下，现在就是 coat gix， 我先不管它，我就直接拿过来哈，这大块儿多了，我们删一个。然后呢，继续，它会帮我生成 jiffreams shake 的。 哎，好，生成完了，然后我只需要点击的时候应用这个样式就可以了，对吧？然后 click shake e， 好，我们传一个 this， 把这个 dom 传过来。好，我们再写成 scrap 效果 function shake me。 哎，他知道我们要干什么， lays 点 aliment， 我们看他想干啥。 这个就不太对了，显然不是我们想要的哈。其实我们直接加样式就好了，因为下边有那个样式了，所以我们给他点提示，到我们点 class list 看到有没有哈，等一会 class list 爱的 shik 有了，然后呢？过一会再给它隐藏掉。我们选个时间，比如说我们二百毫秒吧， 两千太多了，我们看下边这个时间，这一秒我们改成零点二吧，这样就可以了。 嗯，打卡就可以了。所以总结来说，如果大家预算充足，而且日常的可以上网，没有问题，大家可以选用烤拍来烫哈。反之我觉得 cold geeks 是个很好的选择。
6291程序员小山与Bug
01:16查看AI文稿AI文稿抖音以后就没有理财师了，所有现在抖音上面的理财师全部清退，原因也很明显，就是假的太多了，假的是真的多， 这个皇位最大的作用就是割韭菜，方便了，好割，他还不限流，这个就是最大的用处，投资顾问这个前两年都搞臭了，都知道只要是你被这个头箍 导致你们亏损，那么你们之前交的这些头库服务费，会员费都是可以按照这个流程通过合理合法的途径申请全部退回来的。 但是现在的理财师就不一样了，记住理财师他是不受任何的监管的，理财师他不用在证券业协会进行相关的一个备案，他不没有任何的合规的一个约束。所以有些挂着理财师的工地类的裁剪博主 收费就很直白了，就直接说了，你上钩了就不要想跑了，不退费他是不退费的，就这这么说的这么直接这么明白了， 但是抖音平台却很好，所有的这个专属的啊会员的退费，抖音已经说了，他是不用联系主播的，平台可以直接处理，你只要按照这个流程一步一步的联系这个退款申请就可以了，有需要的直接找客服。
523探个路
01:46查看AI文稿AI文稿微软 copilot 来了，最近听说微软 nubing 更名为 copilot， 并进行了升级，话不多说，带大家快速感受一下。如果大家对 newbing 的基础使用感兴趣，可以查看我们往期的介绍。首先确保自己的网络可以正常访问国外网站， 并且已经拥有了微软账号。接下来浏览器搜索 copilot， microsoft 进入网站完成登录便可以直接使用了。我们先来尝试问一些大模型相关的问题，可以看到 copilot 使用的是 gpt 四进行问答。我们继续尝试一下实图的效果， 将本地图片拖拽到 copilot 对话框中并输入我们的要求。很快， copilot 就根据我们上传的图片分析了其中的内容，从输出的内容来看还是很准确的。 除此之外， copilot 还根据图中内容为我们提供了相关视频的推荐，并呈现出视频效果。 我们继续尝试一下 copilate 的画图功能，输入我们的 prom， 稍等片刻， copilate 便基于头一三为我们生成了图片。我们再试下 copilate 的网站内容总结功能，从输出总结来看还是很准确的。我们再试试 copilate 的查询实时天气的功能， 很快 copilot 就为我们提供了当天及未来几天的天气情况。我们继续尝试一下 copilot 的数据分析功能，从输出结果来看，还是基于现有文章的检索引用。最后我们再尝试下 copilot 的代码能力， 从输出结果来看，不仅给出了代码实现思路，时间复杂度、空间复杂度，代码及对应的测试用力还是相当不错的。小伙伴们还在等什么？快来上手试试吧！
178AI冲浪者🔥🔥
00:45查看AI文稿AI文稿好消息啊，我们申请的新版机构栏没超过三十天，想要回退的账号终于有救了。那么近一段时间我们超过三十天，无论你是申请的来客栏还是小店栏，还是店铺栏，还是新版企业机构栏，只要你超过三十天以后想要回退个人号，现在也是可以了。两个方法直接教给大家。第一种的话，先在电脑端搜索巨量引擎功能台， 先把第三方官方账号，然后把我们的直接按下解绑，解绑完成以后去我们的手机端申请官方认证入口里边看一下有没有跳出来换绑手机号的页面，这个方法的话就是有百分之八十的几率。那么第二种方法的话，就是提供营业执照、法人身份证两面， 直接找服务商帮我们回退，最快的话当天直接就可以回退完成。如果你的蓝 v 企业号也超过了三十天自己回退不了的话，可以在评论区打上六六六，我们一起交流。
579哥爱分享
01:56查看AI文稿AI文稿还在以为所有 ai 编程助手都大同小异，那你可能错过了 scarq o d 这个真香神器。一个博主用了 vs code 和 call 派了三年，却毅然决然换了主编器，原因不是大家都有的聊天测变了，而是 c 卡尔提纳质变的差补全模式，它到底有多不同？ 最关键的就是 c g 的 预判你意图能力，它不会等你停下才给建议，而是你一边修改函数签名， 它背后的推色性延续引擎就已经悄悄计算并预判所有相关联的调用点影响。想象一下，你在一个三四零行的 text script 文件里改参数名，还没等你手动滚到一半，可 a 就 已经帮你把第一个调用点的参数更新了。当你滚到三幺零行时， 所有六个调用点都有了正确的建议。这种多位置感知和同步更新的能力，是原文作者在其他编辑期里从没见过能持续稳定实现的。根据实测数据，在 textquote 文件里， keeper 的 建议采纳率高达百分之七十三， tyson 紧随其后也有百分之六十八。这可不是小数字，意味着它真的能大幅提升你的编码效率。 不过也不是所有语言都一视同仁，构语言的采纳率就明显差一些，只有百分之五十一。这也告诉我们， ai 工具的适用性确实有偏好，而且还在进化中。这让我思考， 当 ai 助手从简单的代码补全进化到这种意图预测和大局感知，它改变的就不只是我们写代码的速度，更是我们思考和架构代码的方式。它可能让新手更容易上手复杂项目， 也让资深开发者能更专注于高层次的逻辑设计。所以，如果你是开发者，尤其是用 tatsby 和 python 的 catch i day， 这波不一样的体验，是不是让你有点心动？你觉得这样的 ai 辅助编程是未来主流吗？评论区聊聊你的看法，别忘了关注我，获取更多 ai 科技干货！
19小明叔
