CentOS 8.0 安装docker 报错：Problem: package docker-ce-3:19.03.8-3.el7.x86_64 requires containerd.io >= 1.2.2-3 2020/03/16 Openstack Masakari task流程源码分析 2020/01/09 后端云网站主题 NexT -> 3-hexo 2020/01/01 Openstack运维常见问题记录(4) 2020/01/01 Openstack Stein 部署遇到的问题 2019/09/20 jetbrains windows版全家桶破解 2019/08/28 xshell隧道转发的三种类型 2019/08/27 任正非5月18日接受日本媒体采访的中文纪要 2019/06/15 华为云可能也要被美国釜底抽薪 2019/05/21 属于华为的荣耀时刻 2019/05/20 sriov计算节点转ovs计算节点脚本 2019/04/19 Openstack Placement 2019/04/18 POWER架构服务器作为计算节点 2018/10/21 OpenStack实践SR-IOV计算节点 2018/10/14 Openstack运维常见问题记录(3) 2018/09/29 ceph数据存储的几个概念 2018/09/05 Openstack运维常见问题记录(2) 2018/08/28 Openstack运维常见问题记录(1) 2018/08/26 Openstack两组容易混淆的概念 2018/08/16 自动化测试工具Serverwalker介绍 2018/07/14 Openstack中的虚拟机的cpu绑定 2018/07/13 华为的发展已越来越不需要运营商 2018/05/10 OpenStack Pike dashboard noVNC 不能访问 2018/04/14 JetBrains PyCharm 2018.1.1 x64专业版永久激活 2018/04/14 vm被systemd删除 2018/04/14 虚拟机无法启动 2018/04/14 部署实时OpenStack实例 2018/01/23 支持windows虚拟机和linux虚拟机分区调度 2018/01/23 Openstack Pike本地yum源搭建 2017/12/28 脚本安装Openstack Pike 2017/12/28 Kata Containers 2017/12/08 Raft算法和Gossip协议 2017/11/12 Openstack Vitrage（根因分析） 2017/11/10 实时操作系统 2017/11/08 2017/08/01 云主机的指令集配置 2017/07/31 AI大环境下的运营商 2017/07/20 cpu-pinning CPU绑定 2017/07/20 NUMA 非一致性内存访问 2017/07/20 内存虚拟化 2017/07/19 resize失败原因调查 2017/07/04 挂载云硬盘 2017/06/30 Ocata nova evacuate bug 2017/06/28 gerrit触发jenkins执行脚本自动构建rpm包 2017/06/28 gerrit install 2017/06/28 JIRA安装 2017/06/27 compute node ha 主流开源实现 2017/06/22 热迁移失败总结 2017/06/15 Collectd 和 InfluxDB 的部署和使用 2017/06/15 本地存储条件下的热迁移 2017/06/14 Doctor framework 2017/06/14 将快速疏散功能加入VM HA程序中 2017/06/10 新增OpenStack NOVA API用于强制计算节点nova-compute服务down 2017/06/08 vm挂载卷，镜像，vm实例的共享存储架构 2017/06/07 后端云网站全部url http -> https 2017/05/06 windows虚拟机激活失败问题 2017/05/04 ansible简单使用 2017/05/03 pci-api support 2017/05/02 cyborg agent 2017/05/01 获取虚机内存 2017/05/01 FPGA用户用例提案 2017/05/01 云环境中GPU配置 2017/04/29 华为和运营商们 2017/03/10 访问google 2017/03/07 Openstack Ocata初体验 2017/02/24 去QQ广告 2017/02/17 openstack两个region分别用各自glance服务->共用glance服务 2017/02/08 Openstack Cyborg 项目介绍 2017/01/07 xshell工具在开发中的使用技巧 2016/12/24 python，NFV项目开发--vim 2016/09/02 网络不通的情况下，不通过dashboard，在未装图形化系统上查看openstack 创建的vm 2016/08/18 Load Balance(LVS实现方式) 2016/07/05 VNFD模板参数化 2016/07/05 OPNFV Prediction 2016/06/11 openstack token管理 2016/06/11 OPNFV项目生命周期 2015/12/20 OPNFV的管理体制和会员制 2015/12/20 OPNFV简介(4) - 对所有人开放 2015/12/19 OPNFV简介(3) - 和上游关系 2015/12/19 OPNFV简介(2) - overview 2015/12/19 OPNFV简介(1) - 背景 2015/12/18

本篇用Github Copilot重写上篇 集成GPT-4的Cursor 的文章里的代码。

在写代码之前，先说下Github Copilot在写文档写文章上的使用体验。

Github Copilot不仅可以用来写代码，也可以用于写文档。实际上篇公众号关于 集成GPT-4的Cursor 的文章里的内容，我就是用Github Copilot辅助完成的。Github Copilot的使用体验非常好，我只需要输入一些关键词，比如“集成GPT-4的Cursor”，然后就会自动给我补全接下来的内容，很多时候正是我需要的内容，只要按下tab键就会自动补全到文章里，这个过程非常快，非常方便。不像ChatGPT，bing AI需要在另外的聊天窗口执行后复制到文章里，这个过程又慢又繁琐，Github Copilot可以将AI无缝接入到编辑的光标下，适合人和AI的无缝融合。

更神奇的是，我文章里用到了大量的图片，Github Copilot也能自动识别图片的信息和图片里的文字，因为在补全相关文字的时候，应该是扫描过插入的图片后，综合图片的信息后给出的文字。

下面开始用Github Copilot写代码：

Github Copilot的代码补全功能和Cursor不太一样的地方是，Cursor会给出完整的代码，而Github Copilot往往只给出一部分代码，或者一个完整的函数，且需要通过tab键决定是否采用Github Copilot的建议，整个过程往往还需要自己去写点代码。但这个过程也非常流畅，非常方便。Github Copilot更体现了Copilot，飞行副驾驶，重在辅助。

和Github Copilot一起完成的代码如下：

# 写一个python程序，要求实现图片转字符画并写入文件，要用到pillow 库的使用，araparse库的使用，以及文件的读写
# 1.导入库
from PIL import Image
import argparse
# 2.定义一个函数，用来处理图片
def convert(image_file):
    # 2.1打开图片
    image = Image.




    
open(image_file)
    # 2.2将图片转换为灰度图
    image = image.convert('L')
    # 2.3定义一个字符串，用来存储字符画
    chars = "@%#*+=-:. "
    # 2.4定义一个字符串，用来存储字符画
    result = ""
    # 2.5遍历图片的每一行
    for i in range(image.height):
        # 2.6遍历图片的每一列
        for j in range(image.width):
            # 2.7获取图片中每个像素点的灰度值
            gray = image.getpixel((j, i))
            # 2.8将灰度值转换为字符
            unit = (256.0 + 1) / len(chars)
            result += chars[int(gray / unit)]
        result += '\n'
    return result
# 3.定义一个主函数，用来处理命令行参数
def main():
    # 3.1创建一个解析器
    parser = argparse.ArgumentParser()
    # 3.2添加参数
    parser.add_argument('file')
    parser.add_argument('-o', '--output')
    parser.add_argument('--width', type=int, default=80)
    parser.add_argument('--height', type=int, default=80)
    # 3.3解析参数
    args = parser.parse_args()
    # 3.4获取参数
    image_file = args.file
    width = args.width
    height = args.height
    output = args.output
    # 3.5调用convert函数，将图片转换为字符画
    result = convert(image_file)
    # 3.6判断是否需要将字符画写入文件
    if output:
        with open(output, 'w') as f:
            f.write(result)
    else:
        with open('output.txt', 'w') as f:
            f.write(result)
# 4.调用主函数
if __name__ == '__main__':
    main()

运行代码：

PS C:\Users\hanwei\Documents\GitHub\backendcloud-3-hexo\themes> python main.py .\golang.png

发现生成的图片太大了，整个屏幕只能显示一小部分，比如上面的耳朵和眼睛。

对比下Cursor生成的代码，应该先将图像的像素压缩下。

# 2.定义一个函数，用来处理图片
def convert(image_file):
    # 2.1打开图片
    image = Image.open(image_file)

加一行改成

# 2.定义一个函数，用来处理图片
def convert(image_file):
    # 2.1打开图片
    image = Image.open(image_file)
    image = image.resize((80, 80), Image.NEAREST)

再运行一次：

比例不对，后加的代码里的参数，用了80，80，原来的横图压缩成了正方形的图，压缩的太廋了，不调整了，意思一下就行。

下面使用Github Copilot Lab。Github Copilot Lab可以让AI解释代码，将代码翻译成其他编程语言，让AI写注释，写文档，让AI增加debug代码，让AI写单元测试，让AI修改程序让程序更健壮。

虽然笔者第一时间加入了等待列表，现在还在github copilot X等待列表，没有体验过X，但是感觉Github Copilot和Github Copilot Lab的结合已经有了github copilot X的宣传的主要功能。

下面，先删除所有注释，让Github Copilot Lab重新写注释：

让AI解释下这段代码：

让AI将这段Python代码翻译成Golang代码：

import argparse
import image
import os
func main() {
    parser := argparse.NewParser("image", "Converts a image to ASCII art")
    parser.String("1", "file", &argparse.Options{Required: true, Help: "Image file"})
    parser.String("o", "output", &argparse.Options{Required: false, Help: "Output file", Default: ""})
    parser.Int("W", "width", &argparse.Options{Required: false, Help: "Width of the output image", Default: 80})
    parser.Int("H", "height", &argparse.Options{Required: false, Help: "Height of the output image", Default: 80})
    err := parser.Parse(os.Args)
    if err != nil {
        fmt.Println(err)
        return
    imageFile := parser.String("file")
    width := parser.Int("width")
    height := parser.Int("height")
    output := parser.String("output")
    result := convert(imageFile, width, height)
    if output != "" {
        err := ioutil.WriteFile(output, []byte(result), 0644)
        if err != nil {
            fmt.Println(err)
            return
    } else {
        err := ioutil.WriteFile("output.txt", []byte(result), 0644)
        if err != nil {
            fmt.Println(err)
            return
func convert(imageFile string, width int, height int) string {
    img, err := image.Open(imageFile)
    if err != nil {
        fmt.Println(err)
        return ""
    img = img.Resize(width, height, image.NearestNeighbor)
    img = img.Convert(image.L)
    chars := "@%#*+=-:. "
    result := ""
    for i := 0; i < img.Height(); i++ {
        for j := 0; j < img.Width(); j++ {
            gray := img.At(j, i)
            unit := (256.0 + 1) / len(chars)
            result += string(chars[int(gray/unit)])
        result += "
    return result
       
 转载请注明来源，欢迎指出任何有错误或不够清晰的表达。可以邮件至 backendcloud@gmail.com