LSP-copilot

GitHub
788 34 非常简单 2 次阅读 1周前插件语言模型
AI 解读 由 AI 自动生成,仅供参考

LSP-copilot 是一款专为 Sublime Text 编辑器打造的开源插件,成功将 GitHub Copilot 的智能代码补全能力引入其中。借助 LSP 协议,LSP-copilot 能够调用 OpenAI Codex 模型,在编写代码时实时提供函数建议或整段代码生成。

许多开发者偏爱 Sublime Text 的轻量与高效,却遗憾无法使用主流 AI 编程助手。LSP-copilot 解决了这一痛点,让用户无需切换编辑器即可享受 AI 赋能的开发体验。LSP-copilot 支持多种展示模式,包括行内补全弹窗、虚拟文本显示、面板式完成以及内置聊天功能,方便随时询问代码逻辑。

LSP-copilot 特别适合追求效率的软件开发人员和前端工程师。安装过程简单,通过 Package Control 添加依赖并重启编辑器即可。此外,LSP-copilot 提供了丰富的配置选项,如自动触发补全、调试模式及 HTTP 代理设置,能适应不同网络环境。对于希望在 Sublime Text 中集成 AI 能力的用户来说,LSP-copilot 是一个理想的解决方案。

使用场景

资深后端工程师小李正在维护一个老旧的 Python 项目,需要在 Sublime Text 中快速重构一段复杂的业务逻辑。

没有 LSP-copilot 时

  • 需要频繁切换浏览器查阅 API 文档和示例代码,严重打断编码思路。
  • Sublime Text 本身缺乏智能提示,手写重复性样板代码效率极其低下。
  • 遇到复杂算法或正则表达式时只能凭记忆硬写,容易出错且后续调试耗时。
  • 无法在编辑器内直接询问代码含义,理解遗留代码的成本非常高。

使用 LSP-copilot 后

  • 输入部分代码即可触发行内补全,自动生成函数体,大幅减少手动打字量。
  • 通过聊天面板直接在编辑器内解释遗留代码逻辑,无需跳转外部资源查找资料。
  • 实时建议能识别当前上下文,自动填充常用库的调用方式,有效降低语法错误率。
  • 保持轻量级编辑体验的同时获得云端大模型支持,整个工作流更加流畅连贯。

LSP-copilot 成功将强大的 AI 编程能力无缝嵌入轻量级编辑器,显著提升了开发者的编码效率与代码质量。

运行环境要求

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes需要公共网络连接;需拥有活跃的 GitHub Copilot 订阅;首次使用需通过命令面板进行身份验证;支持配置 HTTP 代理;若遇证书问题可配置 NODE 环境变量添加 CA 证书。
python未说明
LSP
LSP-copilot
LSP-copilot hero image

快速开始

LSP-copilot

Copilot

通过 Copilot.vim 为 Sublime Text LSP(语言服务器协议)插件提供 GitHub Copilot 支持。

此插件使用了基于 Copilot 的发行版,它利用 OpenAI Codex(OpenAI 代码模型)直接从您的编辑器中实时建议代码和整个函数。

Features

  • 行内完成弹窗。
  • 行内完成幻影。
  • 面板完成。
  • 聊天。

Prerequisites

  • 公共网络连接。
  • 有效的 GitHub Copilot 订阅。

Installation

  1. 通过 Package Control 安装 LSPLSP-copilot
  2. 重启 Sublime Text。

Setup

首次使用时,请遵循以下步骤:

  1. 打开任意文件。
  2. 从命令面板执行 Copilot: Sign In
  3. 按照提示认证 LSP-copilot。
    1. User Code 将自动复制到您的剪贴板。
    2. User Code 粘贴到弹出的 GitHub 认证页面。
    3. 返回 Sublime Text 并在对话框上按 OK
    4. 如果您看到一个“登录成功”对话框,LSP-copilot 应从那时开始工作。

Settings

设置位于 LSP-copilot.sublime-settings 文件中,可通过命令面板中的 Preferences: LSP-copilot Settings 访问。

Setting Type Default Description
auto_ask_completions boolean true 自动向服务器请求补全。否则,您需要手动触发。
debug boolean false 启用 LSP-copilot 的 debug 模式。启用所有命令,无论状态要求如何。
hook_to_auto_complete_command boolean false 当调用 auto_complete 命令时向服务器请求补全。
authProvider string 供 Copilot 使用的 GitHub 身份
github-enterprise object GitHub Enterprise 的配置
local_checks boolean false 启用本地检查。此功能目前尚未完全明确。
telemetry boolean false 启用 Copilot 对 AcceptReject 补全的遥测请求。
proxy string 用于 Copilot 请求的 HTTP 代理。格式为 username:password@host:port 或仅 host:port
completion_style string popup 补全样式。popup 是默认值,phantom 是实验性的(存在已知问题)。

Screenshots

Inline Completion Popup

Copilot

Inline Completion Phantom

Copilot

Panel Completion

Copilot

Chat

Copilot

FAQs

我不想使用 Tab 键来提交 Copilot 的补全

很可能 Copilot 的补全会与 Sublime Text 的自动补全同时出现,且两者都使用 Tab 键来提交补全。这可能导致不确定的结果。

因此,您可能希望只让其中一方(或都不)使用 Tab 键。 如果您不希望 LSP-copilot 使用 Tab 键来提交补全。 您可以将 LSP-copilot 的 commit_completion_on_tab 设置设为 false,并添加如下自定义按键绑定。

{
    "keys": ["YOUR_OWN_DEDICATE_KEYBINDING"],
    "command": "copilot_accept_completion",
    "context": [
        {
            "key": "copilot.is_on_completion"
        }
    ]
},

我看到 UNABLE_TO_GET_ISSUER_CERT_LOCALLY 错误

如果在 VPN 和/或代理后面工作,您可能需要将自己的 CA 文件添加到 NODE 环境中。 关于 LSP-copilot 对此的支持,请参见下文。

在 LSP-copilot 的插件设置中,添加以下 env 键:

{
  "env": {
      "NODE_EXTRA_CA_CERTS": "/path/to/certificate.crt",
  },
  // other custom settings...
}

版本历史

v0.3.52024/12/23
v0.3.42024/12/22
v0.3.32024/12/22
v0.3.22024/10/09
v0.3.12024/10/06
v0.3.02024/09/01
v0.2.292024/08/30
v0.2.282024/08/28
v0.2.272024/08/27
v0.2.262024/08/13
v0.2.242024/08/02
v0.2.212024/07/26
v0.2.172024/07/06
v0.2.162024/07/03
v0.2.142024/07/02

常见问题

相似工具推荐

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|2天前
Agent图像开发框架

PaddleOCR

PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来,转换成计算机可读取的结构化数据,让机器真正“看懂”图文内容。 面对海量纸质或电子文档,PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域,它扮演着连接图像与大型语言模型(LLM)的桥梁角色,能将视觉信息直接转化为文本输入,助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显:不仅支持全球 100 多种语言的识别,还能在 Windows、Linux、macOS 等多个系统上运行,并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目,PaddleOCR 既能满足快速集成的需求,也能支撑前沿的视觉语言研究,是处理文字识别任务的理想选择。

74.9k|★★★☆☆|今天
语言模型图像开发框架

OpenHands

OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。

70.6k|★★★☆☆|今天
语言模型Agent开发框架