LSP-copilot
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
- 未说明
未说明
未说明

快速开始
LSP-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
- 通过 Package Control 安装 LSP 和 LSP-copilot。
- 重启 Sublime Text。
Setup
首次使用时,请遵循以下步骤:
- 打开任意文件。
- 从命令面板执行
Copilot: Sign In。 - 按照提示认证 LSP-copilot。
User Code将自动复制到您的剪贴板。- 将
User Code粘贴到弹出的 GitHub 认证页面。 - 返回 Sublime Text 并在对话框上按
OK。 - 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 Accept 和 Reject 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

Inline Completion Phantom

Panel Completion

Chat

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