copilot.lua
copilot.lua 是一款专为 NeoVim 打造的高性能 GitHub Copilot 插件,旨在完全替代官方的 copilot.vim。它通过纯 Lua 重写核心逻辑,不仅保留了完整的代码补全功能,还提供了便捷的 API 以便与其他现代插件深度集成。
这款工具主要解决了原版插件在运行时可能导致设备过热、资源占用过高的问题。同时,它优化了“幽灵文本”(即灰色建议代码)的渲染机制,避免了建议内容与现有补全插件(如 cmp)的显示冲突,让编码界面更加清爽流畅。得益于 Lua 语言的高效特性,copilot.lua 在启动速度和运行稳定性上均有显著提升。
copilot.lua 非常适合追求极致编辑体验的 NeoVim 重度用户、软件开发者以及热衷于定制个人开发环境的极客。其独特的技术亮点包括支持延迟加载以进一步优化启动性能,提供灵活的认证管理(支持多账号切换及私有 GitHub 实例),并允许用户精细配置高亮样式、文件类型过滤及日志记录等细节。如果你希望在享受 AI 辅助编程便利的同时,保持编辑器的轻量与响应速度,copilot.lua 是一个值得尝试的专业选择。
使用场景
一位后端工程师正在使用 Neovim 重构一个高并发的微服务模块,需要频繁编写复杂的异步逻辑和样板代码。
没有 copilot.lua 时
- 笔记本风扇狂转甚至过热降频,因为原版
copilot.vim基于 Vimscript 运行效率低下,严重拖慢编辑器响应。 - 屏幕上的灰色幽灵文本(Ghost Text)大块闪烁且位置跳动,经常遮挡视线,干扰现有的自动补全插件显示。
- 难以与现代 Lua 编写的插件生态深度集成,无法灵活定制建议面板或调整高亮样式,工作流显得割裂。
- 每次启动项目时 Copilot 服务加载缓慢,导致进入编码状态前需要无谓等待,打断心流。
使用 copilot.lua 后
- 设备运行冷静流畅,纯 Lua 重写的高性能内核消除了资源瓶颈,让老款笔记本也能轻松承载实时 AI 辅助。
- 幽灵文本渲染稳定且柔和,不再与 cmp 等补全插件冲突,代码预览清晰自然,阅读体验大幅提升。
- 通过丰富的 API 轻松将 Copilot 融入现有配置,自定义了专属的建议面板和高亮主题,实现了无缝的工作流整合。
- 支持懒加载机制,仅在输入时唤醒服务,显著缩短了启动时间,确保开发者能即刻进入专注编码状态。
copilot.lua 通过极致的性能优化和现代化的架构设计,将 GitHub Copilot 从一个消耗资源的负担转变为 Neovim 中丝滑高效的智能编程伙伴。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
copilot.lua
此插件是 github/copilot.vim 的纯 Lua 替代方案。 非常感谢 @tris203 提供的 NES 功能背后的代码(copilot-lsp)。
`copilot.lua` 的开发动机
在使用 copilot.vim 时,自从我开始使用 Neovim 以来,我的笔记本电脑首次出现了过热现象。此外,我发现大量幽灵文本在我的代码中四处移动,干扰了现有的 cmp 幽灵文本,这让我感到非常困扰。由于 Lua 效率更高,并且更容易与现代插件集成,因此创建了这个仓库。
目录
要求
- Curl
- NeoVim 0.11.0 或更高版本
- 如果使用默认的 Node.js LSP 版本,则需要 NodeJS v22 或更高版本
安装
使用你喜欢的插件管理器安装该插件。 例如,使用 packer.nvim:
use { "zbirenbaum/copilot.lua"
requires = {
"copilotlsp-nvim/copilot-lsp", -- (可选) 用于 NES 功能
},
}
认证
你可以使用以下方法之一进行认证:
永久登录(推荐)
Copilot 运行后,运行 :Copilot auth 开始认证过程。
Token(非官方支持)
通过 gh auth token 获取的 Token 不支持 Copilot,因此你需要先通过 LSP 生成一个 Token:
- 使用“永久登录”方法进行认证
- 运行
:Copilot auth info获取 Token - 然后可以安全地删除在 Neovim 基础数据目录中创建的
github-copilot文件夹。
将环境变量 GITHUB_COPILOT_TOKEN 或 GH_COPILOT_TOKEN 设置为该 Token。
请注意,即使该变量为空,LSP 也会尝试使用它来登录。
登出/切换账号
要登出当前的 GitHub 账号:
:Copilot auth signout
要用另一个账号登录:
:Copilot auth signin
查看当前认证 Token 信息:
:Copilot auth info
凭据存储位置:
- Linux/macOS:
~/.config/github-copilot/apps.json(或$XDG_CONFIG_HOME/github-copilot/apps.json) - Windows:
~/AppData/Local/github-copilot/apps.json
使用其他 GitHub 实例进行认证
如果你的 Copilot 访问权限不是由公共 GitHub 实例提供的,你可以将认证提供商设置为自定义 URL,并使用相应的配置键,例如:
auth_provider_url = "https://mycorp.ghe.com/"。
设置与配置
你需要运行 require("copilot").setup(options) 函数才能启动 Copilot。
如果没有提供选项,则使用默认值。
由于 Copilot 服务器需要一些时间才能启动,建议你延迟加载 Copilot。 例如:
use {
"zbirenbaum/copilot.lua",
requires = {
"copilotlsp-nvim/copilot-lsp", -- (可选) 用于 NES 功能
},
cmd = "Copilot",
event = "InsertEnter",
config = function()
require("copilot").setup({})
end,
}
默认配置
require('copilot').setup({
panel = {
enabled = true,
auto_refresh = false,
keymap = {
jump_prev = "[[",
jump_next = "]]",
accept = "<CR>",
refresh = "gr",
open = "<M-CR>"
},
layout = {
position = "bottom", -- | top | left | right | bottom |
ratio = 0.4
},
},
suggestion = {
enabled = true,
auto_trigger = false,
hide_during_completion = true,
debounce = 15,
trigger_on_accept = true,
keymap = {
accept = "<M-l>",
accept_word = false,
accept_line = false,
next = "<M-]>",
prev = "<M-[>",
dismiss = "<C-]>",
toggle_auto_trigger = false,
},
},
nes = {
enabled = false, -- 需要 copilot-lsp 作为依赖
auto_trigger = false,
keymap = {
accept_and_goto = false,
accept = false,
dismiss = false,
},
},
auth_provider_url = nil, -- 认证提供商的 URL,如果不是 "https://github.com/"
logger = {
file = vim.fn.stdpath("log") .. "/copilot-lua.log",
file_log_level = vim.log.levels.OFF,
print_log_level = vim.log.levels.WARN,
trace_lsp = "off", -- "off" | "debug" | "verbose"
trace_lsp_progress = false,
log_lsp_messages = false,
},
copilot_node_command = 'node', -- Node.js 版本必须大于 22
workspace_folders = {},
copilot_model = "",
disable_limit_reached_message = false, -- 设置为 `true` 可以抑制完成次数达到上限的弹出窗口
root_dir = function()
return vim.fs.dirname(vim.fs.find(".git", { upward = true })[1])
end,
should_attach = function(buf_id, _)
if not vim.bo[buf_id].buflisted then
logger.debug("不附加,缓冲区未列出")
return false
end
if vim.bo[buf_id].buftype ~= "" then
logger.debug("不附加,缓冲区类型为 " .. vim.bo[buf_id].buftype)
return false
end
return true
end,
server = {
type = "nodejs", -- "nodejs" | "binary"
custom_server_filepath = nil,
},
server_opts_overrides = {},
})
面板
面板可用于在分屏窗口中预览建议。你可以运行 :Copilot panel 命令来打开它。
如果 auto_refresh 设置为 true, 则会在你输入内容时自动刷新建议。
copilot.panel 模块提供了以下函数:
require("copilot.panel").accept()
require("copilot.panel").jump_next()
require("copilot.panel").jump_prev()
require("copilot.panel").open({position, ratio})
require("copilot.panel").close()
require("copilot.panel").toggle()
require("copilot.panel").refresh()
require("copilot.panel").is_open()
这些函数也可以通过 :Copilot panel <function> 命令访问(例如::Copilot panel accept)。
建议
当 auto_trigger 为 true 时,Copilot 会在您进入插入模式后立即开始提供建议。
当 auto_trigger 为 false 时,您可以使用 next、prev 或 accept 键映射来触发 Copilot 的建议。
当 trigger_on_accept 为 false 时,按键输入将原样传递到缓冲区,而不会触发补全。
要切换当前缓冲区的自动触发功能,可以使用 require("copilot.suggestion").toggle_auto_trigger()。
当 popupmenu-completion 打开时,Copilot 的建议会自动隐藏。如果您使用自定义的补全菜单,可以通过将 copilot_suggestion_hidden 缓冲区变量设置为 true 来实现相同的行为。
使用 nvim-cmp 的示例
cmp.event:on("menu_opened", function()
vim.b.copilot_suggestion_hidden = true
end)
cmp.event:on("menu_closed", function()
vim.b.copilot_suggestion_hidden = false
end)
使用 blink.cmp 的示例
vim.api.nvim_create_autocmd("User", {
pattern = "BlinkCmpMenuOpen",
callback = function()
vim.b.copilot_suggestion_hidden = true
end,
})
vim.api.nvim_create_autocmd("User", {
pattern = "BlinkCmpMenuClose",
callback = function()
vim.b.copilot_suggestion_hidden = false
end,
})
copilot.suggestion 模块提供了以下函数:
require("copilot.suggestion").is_visible()
require("copilot.suggestion").accept(modifier)
require("copilot.suggestion").accept_word()
require("copilot.suggestion").accept_line()
require("copilot.suggestion").next()
require("copilot.suggestion").prev()
require("copilot.suggestion").clear_preview()
require("copilot.suggestion").update_preview()
require("copilot.suggestion").dismiss()
require("copilot.suggestion").toggle_auto_trigger()
这些函数也可以通过 :Copilot suggestion <function> 命令访问(例如::Copilot suggestion accept)。
高亮组
Copilot 使用两个高亮组来样式化其建议:
| 高亮组 | 用途 | 默认链接 |
|---|---|---|
CopilotSuggestion |
行内幽灵文本建议 | Comment |
CopilotAnnotation |
面板和行内建议中的注释 | Comment |
如果您的颜色方案未定义这些高亮组,它们将默认链接到 Comment。要自定义它们,请在颜色方案加载 之后 设置高亮,或使用 ColorScheme 自动命令:
vim.api.nvim_create_autocmd("ColorScheme", {
callback = function()
vim.api.nvim_set_hl(0, "CopilotSuggestion", { fg = "#83a598", italic = true })
vim.api.nvim_set_hl(0, "CopilotAnnotation", { fg = "#83a598" })
end,
})
nes(下一个编辑建议)
[!警告]
此功能仍处于实验阶段,在某些场景下可能无法正常工作,请报告您遇到的任何问题。
当 enabled 为 true 时,Copilot 将通过 copilot-lsp 根据您接下来可能进行的编辑提供建议。如果没有建议,键映射将直接传递原始按键。
copilot-lsp 还内置了一些配置项,更多配置请参考 copilot-lsp 文档。这些配置应在 copilot-lsp 依赖的 init 函数中设置。
use {
"zbirenbaum/copilot.lua",
requires = {
"copilotlsp-nvim/copilot-lsp",
init = function()
vim.g.copilot_nes_debounce = 500
end,
},
cmd = "Copilot",
event = "InsertEnter",
config = function()
require("copilot").setup({
nes = {
enabled = true,
keymap = {
accept_and_goto = "<leader>p",
accept = false,
dismiss = "<Esc>",
},
},
})
end,
}
文件类型
指定要附加 Copilot 的文件类型。
示例:
require("copilot").setup {
filetypes = {
markdown = true, -- 覆盖默认值
terraform = false, -- 禁用特定文件类型
sh = function ()
if string.match(vim.fs.basename(vim.api.nvim_buf_get_name(0)), '^%.env.*') then
-- 对 .env 文件禁用
return false
end
return true
end,
},
}
如果您添加 "*" 作为文件类型,则不再使用 filetypes 的默认配置。例如:
require("copilot").setup {
filetypes = {
javascript = true, -- 允许特定文件类型
typescript = true, -- 允许特定文件类型
["*"] = false, -- 禁用所有其他文件类型,并忽略默认的 `filetypes`
},
}
日志记录
日志级别达到或高于 file_log_level 的内容将被写入 file。
日志级别达到或高于 print_log_level 的内容将通过 NeoVim 的 notify 功能打印出来。
要关闭其中任一项,只需将其级别设置为 vim.log.levels.OFF。
文件日志是异步进行的,以尽量减少对性能的影响,但仍会带来一定的开销。
日志级别采用 vim.log 中定义的级别:
vim.log = {
levels = {
TRACE = 0,
DEBUG = 1,
INFO = 2,
WARN = 3,
ERROR = 4,
OFF = 5,
},
}
trace_lsp 控制 LSP 跟踪消息($/logTrace)的日志记录,可设置为:
offmessages:输出 LSP 消息verbose:在消息中添加更多信息。
当 trace_lsp_progress 为 true 时,LSP 进度消息($/progress)也会被记录。
当 log_lsp_messages 为 true 时,LSP 日志消息(window/logMessage)事件会被记录。
请注意,开启所有日志功能可能会导致日志文件随着时间推移变得非常庞大,且应用程序不会对其进行清理。
copilot_node_command
使用此字段指定特定 Node.js 版本的路径,例如由 nvm 安装的版本。Node.js 版本必须为 22 或更高。
示例:
copilot_node_command = vim.fn.expand("$HOME") .. "/.config/nvm/versions/node/v22.0.0/bin/node", -- Node.js 版本必须 > 22
server_opts_overrides
覆盖 Copilot LSP 客户端设置。有关选项列表,请参阅 :h vim.lsp.start。
请确保不要覆盖 name 字段,因为该字段用于效率优化,在多项检查中用于验证 Copilot 是否正在运行。
settings 字段可用于自定义 Copilot LSP 的行为。完整可用设置及其键名请参阅 SettingsOpts.md。
示例:
require("copilot").setup {
server_opts_overrides = {
trace = "verbose",
settings = {
advanced = {
listCount = 10, -- 面板中的补全数量
inlineSuggestCount = 3, -- getCompletions 中的补全数量
}
},
}
}
[!注意]
settings的值遵循与 SettingsOpts.md 中键名匹配的嵌套表结构。
例如,InlineSuggestCount: ["advanced", "inlineSuggestCount"]将变为settings = { advanced = { inlineSuggestCount = 3 } }。
workspace_folders
工作区文件夹可以提升 Copilot 的代码建议质量。
默认情况下,root_dir 会被用作 workspace_folder。
可以通过配置添加额外的文件夹,如下所示:
workspace_folders = {
"/home/user/gits",
"/home/user/projects",
}
也可以在运行时通过命令 :Copilot workspace add [folderpath] 添加,其中 [folderpath] 是要添加的工作区文件夹路径。
root_dir
此选项允许更改用于获取根目录的函数。默认行为是查找包含 .git 文件夹的父目录;如果未找到,则使用当前工作目录。
should_attach
此函数用于决定 Copilot 是否应附加到当前缓冲区。如果你希望超越仅基于文件类型的判断,而对 Copilot 的附加时机有更精细的控制,这个选项会非常有用。你还可以通过省略该函数中的相关部分,使 Copilot 附加到已列出的缓冲区。由于此检查发生在 Copilot 附加到缓冲区之前,因此可以有效防止 Copilot 读取敏感文件。
例如:
require("copilot").setup {
should_attach = function(_, bufname)
if string.match(bufname, "env") then
return false
end
return true
end
}
server
[!CAUTION]
"binary"模式目前仍处于实验阶段,请报告你遇到的任何问题。
type 可以是 "nodejs" 或 "binary"。如果选择 "binary",系统将自动下载对应的二进制文件。
custom_server_filepath 用于指定服务器路径(包括文件名),如果是 "nodejs" 模式,则指向 JavaScript 文件;如果是 "binary" 模式,则指向二进制文件。如果该文件可通过你的 PATH 访问,也可以直接指定文件名。
当使用 "binary" 模式时,下载过程将被禁用,直接使用二进制文件。示例:
require("copilot").setup {
server = {
type = "nodejs",
custom_server_filepath = "/home/user/copilot-lsp/language-server.js",
},
}
命令
copilot.lua 定义了 :Copilot 命令,可用于执行各种操作。该命令支持自动补全,请尝试使用。
集成
copilot.api 模块可用于在 copilot.lua 的基础上构建集成。
- zbirenbaum/copilot-cmp:与
nvim-cmp的集成。 - giuxtaposition/blink-cmp-copilot:与
blink.cmp的集成。 - fang2hou/blink-copilot:与
blink.cmp的集成,但有一些差异。 - AndreM222/copilot-lualine:与
lualine.nvim的集成。
常见问题解答
证书解析错误
这是 Copilot LSP 本身的问题,详情请参阅 此讨论。请将插件更新至最新版本以解决此问题。如果更新后问题仍未解决,有用户反馈称更新 /usr/bin/update-ca-trust 并移除信任提取命令中的 --comment 选项可以解决问题。不过,此方法尚未经过本插件作者验证,可能存在意外后果,请谨慎操作。
多个偏移编码警告
如 #247 中所述,该问题出现的原因是两个或多个客户端使用了不同的偏移编码。要解决这个问题,在 lspconfig 中进行如下设置:
local capabilities = vim.lsp.protocol.make_client_capabilities() -- 获取能力
capabilities.general.positionEncodings = { "utf-16" } -- 设置偏移编码,更多信息请参考 `:h vim.lsp.start`
require("lspconfig")[server].setup({ capabilities = capabilities }) -- 设置服务器
同样地,在 Copilot 的 server_opts_overrides 中也进行设置:
server_opts_overrides = {
offset_encoding = "utf-16" -- 设置与上述相同的偏移编码,更多信息请参考 `:h vim.lsp.start`
}
具体操作请参考你的插件文档。
版本历史
v2.0.12026/03/24v2.0.02026/03/06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
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
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。