技术速递|5 分钟用 GitHub Copilot Agent Mode 创建 Copilot Chat 应用

作者:卢建晖 - 微软高级云技术布道师

排版:Alan Wang

上周 GitHub Copilot 发布了全新的 Agent Mode 模式,我们可以通过 GitHub Copilot Agent Mode 完成新应用的创建,或是根据新的需求在原有项目上添加功能。您可以通过 Visual Studio Code Insiders(1.98) 体验该功能。

开通 GitHub Copilot Agent Mode,需要通过 Visual Studio Code Insiders 设置开通 GitHub Copilot Agent Mode
在这里插入图片描述
之后您可以通过 Edit with GitHub Copilot,选择 Agent Mode 以及对应的模型。现在 GitHub Copilot Agent Mode 支持 GPT-4o、Claude 3.5 Sonnic,以及 Gemini。建议考虑 GPT-4o,因为它支持图片上传。
在这里插入图片描述
完成相关设置后,我们进入 Copilot 应用开发阶段。我们希望有一个 Facebook Messenger 风格的 Copilot Chat,所以我们找一张 Facebook Messenger 的截图作为需求。如图:
在这里插入图片描述
我们在 GitHub Copilot Mode + GPT-4o 场景下,把该图片作为附件添加进 GitHub Copilot 聊天窗。
在这里插入图片描述
输入以下 Prompt

"Generate a Python Flask application based on the content of the image"

可以看到,GitHub Copilot Agent Mode 协助我们生成了 Python + Flask 应用,我们可以检查生成文件并接受。

在这里插入图片描述
然后按照提示运行,我们会发现缺少元素、样式以及布局错误等。
在这里插入图片描述
我们可以通过 Prompt 进行调整,例如:

•	“Adjust page content based on image content, style, and layout”
•	“The chat window height and width are adaptive to the browser size, and the user picture is removed”

通过聊天我们可以成功得到满意的界面。接下来我们希望 AI 能根据现有代码进行调整。这是最基础的前端,当然,我们也可以根据自己的需要进行综合调整。
在这里插入图片描述
完成前端设定后,我们希望结合 GitHub Models 中的 o3-mini 来作为后端,但 GitHub Copilot 无法正确使用 Azure AI Inference SDK 调用 GitHub Models,我们可以用 Agent Mode 引用关联文档,提出新的需求并提供参考代码. 我把 GitHub Models 的 Python 参考代码放进项目文件夹内。
在这里插入图片描述
通过 Agent Mode 引用,使用以下 Prompt 进行添加:

"According to #file:demo.py Use GitHub Models as the backend to provide an API and call it using JavaScript"

这时,Agent Mode 会帮你在相应代码中添加相应的 GitHub Models 调用代码,我们只需接受即可。
在这里插入图片描述
注意:如果你希望获取 GITHUB_TOKEN,请通过 Get API Key 获取。

我们尝试运行一下,一个 Copilot Chat 应用就完成了。
在这里插入图片描述
GitHub Copilot Agent Mode 让 GitHub Copilot 用户能够更加快捷、便利地完成应用,也让非计算机用户能够更高效地完成原型或者应用构建。“人人能编程”的梦想不远矣。

资源

  1. 免费使用 GitHub Copilot

  2. 了解 GitHub Models

  3. 博客:GitHub Copilot: The agent awakens

<think>嗯,用户想了解如何使用AutoDock Vina进行分子对接,需要提供教程或示例。首先,我应该根据提供的引用资料整理一个步骤指南。引用[1]和[2]提到了安装和项目结构,引用[4]有具体的配置参数,而引用[3]讨论了并行化方法。可能用户需要从安装开始,然后准备受体和配体文件,配置对接参数,运行对接,最后分析结果。 需要确认AutoDock Tools是否必须,因为有些用户可能不熟悉它,或者是否有替代方法。比如,使用Open Babel转换文件格式。另外,配置文件的参数设置是关键,比如中心坐标和盒子大小,这些需要用户根据具体结构确定,可能需要解释如何获取这些数值,比如使用PyMOL或类似软件测量。 运行命令部分,引用[4]中的示例命令可以直接使用,但需要说明每个参数的意义。结果分析部分,输出文件的结构和如何解读结合模式和能量值也很重要。可能用户还会关心如何优化性能,引用[3]提到了多进程和GPU加速,虽然Vina本身可能不支持GPU,但可以建议多线程或拆分任务并行处理。 最后,生成相关问题时要覆盖安装、参数确定、优化、结果分析以及应用场景,这样用户能进一步探索。需要确保所有步骤清晰,代码示例正确,并且引用正确的来源,比如引用[1]、[4]等。可能还需要提醒用户注意文件格式的正确转换,避免常见错误,比如PDBQT文件的准备是否正确,坐标中心是否准确,这些都会影响对接结果。</think>### AutoDock Vina 分子对接使用教程 #### 一、环境准备 1. 安装 AutoDock Vina 从GitCode镜像仓库获取最新版本(项目地址见引用[^1]): ```bash git clone https://gitcode.com/gh_mirrors/au/AutoDock-Vina cd AutoDock-Vina && make ``` 2. 文件格式要求 - 受体(蛋白)和配体(小分子)需转换为 `.pdbqt` 格式 - 使用 AutoDock Tools 或 Open Babel 进行格式转换[^4] #### 二、对接配置 1. 创建配置文件 `config.txt` ```bash receptor = protein.pdbqt ligand = ligand.pdbqt center_x = -11.3 # 对接区域中心坐标 center_y = -9.2 center_z = 14.4 size_x = 10.0 # 对接盒子尺寸(单位:Å) size_y = 12.5 size_z = 12.5 num_modes = 9 # 输出结合模式数量 energy_range = 4 # 能量范围阈值 ``` (参数来源见引用) 2. 坐标确定方法 使用 PyMOL 或 Chimera 查看受体活性口袋的三维坐标,通过可视化软件测量中心位置 #### 三、运行对接 执行命令(多核加速可添加 `--cpu 8` 参数): ```bash vina --config config.txt --log result.log ``` 输出文件包含结合模式(`ligand_out.pdbqt`)和打分值(`result.log`) #### 四、结果解析 1. 查看结合能 ```text -----+------------+----------+---------- MODE | AFFINITY | DISTANCE | RMSD | (kcal/mol) | FROM BEST| (A) -----+------------+----------+---------- 1 -7.1 0 0.0 2 -6.8 1.23 1.5 ``` AFFINITY 值越小表示结合越强[^4] 2. 可视化分析 使用 PyMOL 加载受体和配体构象,观察氢键、疏水作用等相互作用模式 #### 五、性能优化 1. 并行计算:通过 Python 多进程拆分任务(代码示例见引用[^3]) 2. 参数调优:缩小对接盒子尺寸可减少计算时间(需保证覆盖活性位点)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值