新闻详情

新闻详情

首页 / 资讯中心 / 详情

VS Code Agents 新玩法:先闲聊,后绑定项目

发布时间:2026/11/19 11:04:00来源:尧图网络
VS Code Agents 新玩法:先闲聊,后绑定项目
不知道大家平时用vscode Agents的时候有没有遇到这种尴尬。想先跟AI唠唠思路讨论下方案构思。可只要你想聊代码相关内容就必须先打开对应的项目文件夹。如果没加载工作区Agent会话完全看不到本地代码一旦切换工程旧聊天直接作废历史对话全部丢失只能重新新建会话从头聊一遍体验实在有点闹心。有时候再开发过程中想临时问些通用的问题但是不想污染目前的聊天内容就类似于电影里面的一些旁白的作用。以前的vscode确实没有为这种需求做设计。现在VS Code给Agents带来了一个很贴心的更新Quick chats快速会话支持后期再绑定工作空间workspace。简单来说你现在可以先开启一次无项目绑定的快速聊天。一开始不用打开任何本地工程直接就在Agents窗口跟AI自由沟通。可以聊聊技术选型、头脑风暴、梳理需求纯粹讨论想法不用跟本地文件夹挂钩。可以使用快捷键 ctrl k ctrl n连续按两组快捷键快速打开quick chat也可以点击Chats右上角的加号。也可以使用命令面板执行Chat: Open Agents Window来打开聊天记录可以再左边的Chats找到这里顺便提一句vscode之前也有一个叫quick chat的东西是存在与编辑器窗口的悬浮在编辑器顶部的临时轻量输入条。关掉之后聊天历史直接消失不会保存会话记录。这个quick chat经常用来临时问一个小问题、解释一段选中代码、快速生成一小段代码。为了方便区分可以把本文主题的chat quick叫做Agent window quick chat另一个叫做editor window quick chat。聊着聊着话题落到手上这个项目了需要AI读取本地源码帮你改代码的时候不用关掉当前对话也不用新开会话。直接让Copilot Agent附加本地文件夹就可以继续往下聊。当你想真正落地或者实现什么之后这里会给出一个选择。你有3条路可选直接使用当前文件夹自定义一个目录创建独立隔离的Git worktree。直接使用文件夹Agent就直接读写你本机项目文件改动实时生效。而隔离worktree模式就有意思了Agent的所有修改全部跑在一份独立的Git工作树上。你的原始源码不会被胡乱改动相当于给AI开辟一块沙箱先随便造等你确认改动没问题之后再合并回正式代码。这也是vscode最推荐的方式。不过再使用这个方式之前你至少有一个git仓库并且提交了一次。此时vscode就会再右边出现Changes的面板放在以前头脑风暴和写代码只能割裂开来。先在外边想好了思路复制粘贴提示词新开会话再让AI改项目代码中间很容易丢失一部分上下文。现在的流程就顺滑很多先闲聊头脑风暴定方案 → 原地挂载项目源码 →可选开启隔离worktree沙箱→ AI基于前面讨论的结果直接动手修改代码。这个小更新看着不起眼却实实在在改善了Agent的使用习惯。尤其是平时喜欢先跟AI一起梳理设计思路再动手写代码的小伙伴可以好好体验一下这个新特性。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉