GitHub Copilot 是集成在 VS Code 中的 AI 编程助手，可以帮助我们解释代码、修改项目、排查错误以及执行 Agent 任务。如果想在 Copilot Chat 中使用 DeepSeek，过去通常需要手动配置 API 地址、模型名称和各种参数。现在借助插件，只需要安装插件并填写 DeepSeek API Key，就能直接把 DeepSeek V4 添加到 Copilot Cha

自然语言描述→ 项目结构分析→ 图表文件生成→ 自动布局→ 连接线检查→ 矢量导出→ 论文级精修如果追求稳定和通用性，建议优先使用 Draw.io 官方的。如果经常绘制深度学习模型、复杂架构和论文插图，可以尝试。Codex+ 一个主 Draw.io Skill+ Inkscape其中，Draw.io 负责图表结构，Inkscape 负责最终视觉精修，Codex 则负责理解需求、分析项目并持续修改可

自然语言描述→ 项目结构分析→ 图表文件生成→ 自动布局→ 连接线检查→ 矢量导出→ 论文级精修如果追求稳定和通用性，建议优先使用 Draw.io 官方的。如果经常绘制深度学习模型、复杂架构和论文插图，可以尝试。Codex+ 一个主 Draw.io Skill+ Inkscape其中，Draw.io 负责图表结构，Inkscape 负责最终视觉精修，Codex 则负责理解需求、分析项目并持续修改可

Codex 与 Draw.io 的结合，本质上是将自然语言理解、项目分析、XML 生成、图形编辑和质量检查串成一条完整工作流。如果追求稳定和通用性，优先选择 Draw.io 官方的。如果经常绘制深度学习模型、复杂系统架构和论文插图，可以选择。如果只需要普通流程图、UML 图和 ER 图，可以选择更轻量的。如果重点关注正式文档中的视觉质量，可以参考 Sunwood 方案中的布局和 SVG 检查规则。

阅读论文 PDF；生成中英文对照内容；提取论文研究问题；整理方法、实验和结论；建立正文与图表之间的对应关系；形成组会阅读笔记。请使用 nature-reader 阅读这篇论文。要求：1. 先概括论文研究背景和核心问题；2. 按照摘要、引言、方法、实验、结果和讨论进行整理；3. 对关键段落进行中英文对照；4. 逐一解释论文中的主要图表；5. 总结论文的创新点、局限性和可借鉴部分；6. 不要脱离原文补

Codex 与 Draw.io 的结合，本质上是将自然语言理解、项目分析、XML 生成、图形编辑和质量检查串成一条完整工作流。如果追求稳定和通用性，优先选择 Draw.io 官方的。如果经常绘制深度学习模型、复杂系统架构和论文插图，可以选择。如果只需要普通流程图、UML 图和 ER 图，可以选择更轻量的。如果重点关注正式文档中的视觉质量，可以参考 Sunwood 方案中的布局和 SVG 检查规则。

最佳模型可能出现在中间某一轮，而不是训练结束时。应保存验证集指标最高的模型。深度学习调参不是盲目试数字，而是根据训练现象不断提出假设并进行验证。对于初学者，可以记住以下原则：先检查数据，再调整模型。先调学习率，再调其他参数。一次只修改一个主要变量。使用验证集调参，不要反复查看测试集。保存验证集表现最好的模型，而不是最后一轮模型。训练集和验证集都差，通常是欠拟合。训练集很好而验证集差，通常是过拟合。

由于我近期使用了vscode的codex插件辅助编程，所以需要用到vscode的远程连接服务器功能，为此写了一篇博客记录最近的工作日志。

tmux是 Linux 下的一个终端会话管理工具。普通终端关闭 → 程序停止tmux 会话关闭 → 程序继续运行深度学习训练AutoDL 云服务器SSH 远程开发长时间运行任务tmux 的核心其实只有一句话：“退出终端，但不退出程序。Ctrl + BD你就已经超过很多刚接触 Linux 服务器的新手了。

TTA 推理合理的 checkpoint 筛选 + 推理优化，往往比盲目加复杂后处理更有效。对于遥感分割任务来说，这类“训练 + 推理联合优化”的思路，通常比单纯堆模型更稳定，也更容易复现。