Copy4AI:智能代码复制工具,优化AI编程助手上下文交互

news2026/5/10 7:13:44
1. 项目概述一个为AI对话而生的代码复制工具如果你和我一样经常需要把项目代码的片段、结构甚至整个文件夹的内容喂给ChatGPT、Claude这类大语言模型LLM来分析问题、生成代码或者解释逻辑那你一定体会过那种“复制粘贴地狱”。手动一个个文件打开复制再在聊天框里费力地组织格式说明文件结构不仅效率低下还容易遗漏关键文件或引入大量无关的配置文件、日志和node_modules这样的依赖目录。Copy4AI原名SnapSource就是为解决这个痛点而生的。它是一个Visual Studio Code扩展核心功能极其专注让你能一键复制选中的文件、文件夹甚至是整个工作区的代码内容并自动附上清晰的项目树状结构图。更重要的是它内置了智能过滤——默认忽略点文件如.env,.git、尊重项目的.gitignore规则、自动检测并排除二进制文件还能设置文件大小上限。最终它会将整理好的内容以纯文本、Markdown或XML格式输出到你的剪贴板让你能丝滑地粘贴到任何AI助手的对话框中。这不仅仅是简单的“全选复制”。它带来的是一种工作流的质变。想象一下当你遇到一个复杂的Bug时不再需要费力地向AI描述“在src/utils目录下的helper.js文件里大概第50行有一个函数……”而是直接右键该文件夹选择“Copy to Clipboard (Copy4AI)”瞬间就能获得一份格式整洁、结构清晰的完整上下文直接丢给AI。对于代码审查、知识分享、项目归档等场景它同样是一个利器。2. 核心功能深度解析与设计理念2.1 智能内容过滤不只是复制更是整理Copy4AI最核心的价值在于其智能过滤系统。一个典型的项目里充斥着大量对AI理解代码逻辑无益甚至会产生干扰的文件比如版本控制文件.git目录及其内部文件。环境配置与密钥.env,.env.local等你绝对不想意外泄露这些。构建产物与依赖node_modules,dist,build,.next等。日志与临时文件*.log,*.tmp。二进制文件图片、压缩包、可执行文件等。如果手动筛选这些文件既繁琐又易错。Copy4AI通过多层过滤机制自动化了这个过程基于规则的默认过滤默认开启ignoreDotFiles和ignoreGitIgnore。前者直接过滤所有以点开头的文件和文件夹这是最快速的一层防护。后者则直接读取项目根目录的.gitignore文件将开发者自己定义的不需要纳入版本控制的文件排除在外。这意味着你的复制结果从一开始就是“干净”的。可定制的排除模式通过excludePatterns全局模式和excludePaths具体路径你可以进行更精细的控制。例如你可以设置[*.min.js, coverage/**]来排除所有压缩后的JS文件和测试覆盖率报告目录。动态内容排除这是1.3.0版本引入的一个非常实用的功能——excludeContentPatterns。有些文件你希望它在项目树中显示让AI知道它的存在但不需要复制其具体内容。比如项目中的logo.svg或diagram.png在树状图中列出它们有助于AI理解项目结构但把它们的二进制或Base64内容复制进去就毫无意义且浪费Token。这个设置完美解决了这个问题。实操心得我强烈建议将ignoreGitIgnore保持为true。因为.gitignore本身就是项目维护者对于“哪些文件不该进入仓库”的最佳实践定义这同样适用于“哪些文件不该喂给AI”。这能确保你复制的内容与项目的核心逻辑高度相关。2.2 结构化输出为AI优化可读性简单的文件内容堆砌对AI来说信息密度很低。Copy4AI提供了三种输出格式每种都旨在提升AI对代码结构的理解。Markdown默认且推荐这是与AI交互的黄金标准。它会用Markdown的代码块语法包裹每个文件的内容并指定语言如javascript,python这能帮助AI的代码理解模块进行更准确的语法高亮和解析。项目树也会以清晰的缩进列表形式呈现。这种格式在ChatGPT、Claude的Web界面或API中都能被完美渲染可读性最佳。纯文本一种更简洁、无格式的表示。所有内容以纯文本形式排列项目树用缩进和特殊字符表示。这种格式的优点是极其通用在任何纯文本编辑器或某些对格式支持有限的聊天框中都不会出错。缺点是视觉结构稍弱。XML提供了一种机器可读性极强的结构化数据格式。每个文件和目录都被包裹在明确的标签中属性可能包含路径、类型等信息。这种格式更适合需要后续进行自动化处理如解析、导入到其他系统的场景但对于直接的人-AI对话来说可读性不如Markdown。为什么结构如此重要当你向AI提问“为什么这个API调用在/api/user路由里会失败”时如果AI能同时看到项目树中routes/目录下有user.js和admin.js并且能看到user.js文件里具体的控制器逻辑和中间件引用它就能进行更精准的上下文推理。结构提供了代码模块之间的空间关系这是单纯的文件内容列表无法提供的。2.3 Token管理与成本预估量化你的上下文与AI模型交互尤其是使用GPT-4这类高级模型时Token消耗直接关联到成本。无节制地复制整个项目可能会迅速触达模型的上下文窗口上限例如128K或者产生意想不到的API费用。Copy4AI的Token计数和成本预估功能需在设置中启用enableTokenCounting是一个预防性工具。它会在复制操作完成后在VS Code的信息栏显示估算的Token数量以及根据你设定的模型如gpt-4o估算的成本。这给了你一个即时反馈你即将发送的内容有多大。maxTokens设置你可以设定一个阈值比如10000。当复制内容的估算Token数超过这个值时扩展会弹出警告让你有机会重新考虑是否要发送全部内容或者先进行一些过滤。成本意识这个功能尤其在商业使用或频繁调用API时显得至关重要。它能帮助你培养“Token经济”意识优先复制最相关、最核心的代码片段而不是盲目地倾倒整个项目。注意事项Token计数功能需要网络访问以获取特定模型的编码方式Tokenizer。它只是一个基于算法的估算值与模型服务器端的实际计数可能存在细微差异但足以作为可靠的参考。对于涉及敏感代码的项目请根据公司政策决定是否启用此需要外部网络请求的功能。3. 从安装到精通完整配置与工作流指南3.1 安装与基础使用安装过程与任何VS Code扩展无异。在扩展商店中搜索“Copy4AI”或“SnapSource”点击安装即可。安装后你会在资源管理器Explorer中文件或文件夹的右键菜单里看到新增的选项。基础工作流只有三步选择在VS Code的资源管理器中选中一个或多个文件、文件夹。右键点击右键上下文菜单中会出现两个主要命令Copy to Clipboard (Copy4AI)复制选中项的内容及结构如果选中的是文件夹。Copy Project Structure (Copy4AI)仅复制选中文件夹的项目树状结构不包含文件内容。这对于快速向同事或AI描述项目布局非常有用。粘贴在任何地方AI聊天框、文档、笔记使用CtrlV或CmdV粘贴即可。对于需要频繁切换的配置如“是否包含项目树”或“是否包含点文件”扩展还提供了快速切换命令可以通过CtrlShiftP打开命令面板搜索“Toggle Project Tree (Copy4AI)”或“Toggle Dot Files Inclusion (Copy4AI)”来即时开关无需进入设置页面。3.2 高级配置详解Copy4AI的强大之处在于其丰富的可配置性。你可以在VS Code的设置settings.json中针对每个工作区或全局进行微调。以下是一些关键配置的深度解读{ copy4ai.outputFormat: markdown, copy4ai.includeProjectTree: true, copy4ai.maxDepth: 5, copy4ai.ignoreDotFiles: true, copy4ai.ignoreGitIgnore: true, copy4ai.maxFileSize: 1048576, copy4ai.exclude: { paths: [src/config/local, tests/fixtures/large-data.json], patterns: [node_modules, dist, *.log, *.min.*, coverage/**] }, copy4ai.excludeContentPatterns: [*.svg, *.png, *.jpg, *.ico], copy4ai.compressCode: false, copy4ai.removeComments: false, copy4ai.llmModel: gpt-4o, copy4ai.enableTokenCounting: true, copy4ai.maxTokens: 15000, copy4ai.enableTokenWarning: true }maxDepth默认5控制项目树显示的深度。对于非常深的嵌套目录限制深度可以避免树状图过于冗长。设置为0或1可以只显示顶层结构。你需要根据项目复杂度和AI需要了解的上下文层次来调整。maxFileSize默认1MB这是一个安全阀。它能防止意外将巨大的日志文件、数据库转储或二进制资源复制进去。超过此大小的文件会被静默跳过。如果你的项目中有必须包含的较大文本文件如某些数据文件可以适当调高此值但需谨慎。compressCode与removeComments这两个是代码“瘦身”选项。启用compressCode会删除多余的空格和空行启用removeComments会尝试移除代码注释。我的建议是除非Token预算非常紧张否则保持它们为false。因为格式和注释对于人类和AI理解代码意图至关重要。格式良好的代码更易读而注释往往解释了“为什么这么做”这对于AI解决问题是关键上下文。结构化exclude配置如上例所示使用copy4ai.exclude对象是更清晰的方式。paths用于精确排除特定位置的目录/文件如只想排除src/config/local这个特定配置目录而保留其他地方的config文件夹。patterns用于全局模式匹配。这种组合提供了极大的灵活性。3.3 实战场景与技巧场景一向AI请教一个特定模块的Bug操作在资源管理器中找到有问题的模块目录例如src/features/payment右键选择Copy to Clipboard (Copy4AI)。技巧在粘贴到AI对话框后在第一行先清晰地提出你的问题例如“以下是我的支付模块代码在processRefund函数中当用户ID为空时似乎有逻辑错误请帮我分析。” 这样AI能立刻将代码与问题关联。场景二为新成员快速介绍项目结构操作在项目根目录右键选择Copy Project Structure (Copy4AI)然后将结构图粘贴到项目README或聊天窗口中。技巧结合maxDepth设置先给一个高层级的概览maxDepth: 2再针对核心模块深入展示。场景三准备用于代码审查的素材操作选中你修改过的所有文件使用Copy to Clipboard。利用excludeContentPatterns设置确保图片等资源只显示路径不显示内容让审查重点集中在代码逻辑上。技巧在提交审查请求时附上这份由Copy4AI生成的、格式统一的代码摘要能极大提升审查者的效率。场景四跨项目复用代码片段操作从旧项目中选中一组相关的工具函数和其依赖的配置文件复制后粘贴到新项目的AI对话中并提问“请根据这些旧项目的工具函数为我用[新语言/新框架]实现类似功能。”技巧确保复制了相关的类型定义、接口或配置文件这能帮助AI更好地理解代码的约束和上下文。4. 技术架构与性能考量4.1 异步处理与健壮性处理大型项目目录时同步的I/O操作很容易导致VS Code界面“假死”。Copy4AI从设计上就采用了异步处理模式。这意味着当你触发复制一个包含成千上万文件的node_modules虽然你应该排除它目录时扩展会启动异步任务来遍历文件、读取内容、应用过滤规则而不会阻塞主线程。你会看到一个进度提示了解当前的处理状态。健壮性体现在错误处理上。早期的版本曾遇到一个典型问题当遇到一个使用UTF-16编码的文件时读取失败会导致整个复制过程中断。在1.0.20版本中这个问题被彻底修复。现在的FileProcessor模块具备更强的编码检测和容错能力。如果某个文件因编码不支持或权限问题无法读取扩展会记录错误、跳过该文件并继续处理其他文件确保最大程度地获取可用的内容。4.2 模块化架构从1.1.0版本完成TypeScript重写后项目的架构变得非常清晰这也是其稳定性和可维护性的基础ConfigurationService集中管理所有用户设置为其他模块提供统一的配置接口。FileProcessor负责最底层的文件操作包括读取、编码检测、二进制文件判断和大小检查。ProjectTreeGenerator根据配置的深度、排除规则等生成内存中的项目树状结构。OutputFormatter一个工厂模式根据outputFormat设置实例化对应的格式化类MarkdownFormatter,PlainTextFormatter,XMLFormatter将处理好的文件和树结构转换成最终字符串。IgnoreUtils封装了复杂的忽略逻辑处理.gitignore解析、glob模式匹配和路径排除是过滤系统的核心。TokenCounter当启用时负责与外部Tokenizer服务通信估算Token和成本。这种关注点分离的设计使得每个模块职责单一易于测试和维护。例如如果你想增加一种新的输出格式比如JSON只需要在OutputFormatter中添加一个新的类即可不会影响到文件处理或树生成的逻辑。4.3 性能优化点在实际使用中有几个配置项会显著影响复制操作的性能maxDepth设置过大会导致ProjectTreeGenerator需要遍历更深层级的目录增加I/O开销。通常5-7层对于绝大多数项目已足够。enableTokenCounting启用此功能意味着在复制完成后需要将文本内容发送到本地或远程的Tokenizer进行计算。对于大段文本这会增加明显的处理时间。建议仅在需要成本控制时开启日常调试可关闭。排除规则的有效性正确配置exclude.patterns如包含node_modules,dist是提升性能最有效的手段。避免让扩展去遍历这些庞大的、无关的目录。文件大小限制maxFileSize不仅是个安全功能也是个性能保护。避免意外尝试读取数GB的大文件。5. 常见问题排查与进阶技巧5.1 问题排查速查表问题现象可能原因解决方案复制后粘贴无内容或内容不全1. 剪贴板被其他应用占用或冲突。2. 选中了被排除规则过滤掉的文件/目录。3. 文件过大超过maxFileSize限制。1. 尝试复制少量文本到记事本确认剪贴板正常。2. 检查copy4ai.ignoreDotFiles,ignoreGitIgnore及exclude设置。3. 检查VS Code输出面板CtrlShiftU中Copy4AI的日志看是否有错误或跳过提示。项目树结构没有出现includeProjectTree设置为false或选中的是单个文件。1. 确认设置中copy4ai.includeProjectTree为true。2. 项目树只在复制文件夹或多选时生成。对于单个文件只复制内容。.env或.github文件被意外包含ignoreDotFiles设置被关闭或覆盖。1. 检查全局/工作区设置中的copy4ai.ignoreDotFiles。2. 使用命令面板的Toggle Dot Files Inclusion快速切换。Token计数不显示或显示为0enableTokenCounting未开启或网络问题导致计数服务不可用。1. 确认设置中copy4ai.enableTokenCounting为true。2. 检查网络连接。该功能可能需要访问外部API。复制操作非常慢1. 选中了包含海量文件的目录如未排除的node_modules。2. 启用了Token计数且内容很长。1. 确保exclude.patterns正确排除了大型依赖目录和构建输出目录。2. 对于大型复制可临时关闭Token计数功能。某些代码文件的注释未被移除removeComments功能并非支持所有语言或注释格式复杂。该功能基于正则表达式实现可能无法处理所有边缘情况。对于关键场景建议手动清理或不要依赖此功能。5.2 进阶使用技巧工作区特定配置你可以在项目的.vscode/settings.json中配置Copy4AI这样配置就能随项目一起共享给团队成员。例如一个前端项目可以设置排除dist,.next,.nuxt一个Python项目可以排除__pycache__,.venv。与“选择多项”功能结合在VS Code资源管理器中按住CtrlWindows/Linux或CmdMac可以多选不连续的文件和文件夹。利用这个功能你可以精确挑选跨目录的、与某个特定问题相关的所有文件进行复制。利用“仅复制结构”进行规划在开始一个新功能或重构之前先用Copy Project Structure命令复制出你计划创建或修改的目录结构粘贴到设计文档或AI对话中用于讨论和规划非常高效。处理嵌套的Git仓库如果你的项目中有作为子模块的嵌套Git仓库.gitignore规则可能不会应用到子模块内部。此时你可能需要在exclude.paths中显式地添加子模块的路径。输出格式的后续处理复制的Markdown格式内容除了直接喂给AI也可以粘贴到支持Markdown的笔记软件如Obsidian、Notion中作为一份漂亮的代码快照存档。5.3 与其他工具的比较市面上也有一些其他复制代码的VS Code扩展或在线工具但Copy4AI的独特优势在于其深度集成与AI工作流优化。它不像一些简单的代码片段管理器而是专门为“提供完整的项目上下文给LLM”这一场景打造。其基于.gitignore的智能过滤、Token成本意识以及可定制的输出格式都紧紧围绕这个核心目标。相比于手动操作它带来的效率提升是数量级的相比于一些通用的“复制路径”扩展它在内容的相关性、安全性和格式友好度上又更胜一筹。它解决的是一个非常具体但日益普遍的现代开发痛点。我个人在深度使用Copy4AI几个月后它已经成为了我VS Code环境里不可或缺的“副驾驶”助手。它减少了我与AI交互时的摩擦让我能更专注于问题本身而不是繁琐的上下文准备。它的配置虽然丰富但默认设置已经能很好地处理80%的情况开箱即用。当你需要处理更复杂的项目结构或有特定的安全、成本考量时再深入挖掘它的高级设置即可。这个工具体现了一个很好的理念优秀的开发者工具不是增加功能而是通过自动化消除障碍让你流畅地进入心流状态。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2599955.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…