## 1. 文档目的
本文档用于说明如何使用 Visual Studio Code（以下简称 VS Code）远程连接 Linux 服务器，并在本地完成远程文件编辑、终端操作、代码运行与调试等开发工作。



## 2. 适用场景
+ 需要在本地电脑上开发或维护服务器中的代码
+ 服务器仅提供 SSH 登录方式
+ 希望使用 VS Code 的图形界面管理远程项目
+ 需要统一本地开发体验与远程运行环境

## 3. 环境要求
### 3.1 本地环境
+ 已安装 VS Code
+ 本地可以通过网络访问目标服务器
+ 已安装 OpenSSH 客户端

可在终端中执行以下命令检查 SSH 是否可用：

```bash
ssh -V
```

### 3.2 服务器环境
+ 服务器已启动 SSH 服务
+ 拥有可登录服务器的用户名和密码，或 SSH 私钥
+ 当前用户具备目标目录的访问权限

## 4. 需要安装的 VS Code 扩展
在 VS Code 扩展市场中安装以下扩展：

+ `Remote - SSH`

通常安装 `Remote Development` 扩展包也可以，它会同时包含远程开发常用组件。

< img src="https://cdn.nlark.com/yuque/0/2026/png/58169839/1777375388210-1e6f668e-0ccd-4625-8965-41d92ac0f826.png" width="1200" title="" crop="0,0,1,1" id="u727a9cc6" class="ne-image">

## 5. 连接前准备
连接服务器前，需要确认以下信息：

+ 服务器 IP 地址或域名
+ SSH 端口，默认一般为 `22`
+ 登录用户名
+ 登录认证方式
    - 密码认证
    - 私钥认证

建议优先使用私钥认证，安全性更高。

## 6. 配置 SSH 连接
### 6.1 打开远程连接入口（快速连接）
< img src="https://cdn.nlark.com/yuque/0/2026/png/58169839/1777424099888-aaf1fd23-c3ea-4e5a-8639-52eb86ca8258.png" width="1200" title="" crop="0,0,1,1" id="u57478000" class="ne-image">

依次点击ssh插件，添加连接，输入 ssh 用户名@10.61.48.10，enter键后，出现

< img src="https://cdn.nlark.com/yuque/0/2026/png/58169839/1777424270935-17171f8f-959f-46f4-a421-ec05bd2f12a1.png" width="611" title="" crop="0,0,1,1" id="ua49a9cbf" class="ne-image">

点击第一个选择就将远程连接添加成功了，然后点击左侧的连接符号，输入密码就能连接成功了。

### 6.3 首次连接说明
首次连接时，VS Code 通常会执行以下动作：

+ 校验服务器指纹
+ 提示选择远程系统类型，例如 Linux
+ 在远程服务器上自动安装 VS Code Server

如果弹出认证提示：

+ 密码认证：输入服务器密码
+ 私钥认证：确保私钥路径和权限配置正确

连接成功后，左下角会显示当前远程连接状态。

### 6.4 打开 SSH 配置文件（自行配置）
在本地终端中编辑 SSH 配置文件：

```bash
code ~/.ssh/config
```

如果文件不存在，可以手动创建。

### 6.5 配置示例
在 `~/.ssh/config` 中添加如下内容：

```plain
Host my-server
    HostName 10.61.48.10
    User lzb
    Port 22
    IdentityFile ~/.ssh/id_rsa
```

字段说明：

+ `Host`：自定义连接名称，后续在 VS Code 中通过该名称连接
+ `HostName`：服务器 IP 或域名
+ `User`：登录用户名
+ `Port`：SSH 端口
+ `IdentityFile`：私钥文件路径，第一次添加远程主机先省略 `IdentityFile`。

如果使用密码登录，可以先省略 `IdentityFile`。

# 7. 打开远程目录
连接成功后：

1. 打开命令面板
2. 执行 `Remote-SSH: Open Folder...`
3. 选择服务器上的目标项目目录

例如：

```bash
/home/project/demo
```

打开后，VS Code 文件资源管理器中显示的是服务器上的文件，而不是本地文件。

## 8. 常用操作
### 8.1 打开远程终端
在 VS Code 中选择：

+ 菜单栏 `Terminal` -> `New Terminal`

此时打开的是服务器终端，可以直接执行远程命令，例如：

```bash
pwd
ls
python3 app.py
```

### 8.2 编辑远程文件
直接在 VS Code 中打开并保存文件，修改会同步写入服务器。

### 8.3 安装远程环境扩展
某些扩展需要安装到远程服务器环境中，例如：

+ Python
+ Pylance
+ Docker

当 VS Code 检测到远程环境时，通常会提示安装到 `SSH: my-server`。

## 9. 常见问题与排查
### 9.1 无法连接服务器
可先在本地终端测试 SSH：

```bash
ssh my-server
```

如果终端也无法连接，重点检查：

+ IP 或域名是否正确
+ SSH 端口是否开放
+ 本地网络是否可以访问服务器
+ 服务器 SSH 服务是否正常运行

**特别的，本文由Zhibo Lv提供，感谢他!**

VSCode的使用

# 简介
该篇博客主要介绍一下当前的可用工具链与资源，以防大家重新造轮子



## 硬件资源
课题组公开开放的硬件资源主要包括Linux服务器x1，NASx1与其他各类硬件，请联系管理员开通服务器/nas账号，并了解已有硬件的共享使用登记规则。

## 硬件使用
### NAS
之前nas的使用文档我放在了nas里，现在想来是否太不合理了（自指）？所以这里平移过来先。

#### 一、基本概述

- **内网IP地址**: `10.62.192.79`
- **账号获取**: 联系管理员创建
- **已支持服务**:
  - SMB/CIFS：文件共享与访问
  - SFTP：安全文件传输
  - WebDAV：通过HTTP/HTTPS协议管理文件
  - 迅雷下载：远程下载资源至NAS
  - GitLab：代码版本控制
  - 其他需求可联系管理员

#### 二、各服务连接方法

1. **SMB/CIFS**
   - **Windows**：在文件资源管理器地址栏输入 `\\10.62.192.79`，输入账号密码登录
   - **Mac**：在 Finder 的“前往”→“连接服务器”中输入 `smb://10.62.192.79`
   - **Linux**: 在/etc/fstab下添加：
   ```text
   //10.62.192.79/home /mnt/nas cifs credentials=/home/用户名/.nascred,uid=1000,gid=1000,iocharset=utf8,file_mode=0755,dir_mode=0755 0 0
   ```
   并在 /home/用户/.nascred 文件中写入：
    ```text
    username=你的用户名
    password=你的密码
    ```
    然后 sudo chmod 600 /home/用户/.nascred 保护凭据。
    特别的，也可以加入
    ```
    //10.62.192.79/public
    //10.62.192.79/Gitlab
    ```
    等路径
2. **SFTP**
   - 使用支持SFTP的客户端（如FileZilla）连接至 `10.62.192.79`，用NAS账号登录

3. **WebDAV**
   - 在支持WebDAV的应用或系统中添加网络位置，地址为 `http(s)://10.62.192.79/webdav`，按提示认证

4. **迅雷下载**
   - 浏览器访问 `http://10.62.192.79/`，登录后即可添加下载任务

5. **GitLab**
   - 实例访问地址：`10.62.192.79/volume1/GitLib`
   - 克隆仓库示例：
     ```bash
     git clone ssh://username@10.62.192.79/volume1/GitLib/res.git
     ```
   - 需要SSH权限支持
  

6. **其他信息**
   - 官方软件下载：https://www.synology.cn/zh-cn/support/download/DS1821+

#### 三、注意事项

- 请妥善保管账号，**不要分享登录凭证**
- **定期备份重要数据**，防止意外丢失
- 遇任何问题或需要技术支持，请及时联系管理员

### Linux服务器

**注意，除非另有通知，校园网环境内不要直接使用Openclaw等agent监听任何端口！**

#### 一、基本概述

- **内网IP地址**: `10.61.48.10`
- **操作系统**: Rocky9
- **账号获取**: 联系管理员创建
- **网络特点**: 已优化科研专线，具备香港 IP（HK IP），方便访问国际学术资源与数据集
- **主要用途**: 高性能计算、数据处理、模型训练等

#### 二、连接方式

##### 1. SSH 命令行登录
这是最常用的登录方式，所有系统均支持。

- **Linux / Mac**：直接在终端使用 `ssh` 命令
  ```bash
  ssh 用户名@10.61.48.10
  ```
  首次登录会提示确认主机指纹，输入 `yes` 并回车，之后输入密码。

- **Windows**：
  - 较新版本 PowerShell 或 CMD 已内置 OpenSSH，可直接使用上述命令。
  - 也可使用第三方客户端如 PuTTY，Host Name 填 `10.61.48.10`，端口 `22`，连接后输入账号密码。

- **免密登录（推荐）**：  
  在本地生成 SSH 密钥对（如已存在可跳过）：
  ```bash
  ssh-keygen -t rsa -b 4096
  ```
  将公钥复制到服务器：
  ```bash
  ssh-copy-id 用户名@10.61.48.10
  ```
  之后登录不再需要输入密码。

##### 2. SFTP 文件传输

- **命令行**：使用 `scp` 或 `sftp` 命令从本地与服务器上传下载文件。
  ```bash
  # 上传文件
  scp 本地文件 用户名@10.61.48.10:~/
  # 下载文件
  scp 用户名@10.61.48.10:~/远程路径 ./
  ```

- **图形客户端**： 
    推荐使用vscode或其他现代ide工具，可实现拖拽传输文件。

##### 3. 其他服务需求
如需在服务器上运行 Jupyter Notebook、TensorBoard、RStudio Server 等 Web 服务，可联系管理员协助配置端口转发或反向代理。


#### 三、使用规范与注意事项

- **计算资源**：服务器为多人共享，请避免长时间霸占全部 CPU/GPU/内存，提交长时间任务前建议用 `top` 或 `nvidia-smi` 查看负载。
- **数据管理**：个人数据请存放在家目录（`/home/用户名`）或指定NAS数据位置，重要数据定期备份。
- **软件环境**：系统已预装常用开发环境（Python、GCC 等），如需特定软件或版本，可联系管理员安装。
- **网络使用**：服务器具备国际专线，请合理使用，勿因违规下载导致 IP 被限。
- **安全性**：
  - 不要与他人共享账号。
  - 离开终端时请使用 `exit` 登出，或使用 `screen`/`tmux` 管理会话。

- **技术支持**：遇到任何问题（联网故障、权限不足、软件报错等），请及时联系管理员。


#### 四、AI工具的使用

在服务器上使用 AI Coding Agent（如 Claude Code、Codex CLI、OpenCode 等）时，**可能需要额外配置网络代理或环境变量**，以确保工具能正常访问外部 AI 服务。然而，网络代理层配置目前**没有**合适的接管方案，如果不稳还请上报管理员。


- **API 密钥管理**  
  多数 AI 工具需要设置 API 密钥，建议通过环境变量或专用配置工具管理，**不要硬编码在脚本或提交到版本控制**。示例：
  ```bash
  export ANTHROPIC_API_KEY="your_key_here"
  export OPENAI_API_KEY="your_key_here"
  ```

    本机内部应该已经做好了权限隔离，但请各位还是要负责任地使用生成式人工智能。

    对于未来可能的代理，应该只需要在终端显式指定监听：

  ```bash
    export http_proxy='http://127.0.0.1:7890'
    export https_proxy='http://127.0.0.1:7890'
   ```
   
特别的，各位也可以直接使用docker，在本地调试通过后拉到服务器上直接训练，具体教程省略。

### 其他软件的使用（正在更新中）

[VScode的使用](https://cancanneed.icu/post/4)

课题组基础工具与使用

# LLM 与 Agents 的飞轮效应，距离我们还有多远
站在2026年4月底这一个时间点上，谈论这个问题似乎是恰逢其会。

随着今年早期Openclaw热潮的逐渐平息(事实上，这个博客服务器就是当时阿里云搞得openclaw优惠套餐留下的基础设施遗产)，回顾一下agents的发展与局限性是很有趣的一件事。作为一名非典型技术爱好者，我也较为长期的使用了cc,codex和openclaw以及一些不太知名的，乱七八糟的agents。

当前的基础模型与agent设计的确让自然语言->可用程序这一流程简化到了两年前无法想象的程度，agent也从24年的概念阶段逐渐走向工程可用，但在对Agents能力惊叹的同时，也存在一些隐藏的焦虑：



>AI在多少程度上会取代程序员？
>
>又会在多大程度上取代泛计算机学科的科研工作？

定量结论很难详细给出，不过我们可以讨论一个更有趣的话题角度，如果AI要在某个方面高度取代人类，其至少要做到**任务闭环**。

从控制论的角度讲，闭环控制是非常经典与核心的概念，从目标到反馈，再到比较与最终的控制，一个设计合理的闭环系统只需要通过一个目标设定就可以在工作范围内达成目的。其中，对与agents来讲最核心的部分我认为就是反馈，这也恰好对应上了llm令人印象深刻代码和数学能力:至少在某些子问题上，有相对明确的对错标准。

因此，我们这里想引入一个“飞轮效应”来讨论这一想法。


## 1.什么是飞轮效应？

“飞轮效应”最初指为了让静止的飞轮开始旋转，需要持续的初始力，但当其动能累计后，只需要少量外力即可持续运转。后续被贝索斯等人引入到管理和商业领域，用于阐述系统/公司突破临界点后，可以高效自主运转与扩展的机制。

对于agent飞轮来讲，其能够调用工具，能够连续执行多个步骤，但飞轮并没有完全转起来，核心缺失就是任务闭环。如果该系统能够持续完成任务并得到可评价的结果，自动积累数据资产，为下一轮生产与基模迭代提供更多燃料，我们就能够认为飞轮已经转起来了。

可以简单定义为以下流程：

**智能体执行任务 → 与环境交互，产生行动-观察-结果轨迹 → 从成功/失败中自动学习 → 能力提升 → 解锁更复杂场景 → 产生更多高质量交互数据 → 循环加速**

能否利用任务结束后的反馈，是开环的”强大自动化工具“和闭环的”飞轮系统“间的主要区别。

特别的，这里的”飞轮“似乎与经济学中的”马太效应“本质类似：

>凡有的，还要加给他，叫他有余；凡没有的，连他所有的也要夺去。  ----《马太福音》

但为了形象化说明“飞轮”开始旋转后越来越强的后续动能，我认为这里使用飞轮效应这个词更有趣。这一部分在4.4节我们还会有详细论述。

编程是飞轮最容易转起来的领域，原因也很简单，该领域拥有非常及时的正确/错误反馈。尽管代码的错误逻辑对于人类稍显复杂，多种错误类型之间也呈现出复杂的耦合态势，但能够作为一个典型“难实现，易验证”的问题构造领域，除了人类价值判断等必须人工参与的环节之外，LLM Agent可以接管程序设计中的闭环流程，如果通过最简单的测试通过/不通过来作为核心指标，已经可以给出不太谦虚的断言：

**以代码通过为唯一指标的Coding Agent 已经实现了自动飞轮**

但显然代码的作用不仅仅是为了正确。

### 2.2 数学与形式化证明

数学领域的情况与代码类似，但更为微妙。

数学有明确的正确性标准，一个命题的成立与否，一个证明的有效与否，原则上不依赖人的主观判断。在标准数学题，形式化证明等领域，模型的输出是可以被检查，验证或反驳的。

但数学领域的自然语言证明相比于代码，其运行性依然有一定差距。LLM很容易生成一些流畅完整且自信的证明文本，但其中可能隐藏着非常细微的错误，如归纳假设，边界条件或不等价变形等。对于人类和语言模型，验证这些并不是非常容易且直接。

形式化证明则是弥合这一差距的核心手段。在Lean，Coq等形式化证明系统中，证明和可执行的代码非常接近，可以通过逻辑与规则进行验证（参见[^1]），其闭环流程可以一定程度上优化掉人类审查环节。
```text
自然语言数学：
提出解法 → 人类或模型检查 → 发现潜在错误(困难) → 修改推理

形式化证明：
生成 Lean/Coq 证明 → proof checker 检查（自动化） → 返回错误 → 修改证明 → 再检查
```
不过，这并不意外着数学飞轮相比代码飞轮情况更好，主要阻碍点包括自然语言命题和形式化语言的翻译，大量数学背景知识的形式化，以及很多困难问题依然面临反馈稀缺问题。总的来说，形式化证明让数学获得了强验证器作为反馈，但在完全闭环上还有一些路需要走。

### 2.3 形式边界

熟悉数理逻辑的读者可能会自然产生一个疑问：“哥德尔不完备性定理在哪”？这一节简单谈论一下为什么形式边界反而没有我们想象的那么重要。

>对于足够强且一致的形式系统，总会存在一些命题，它们在该系统内部既不能被证明，也不能被否证。--哥德尔不完备性定理

## 3.人工”起搏器“下的半闭环飞轮

### 3.1 人类是飞轮的人工起搏器

### 3.2 Agent能做到的与做不到的

### 3.3 人类也是飞轮的限制器

### 3.4 外溢效应


## 4.还差哪些？

### 4.1 多环节正确衰减与轨迹漂移

### 4.2 模型同质性假说

### 4.3 飞轮失控：噪声放大器

### 4.4 能力垄断与数据垄断

最后，或许我们需要考虑，人工智能的下一次数据飞跃可能要超越企业界限，提升到国家/地球层面？当然，目前看来可行性不高。

## 5. 困难任务中的下一代飞轮

### 5.1 迁移困难

### 5.2 VLA与WM

### 5.3 科研Agent？

### 5.4 多层闭环驱动

## 6.结论

LLM 与 Agents 的飞轮效应，距离我们还有多远？

# About this blog
这是本博客的第一篇文章。



建立本博客的目的主要有三条

1. 记录问题的形成过程
2. 放一些杂七杂八的内容，如初步实验结果，方法判断与失败分析
3. 分享一些我认为有趣的观点，工作流与工具

当前，我的主要关注方向包括：

1. 计算机视觉与遥感图像理解
2. 多源信息融合，多模态表示学习与信息论
3. 现代摄影测量理论与技术
4. 语言模型与GenAI

本博客不会严格限制内容边界，也不追求文章完整性，只是用于记录有点用或没啥用的东西