借助copilot写代码和自己手写代码的开发过程是一样的。
首先要有明确的开发需求，开发需求越详细，copilot写出的代码才能越符合我们的预期。
其次，有了明确的需求，最好先做下需求拆解，特别是对于比较复杂的应用，拆解之后按照一定的顺序逐个功能点去实现，这样调测起来也比较方便。
比如，先实现从电脑麦克风获取语音输入并保存成本地语音文件；然后将语音文件转换成文本，接着把文本拿去给大语言模型做推理，然后把推理的结果使用tts服务转换成语音播放出来；
最后交由copilot不断迭代去实现我们想要的功能，每实现一个功能点要先验证一下，如果有问题，或者报错，可以直接发给copilot去优化。
copilot自己选的语音识别库，tts库，大语言模型可能并不能直接使用，这时就需要我们自己去调整。
这里语音识别库使用的是vosk-model-small-cn-0.22，tts库使用的是pyttsx3，大语言模型试用的是moonshot-v1-8k。
由于moonshot大语言模型只能解析图片文件中的文本，对于不含文本的图片会报错，所以这里图像解析试用的是多模态大模型LLAVA。
参考https://platform.moonshot.cn/docs/api/chat
调用moonshot大语言模型对文本进行推理
参考https://ollama.com/library/llava
在本地安装Ollama
本地部署之后会启动一个服务，端口号是11434，可以通过api来调用；
最后做出来的效果如下：
总结一下，copilot输出的代码基本能实现想要的功能，有些细节需要手工微调一下。
程序代码本身还可以继续优化，比如当前使用的语音识别库存在语音识别不准确的问题，特别是说话时包含中英文的，可以换用其他更有效的库，语音合成库也可以换成chattts等其他开源库，当前使用的大模型api调用存在次数限制，连续调用3次就报错，也可以换成其他的，或者本地部署一个，本地进行图片解析的LLAVA库运行非常耗时，这个也可以更换，等等。