Wähle das KI-Modell, das deine Skripte liest und bearbeitet
Pageferry arbeitet mit einem Cloud-KI-Anbieter über einen API-Endpunkt, mit einem Modell auf deinem PC oder mit dem integrierten Modell. Die Wahl bestimmt, wohin deine Prompts gesendet werden, also lies die drei Optionen durch, bevor du eine Verbindung herstellst.
Drei Möglichkeiten, ein Modell zu verbinden
Cloud-KI-Anbieter
Ein Cloud-KI-Anbieter wird über einen Standard-API-Endpunkt angesprochen, und du wählst den Endpunkt und gibst den Schlüssel in der App ein. Der Schlüssel bleibt auf deinem PC. Jeder Prompt, einschließlich des Textes jeder Datei, die der Agent aus deinem Ordner liest, geht an diesen Anbieter, also nutze diese Option nur für Skripte, die du dort senden darfst. Die Schaltfläche Test prüft den Endpunkt und zeigt die Antwortzeit sowie das Kontextfenster an. Ein größeres Kontextfenster hilft, wenn ein Skript und seine Ausgabe lang sind. Der Anbieter kann die Nutzung separat abrechnen, Pageferry selbst benötigt jedoch kein Konto.
Modell auf deinem PC
Ein lokal auf deinem PC laufendes Modell ist die Option für Skripte, die die Maschine nicht verlassen dürfen: Bei einem lokalen Modell verlässt nichts den PC, und deine Chats, Arbeitsordner und API-Schlüssel bleiben ebenfalls dort. Du weist die App auf den lokalen Endpunkt, klickst auf Test und prüfst die Antwortzeit sowie das Kontextfenster. Deine Hardware setzt die Grenze, daher passt ein langes Skript möglicherweise nicht in ein kleines Fenster. Klicke auf Test vor der ersten echten Aufgabe, um zu sehen, wie dein Computer damit zurechtkommt.
Integriertes Modell
Das integrierte Modell ist ohne eigenen Endpunkt einsatzbereit, sodass du direkt nach der Installation einen Chat öffnen und den Agenten an einem kleinen Bash-Skript ausprobieren kannst. Du wählst dennoch einen Genehmigungsmodus: Auto-run führt sofort aus, Ask first pausiert vor Aktionen, die etwas ändern, und Plan only erstellt einen Plan und führt nichts aus. Für schwierigere Schritte kannst du später ein Cloud- oder lokales Modell hinzufügen und diese Schritte mit run_on_model dorthin senden.
Verbindung mit Test prüfen
Die Schaltfläche Test prüft einen Endpunkt und zeigt zwei Werte an: die Antwortzeit und das Kontextfenster. Klicke darauf, nachdem du einen Endpunkt eingegeben hast, aber bevor du dem Agenten eine echte Aufgabe gibst. Eine lange Antwortzeit zeigt an, dass der Endpunkt gerade langsam ist, und ein kleines Kontextfenster bedeutet, dass ein langes Skript und seine Ausgabe möglicherweise nicht in eine Anfrage passen. Wenn die Prüfung fehlschlägt, korrigiere die Endpunktadresse oder den Schlüssel und klicke erneut auf Test. Mache dies einmal für jeden Endpunkt, den du hinzufügst, da sich ein Cloud-Modell und ein lokales Modell in beiden Werten stark unterscheiden können.
Wähle die passende Modellgröße für deine Aufgabe
Nutze ein größeres Modell für Refactorings und Skripte mit komplexer Logik, und ein kleineres für kleine Änderungen wie das Hinzufügen eines -v-Flags oder das Setzen von Anführungszeichen bei einer Variable. Das Kontextfenster wird wichtiger, je länger das Skript und seine Ausgabe werden, also prüfe es mit der Schaltfläche Test. Wenn ein Schritt schwierig ist, sende run_on_model nur diesen Schritt an ein größeres Modell, während der Rest des Chats auf deinem üblichen Modell bleibt. Eine vernünftige Gewohnheit ist es, klein zu beginnen und nur aufzusteigen, wenn die Antwort nicht gut genug ist. Cloud-Modelle erhalten den Prompt, also beachte dies, wenn ein Skript private Pfade oder Namen enthält.
Die Qualität variiert zwischen Modellen und zwischen Versionen desselben Modells, also akzeptiere niemals eine Änderung, ohne sie zu lesen. Unter Ask first pausiert der Agent vor Aktionen, die etwas ändern, und bei einer Bearbeitung siehst du den Diff und kannst ihn annehmen oder ablehnen. Danach kann Shell das Skript ausführen und den echten Exit-Code anzeigen, was ein besserer Test ist als die Erklärung des Modells selbst. Plan only ist nützlich, wenn du einen Plan lesen möchtest, bevor etwas ausgeführt wird.
