스크립트를 읽고 수정할 AI 모델을 선택하세요

Pageferry는 API 엔드포인트를 통해 클라우드 AI 제공업체와 연결하거나, PC 로컬 모델 또는 기본 모델을 사용할 수 있습니다. 프롬프트 전송 경로가 결정되므로 연결 전 세 가지 옵션을 확인하세요.

모델 연결 방법 세 가지

클라우드 AI 제공업체

클라우드 AI 제공업체는 표준 API 엔드포인트로 접근합니다. 앱에서 엔드포인트를 선택하고 키를 입력하세요. 키는 PC에 저장됩니다. 에이전트가 폴더에서 읽는 파일 내용을 포함한 모든 프롬프트가 해당 제공업체로 전송되므로, 전송이 허용된 스크립트에만 사용하세요. 테스트 버튼은 엔드포인트 연결을 확인하고 응답 시간과 컨텍스트 창 크기를 보여줍니다. 스크립트와 실행 결과가 길 경우 컨텍스트 창이 클수록 유리합니다. 제공업체는 사용량을 별도로 청구할 수 있으며, Pageferry 자체는 별도 계정이 필요 없습니다.

PC 로컬 모델

데이터가 외부로 나가지 않아야 하는 스크립트에는 로컬 모델이 적합합니다. 로컬 모델 사용 시 데이터가 PC 밖으로 전송되지 않으며, 채팅 기록, 작업 폴더 및 API 키도 모두 PC에 남아 있습니다. 앱에서 로컬 엔드포인트를 지정하고 테스트를 누르면 응답 시간과 컨텍스트 창 크기를 확인할 수 있습니다. 하드웨어 성능이 한계가 되므로 긴 스크립트가 작은 컨텍스트 창에 맞지 않을 수 있습니다. 첫 실제 작업 전 테스트를 눌러 PC 성능을 확인하세요.

내장 모델

내장 모델은 별도 엔드포인트 설정 없이 바로 사용할 수 있으므로, 설치 후 채팅을 열고 작은 Bash 스크립트로 에이전트를 바로 테스트해 볼 수 있습니다. 승인 모드는 여전히 선택할 수 있습니다: Auto-run은 즉시 작업을 수행하고, Ask first는 변경을 수반하는 작업 전 일시 정지하며, Plan only는 계획만 작성하고 실행은 하지 않습니다. 복잡한 단계가 필요하면 클라우드 또는 로컬 모델을 나중에 추가하고 run_on_model을 통해 해당 단계를 위임할 수 있습니다.

테스트로 연결 확인하기

테스트 버튼은 엔드포인트를 확인하고 응답 시간과 컨텍스트 창 크기를 보여줍니다. 엔드포인트를 입력하고 에이전트에 실제 작업을 부여하기 전에 테스트를 누르세요. 응답 시간이 길면 엔드포인트가 현재 느리다는 의미이며, 컨텍스트 창이 작으면 긴 스크립트와 실행 결과가 하나의 요청에 담기지 않을 수 있습니다. 확인이 실패하면 엔드포인트 주소나 키를 수정하고 테스트를 다시 누르세요. 클라우드 모델과 로컬 모델은 두 수치가 크게 다를 수 있으므로, 추가하는 모든 엔드포인트에 대해 한 번씩 확인하세요.

작업에 맞는 모델 크기 선택

리팩토링이나 복잡한 로직이 있는 스크립트에는 큰 모델을 사용하고, -v 플래그 추가나 변수 따옴표 처리 같은 작은 수정에는 작은 모델을 사용하세요. 스크립트와 실행 결과가 커질수록 컨텍스트 창이 중요해지므로 테스트 버튼으로 확인하세요. 한 단계가 어려우면 run_on_model을 사용해 해당 단계만 큰 모델로 보내고 나머지 채팅은 평소 사용하는 모델에 맡기세요. 작은 모델로 시작해 결과가 만족스럽지 않을 때만 업그레이드하는 습관이 좋습니다. 클라우드 모델은 프롬프트를 수신하므로 스크립트에 개인 경로나 이름이 포함되어 있다면 이를 염두에 두세요.

모델과 버전 간에 품질 차이가 있으므로 변경 사항을 반드시 확인한 후 수락하세요. Ask first 모드에서는 에이전트가 변경을 수반하는 작업 전 일시 정지하며, 편집 시 diff를 확인하고 수락 또는 거절할 수 있습니다. 그 후 Shell을 실행하면 실제 종료 코드를 확인할 수 있는데, 이는 모델의 설명보다 더 정확한 검증 방법입니다. Plan only는 실행 전 계획을 확인하고 싶을 때 유용합니다.