Wybierz model AI, który czyta i edytuje Twoje skrypty

Pageferry współpracuje z dostawcą AI w chmurze przez punkt końcowy API, z modelem działającym na Twoim PC lub z wbudowanym modelem. Wybór decyduje o tym, dokąd trafiają Twoje podpowiedzi, więc przeczytaj trzy opcje przed połączeniem czegokolwiek.

Trzy sposoby połączenia modelu

Dostawca AI w chmurze

Dostawca AI w chmurze jest dostępny przez standardowy punkt końcowy API, a Ty wybierasz ten punkt i wpisujesz klucz w aplikacji. Klucz pozostaje na Twoim PC. Każda podpowiedź, w tym tekst każdego pliku, który agent czyta z Twojego folderu, trafia do tego dostawcy, więc używaj tej opcji tylko do skryptów, które masz prawo wysyłać. Przycisk Test sprawdza punkt końcowy i pokazuje czas odpowiedzi oraz okno kontekstowe. Większe okno kontekstowe pomaga, gdy skrypt i jego output są długie. Dostawca może rozliczać swoje usługi osobno, a Pageferry nie wymaga konta.

Model na Twoim PC

Model działający lokalnie na Twoim PC to opcja dla skryptów, które nie mogą opuścić maszyny: z lokalnym modelem nic nie opuszcza PC, a Twoje czaty, foldery robocze i klucze API pozostają tam. Wskazujesz aplikacji lokalny punkt końcowy, naciskasz Test i czytasz czas odpowiedzi oraz okno kontekstowe. Twój sprzęt wyznacza limit, więc długi skrypt może nie zmieścić się w małym oknie. Naciśnij Test przed pierwszym prawdziwym zadaniem, aby zobaczyć, jak radzi sobie Twoja maszyna.

Model wbudowany

Wbudowany model jest gotowy do użycia bez Twojego własnego punktu końcowego, więc możesz otworzyć czat i przetestować agenta na małym skrypcie Bash tuż po instalacji. Nadal wybierasz tryb zatwierdzania: Auto-run działa natychmiast, Ask first zatrzymuje się przed akcjami zmieniającymi coś, a Plan only zapisuje plan i nic nie uruchamia. Dla trudniejszych kroków możesz później dodać model chmurowy lub lokalny i wysyłać te kroki do niego za pomocą run_on_model.

Sprawdź połączenie za pomocą Test

Przycisk Test sprawdza punkt końcowy i pokazuje dwie rzeczy: czas odpowiedzi i okno kontekstowe. Naciśnij go po wpisaniu punktu końcowego i przed powierzeniem agentowi prawdziwego zadania. Długi czas odpowiedzi oznacza, że punkt końcowy jest teraz wolny, a małe okno kontekstowe oznacza, że długi skrypt i jego output mogą nie zmieścić się w jednym żądaniu. Jeśli sprawdzenie się nie powiedzie, popraw adres punktu końcowego lub klucz i naciśnij Test ponownie. Zrób to raz dla każdego dodanego punktu końcowego, ponieważ model chmurowy i lokalny mogą znacznie różnić się pod względem obu liczb.

Wybierz rozmiar modelu do swojego zadania

Używaj większego modelu do refaktoryzacji i skryptów ze skomplikowaną logiką, a mniejszego do drobnych edycji, takich jak dodanie flagi -v lub cytowanie zmiennej. Okno kontekstowe ma większe znaczenie, gdy skrypt i jego output rosną, więc sprawdź je przyciskiem Test. Gdy jeden krok jest trudny, run_on_model wysyła tylko ten krok do większego modelu, podczas gdy reszta czatu pozostaje na Twoim zwykłym modelu. Rozumną nawyką jest zaczynanie od małych modeli i przechodzenie do większych tylko wtedy, gdy odpowiedź nie jest wystarczająco dobra. Modele chmurowe otrzymują podpowiedź, więc pamiętaj o tym, gdy skrypt zawiera prywatne ścieżki lub nazwy.

Jakość różni się między modelami i między wersjami tego samego modelu, więc nigdy nie akceptuj zmiany bez jej przeczytania. W trybie Ask first agent zatrzymuje się przed akcjami zmieniającymi coś, a przy edycji widzisz diff i możesz go zaakceptować lub odrzucić. Po tym Shell może uruchomić skrypt i pokazać prawdziwy kod wyjścia, co jest lepszym testem niż własne wyjaśnienie modelu. Plan only jest przydatne, gdy chcesz przeczytać plan przed uruchomieniem czegokolwiek.