Alege modelul AI care citește și editează scripturile tale
Pageferry funcționează cu un furnizor AI cloud printr-un endpoint API, cu un model care rulează pe PC-ul tău sau cu modelul integrat. Alegerea determină unde ajung prompturile tale, așa că citește cele trei opțiuni înainte să conectezi orice.
Trei moduri de a conecta un model
Furnizor AI cloud
Un furnizor AI cloud se accesează printr-un endpoint API standard; tu alegi endpoint-ul și introduci cheia în aplicație. Cheia rămâne pe PC-ul tău. Fiecare prompt, inclusiv textul oricărui fișier pe care agentul îl citește din dosarul tău, merge la acel furnizor, așa că folosește această opțiune doar pentru scripturile pe care ai voie să le trimiți acolo. Butonul Test verifică endpoint-ul și afișează timpul de răspuns și fereastra de context. O fereastră de context mai mare ajută când un script și output-ul său sunt lungi. Furnizorul poate factura utilizarea separat, iar Pageferry în sine nu necesită cont.
Model pe PC-ul tău
Un model care rulează local pe PC-ul tău este opțiunea pentru scripturile care nu trebuie să părăsească mașina: cu un model local nimic nu părăsește PC-ul, iar conversațiile tale, dosarele de lucru și cheile API rămân acolo. Indici aplicația către endpoint-ul local, apeși Test și citești timpul de răspuns și fereastra de context. Hardware-ul tău stabilește limita, așa că un script lung poate să nu încapă într-o fereastră mică. Apasă Test înainte de prima sarcină reală pentru a vedea cum se descurcă mașina ta.
Model integrat
Modelul integrat este gata de utilizare fără propriul tău endpoint, așa că poți deschide o conversație și poți încerca agentul pe un script Bash mic chiar după instalare. Încă alegi un mod de aprobare: Auto-run acționează imediat, Ask first se oprește înainte de acțiunile care modifică ceva, iar Plan only scrie un plan și nu execută nimic. Pentru pași mai complecși, poți adăuga ulterior un model cloud sau local și trimiți acei pași către el cu run_on_model.
Verifică conexiunea cu Test
Butonul Test verifică un endpoint și afișează două lucruri: timpul de răspuns și fereastra de context. Apasă-l după ce ai introdus un endpoint și înainte să dai agentului o sarcină reală. Un timp de răspuns lung indică faptul că endpoint-ul este lent în acest moment, iar o fereastră de context mică înseamnă că un script lung și output-ul său pot să nu încapă într-o singură cerere. Dacă verificarea eșuează, corectează adresa endpoint-ului sau cheia și apasă din nou Test. Fă asta o dată pentru fiecare endpoint pe care îl adaugi, deoarece un model cloud și unul local pot diferi foarte mult la ambele metrici.
Alege dimensiunea modelului pentru sarcina ta
Folosește un model mai mare pentru refactorizări și pentru scripturi cu logică complicată, și unul mai mic pentru editări mici, cum ar fi adăugarea unui flag -v sau citarea unei variabile. Fereastra de context contează mai mult pe măsură ce scriptul și output-ul său cresc, așa că verific-o cu butonul Test. Când un pas e greu, run_on_model trimite doar acel pas la un model mai mare, în timp ce restul conversației rămâne pe cel obișnuit. Un obicei rezonabil este să începi mic și să urci doar când răspunsul nu e suficient de bun. Modelele cloud primesc promptul, așa că ține acest lucru în minte când un script conține căi sau nume private.
Calitatea variază între modele și între versiunile aceluiași model, așa că nu accepta niciodată o modificare fără să o citești. Sub Ask first agentul se oprește înainte de acțiunile care modifică ceva, iar pentru o editare vezi diff-ul și îl poți accepta sau respinge. După aceea, Shell poate executa scriptul și poate afișa codul de ieșire real, care este un test mai bun decât explicația proprie a modelului. Plan only este util când vrei să citești un plan înainte ca ceva să fie executat.
