Conecta el modelo que editará los archivos de tu servidor
VarintKeel necesita un modelo para planificar sus pasos. Usa un proveedor de IA en la nube mediante un endpoint API estándar, un modelo que se ejecute en tu PC o el modelo integrado, listo para usar sin tu propio endpoint. Luego pulsa Probar y dale al agente una tarea pequeña primero.
Tres formas de conectar un modelo
Proveedor de IA en la nube
Un proveedor de IA en la nube se accede mediante un endpoint API estándar que ingresas una vez en la aplicación. Es ideal para tareas complejas que abarcan varios archivos, como comparar un registro largo con el archivo de configuración y el árbol de carpetas. Con un modelo en la nube, tu prompt y el texto de los archivos que lee el agente se envían a ese proveedor; con un modelo local, nada sale de tu PC. Tus claves API permanecen en el PC y los secretos en la salida de las herramientas se enmascaran antes de llegar al modelo. Un proveedor puede cobrar aparte por su API, así que lee sus términos primero.
Modelo en tu PC
Un modelo que se ejecuta en tu PC es ideal para quienes no quieren que sus rutas, registros o configuraciones salgan de la máquina. Con un modelo local, nada sale de tu PC, así que tus registros y configuraciones se mantienen locales. Pagas con tu propio hardware, y un modelo local pequeño puede manejar mejor una edición de un solo campo en enshrouded_server.json que un registro largo con muchas líneas. Prueba con una tarea pequeña primero y luego dale una más difícil.
Modelo integrado
El modelo integrado está listo para usar sin tu propio endpoint, por lo que es el camino más corto desde la descarga hasta tu primera tarea. Abre la aplicación, elige la carpeta de tu servidor y pide algo pequeño, como leer enshrouded_server.json y listar sus campos. Revisa la tarjeta que devuelve. Puedes agregar un modelo en la nube o local después y darles la misma tarea, lo que te mostrará cuál se adapta mejor a tus archivos.
Qué te dice el botón Probar
El botón Probar verifica el endpoint que ingresaste. Muestra el tiempo de respuesta y la ventana de contexto del modelo, que es la cantidad de texto que el modelo puede procesar en una sola solicitud. Ejecútalo después de pegar un nuevo endpoint y nuevamente cuando las respuestas se sientan lentas. Un tiempo de respuesta corto ayuda cuando un chat lee muchos archivos, y una ventana de contexto pequeña significa que un registro largo debe leerse por partes, por ejemplo con grep para la primera línea de error. Si la prueba falla, verifica la dirección del endpoint y tu clave.
Elige un modelo para la tarea
Usa un modelo más grande cuando una tarea abarque varios archivos, por ejemplo, cuando un registro, el archivo de configuración y el árbol de carpetas deban leerse juntos antes de proponer una corrección. Un modelo más pequeño es suficiente para cambiar un solo campo, como slotCount, en enshrouded_server.json. La herramienta run_on_model envía un paso complejo a un modelo más grande, así que no tienes que cambiar tu elección diaria para un trabajo difícil. Empieza pequeño. Compara los resultados en la misma tarea antes de decidir.
La calidad varía entre modelos, así que la diferencia es tu verificación, no la confianza del modelo. Usa Ask first para pausar antes de cualquier acción que cambie algo, lee las líneas propuestas y rechaza lo que no entiendas. Plan only es ideal para una primera mirada en una carpeta desconocida, porque escribe un plan y no ejecuta nada. Prueba cada cambio iniciando el servidor.
