Hubungkan model untuk mengedit file server Anda
VarintKeel butuh model untuk merencanakan langkahnya. Gunakan penyedia AI cloud lewat endpoint API standar, model yang berjalan di PC Anda, atau model bawaan yang siap pakai tanpa endpoint sendiri. Tekan Test, lalu beri agen tugas kecil dulu.
Tiga cara menghubungkan model
Penyedia AI cloud
Penyedia AI cloud diakses lewat endpoint API standar yang Anda masukkan sekali di aplikasi. Cocok untuk tugas berat yang mencakup beberapa file, seperti membandingkan log panjang dengan file pengaturan dan struktur folder. Dengan model cloud, prompt Anda dan teks file yang dibaca agen dikirim ke penyedia tersebut; dengan model lokal, tidak ada yang keluar dari PC Anda. Kunci API tetap di PC, dan rahasia dalam output alat akan di-redact sebelum mencapai model. Penyedia mungkin membebankan biaya terpisah untuk API-nya, jadi baca syaratnya dulu.
Model di PC Anda
Model yang berjalan di PC Anda cocok bagi yang tidak ingin jalur, log, atau pengaturan keluar dari mesin. Dengan model lokal, tidak ada yang keluar dari PC Anda, sehingga log dan pengaturan Anda tetap di rumah. Anda membayar itu dengan perangkat keras sendiri, dan model lokal kecil mungkin menangani edit satu bidang di enshrouded_server.json lebih baik daripada log panjang dengan banyak baris. Coba tugas kecil dulu, lalu beri tugas yang lebih sulit.
Model bawaan
Model bawaan siap pakai tanpa endpoint sendiri, jadi ini jalan terpendek dari unduhan hingga tugas pertama. Buka aplikasi, pilih folder server Anda, dan minta sesuatu yang kecil, seperti membaca enshrouded_server.json dan mencantumkan bidang-bidangnya. Tinjau kartu yang kembali. Anda bisa menambahkan model cloud atau lokal nanti dan memberi keduanya tugas yang sama, untuk melihat mana yang lebih cocok untuk file Anda.
Apa yang ditunjukkan tombol Test
Tombol Test memeriksa endpoint yang Anda masukkan. Ini menunjukkan waktu respons dan jendela konteks model, yaitu seberapa banyak teks yang bisa diproses model dalam satu permintaan. Jalankan setelah menempelkan endpoint baru dan lagi ketika jawaban terasa lambat. Waktu respons yang pendek membantu saat obrolan membaca banyak file, dan jendela konteks yang kecil berarti log panjang harus dibaca secara bertahap, misalnya dengan grep untuk baris kesalahan pertama. Jika tes gagal, periksa alamat endpoint dan kunci Anda.
Pilih model untuk pekerjaan
Gunakan model yang lebih besar saat tugas mencakup beberapa file, misalnya saat log, file pengaturan, dan struktur folder harus dibaca bersama sebelum perbaikan diusulkan. Model yang lebih kecil cukup untuk mengubah satu bidang, seperti slotCount, di enshrouded_server.json. Alat run_on_model mengirimkan langkah sulit ke model yang lebih besar, jadi Anda tidak perlu mengubah pilihan sehari-hari untuk satu pekerjaan sulit. Mulai kecil. Bandingkan hasilnya pada tugas yang sama sebelum memutuskan.
Kualitas bervariasi antar model, jadi diff adalah pemeriksaan Anda, bukan kepercayaan model. Gunakan Ask first untuk berhenti sebelum tindakan apa pun yang mengubah sesuatu, baca baris yang diusulkan, dan tolak apa yang tidak Anda pahami. Plan only cocok untuk melihat folder yang belum dikenal, karena itu hanya menulis rencana dan tidak menjalankan apa pun. Uji setiap perubahan dengan memulai server.
