Conecte o modelo que editará os arquivos do seu servidor

O VarintKeel precisa de um modelo para planejar seus passos. Use um provedor de IA em nuvem por meio de um endpoint de API padrão, um modelo que roda no seu PC ou o modelo integrado, pronto para uso sem precisar de um endpoint próprio. Depois, pressione Teste e dê ao agente uma tarefa pequena primeiro.

Três formas de conectar um modelo

Provedor de IA em nuvem

Um provedor de IA em nuvem é acessado por meio de um endpoint de API padrão que você insere uma vez no app. É ideal para tarefas complexas que envolvem vários arquivos, como comparar um log longo com o arquivo de configurações e a árvore de pastas. Com um modelo em nuvem, seu prompt e o texto dos arquivos lidos pelo agente vão para esse provedor; com um modelo local, nada sai do seu PC. Suas chaves de API ficam no PC, e segredos na saída das ferramentas são mascarados antes de chegarem ao modelo. Um provedor pode cobrar separadamente pelo uso da API, então leia os termos dele antes.

Modelo no seu PC

Um modelo que roda no seu PC é ideal para quem não quer que caminhos, logs ou configurações saiam da máquina. Com um modelo local, nada sai do seu PC, então seus logs e configurações ficam em casa. Você paga por isso com seu próprio hardware, e um modelo local pequeno pode lidar melhor com uma edição de um único campo em enshrouded_server.json do que com um log longo contendo muitas linhas. Tente uma tarefa pequena primeiro e, depois, passe uma mais difícil.

Modelo integrado

O modelo integrado está pronto para uso sem precisar de um endpoint próprio, sendo o caminho mais curto desde o download até a primeira tarefa. Abra o app, escolha a pasta do seu servidor e peça algo simples, como ler o enshrouded_server.json e listar seus campos. Analise o card que retorna. Você pode adicionar um modelo em nuvem ou local depois e dar a ambos a mesma tarefa, o que mostra qual deles se adapta melhor aos seus arquivos.

O que o botão Teste mostra

O botão Teste verifica o endpoint que você inseriu. Ele exibe o tempo de resposta e a janela de contexto do modelo, que é a quantidade de texto que o modelo pode processar em uma única solicitação. Execute-o após colar um novo endpoint e novamente quando as respostas parecerem lentas. Um tempo de resposta curto ajuda quando um chat lê muitos arquivos, e uma janela de contexto pequena significa que um log longo deve ser lido em partes, por exemplo, usando grep para encontrar a primeira linha de erro. Se o teste falhar, verifique o endereço do endpoint e sua chave.

Escolha um modelo para a tarefa

Use um modelo maior quando uma tarefa envolver vários arquivos, como quando um log, o arquivo de configurações e a árvore de pastas precisam ser lidos juntos antes de uma correção ser proposta. Um modelo menor é suficiente para alterar um campo, como slotCount, no enshrouded_server.json. A ferramenta run_on_model envia uma etapa complexa para um modelo maior, então você não precisa mudar sua escolha diária para uma tarefa difícil. Comece pequeno. Compare os resultados na mesma tarefa antes de decidir.

A qualidade varia entre os modelos, então o diff é sua verificação, não a confiança do modelo. Use Ask first para pausar antes de qualquer ação que altere algo, leia as linhas propostas e rejeite o que você não entender. Plan only é adequado para uma primeira olhada em uma pasta desconhecida, pois ele escreve um plano e não executa nada. Teste toda alteração iniciando o servidor.