CycleMantle
Modely

Který AI model by měl psát a kontrolovat vaše testy?

02

CycleMantle nemá přednastavený jeden mozek. Vyberete si cloudového poskytovatele AI, model běžící na vašem PC nebo vestavěný model a tuto volbu můžete měnit u každého chatu. Volba určuje, kam vaše prompty putují a jak dobré jsou navrhované testy.

CycleMantle→API endpoint→Model

Tři způsoby připojení modelu

Cloudový poskytovatel AI

Do nastavení zadáte adresu standardního API endpointu a svůj klíč, a CycleMantle odesílá chat tomuto poskytovateli. Velké cloudové modely si obvykle lépe poradí s dlouhými třídami a složitou logikou. Klíč zůstává na vašem PC. S cloudovým modelem vaše prompty a texty souborů, které agent čte, putují k tomuto poskytovateli; u lokálního modelu nic neopouští váš PC. Poplatky za použití pocházejí od poskytovatele, takže si přečtěte jeho podmínky. Udržujte hesla a soukromé klíče mimo soubory, které žádáte agenta, aby četl.

Model na vašem PC

Nasměrujete CycleMantle na endpoint, který běží na vašem vlastním stroji. Prompty pak putují na tuto lokální adresu a u lokálního modelu nic neopouští váš PC. To vyhovuje kódu, který nemusíte posílat třetím stranám. Menší lokální modely mohou být pomalejší a slabší u dlouhých souborů, takže vybírejte úkoly, které odpovídají: jedna třída, jeden fixture, jeden selhávající test. Lokální model spouštíte a aktualizujete sami. Karty chatu, rozdíly a režimy schvalování vypadají úplně stejně jako u cloudového modelu.

Vestavěný model

Vestavěný model je připraven k použití bez vlastního endpointu, takže je to nejrychlejší způsob, jak vyzkoušet aplikaci po instalaci. Použijte ho pro první spuštění: požádejte o testy jedné malé funkce, přečtěte diff a podívejte se, jak se chovají karty a režimy schvalování. Pokud úkol vyžaduje více hloubky, přepněte chat na cloudový nebo lokální model. Složka projektu, historie chatu a režim schvalování zůstanou stejné, protože patří aplikaci, ne modelu.

Zkontrolujte připojení tlačítkem Test

Po zadání endpointu stiskněte tlačítko Test předtím, než dáte agentovi skutečnou práci. Odesílá malý požadavek a následně zobrazí dobu odezvy a kontextové okno modelu. Doba odezvy vám řekne, jak dlouho bude každý krok dlouhého běhu čekat. Kontextové okno vám řekne, kolik kódu a výstupu se vejde do jedné konverzace. Malé okno stačí na jednu funkci, ale s celou složkou testů si poradí hůře. Pokud test selže, opravte adresu, klíč nebo název modelu a tlačítko stiskněte znovu.

Přizpůsobte model úkolu

Použijte větší model pro refaktorování a složitou logiku a menší model pro malé úpravy, jako je přejmenování fixture nebo přidání jednoho assertionu. Nemusíte přepínat celý chat. Nástroj run_on_model pošle jeden náročný krok k většímu modelu, zatímco rutinní kroky zůstanou na modelu, který jste vybrali. Například nechte malý model spustit příkaz testu a přečíst exit code a návrh složité testovací třídy předělte většímu. Výsledek si přečtěte v kartě v obou případech.

Kvalita se mezi modely liší, takže každý návrh považujte za koncept. Použijte Ask first, aby každá změna čekala na vaše schválení, čtěte diff řádek po řádku a po přijetí znovu spusťte příkaz testu. Pokud test působí příliš složitě, odmítněte ho a požádejte o jednodušší. Udržujte si historii verzí, abyste se mohli vrátit zpět. Procházející běh je užitečným důkazem, ale není to záruka.

CycleMantle pro Windows

Vyberte model a pak vyzkoušejte jeden test

Stáhnout CycleMantle ↗