CycleMantle
Modelle

Welches KI-Modell soll deine Tests schreiben und prüfen?

02

CycleMantle wird nicht mit einem festen Gehirn ausgeliefert. Du wählst einen Cloud-KI-Anbieter, ein Modell auf deinem PC oder das eingebaute Modell und kannst diese Wahl pro Chat ändern. Die Entscheidung bestimmt, wohin deine Prompts gehen und wie gut die vorgeschlagenen Tests sind.

CycleMantle→API-Endpunkt→Modell

Drei Möglichkeiten, ein Modell zu verbinden

Ein Cloud-KI-Anbieter

Du gibst die Adresse eines Standard-API-Endpunkts und deinen Schlüssel in den Einstellungen ein, und CycleMantle sendet den Chat an diesen Anbieter. Große Cloud-Modelle bewältigen normalerweise lange Klassen und komplexe Logik besser. Der Schlüssel bleibt auf deinem PC. Bei einem Cloud-Modell gehen dein Prompt und der Text der Datei, den der Agent liest, an diesen Anbieter; bei einem lokalen Modell verlässt nichts deinen PC. Alle Nutzungsgebühren stammen vom Anbieter, also lies seine Bedingungen. Halte Passwörter und private Schlüssel aus den Dateien, die du den Agenten lesen lassen willst.

Ein Modell auf deinem PC

Du verweist CycleMantle auf einen Endpunkt, der auf deiner eigenen Maschine läuft. Die Prompts gehen dann an diese lokale Adresse, und bei einem lokalen Modell verlässt nichts deinen PC. Dies eignet sich für Code, den du vielleicht nicht an Dritte senden möchtest. Kleinere lokale Modelle können langsamer sein und bei langen Dateien schwächer abschneiden, also wähle Aufgaben, die passen: eine Klasse, eine Fixture, ein fehlgeschlagener Test. Du startest und aktualisierst das lokale Modell selbst. Die Chat-Karten, die Diffs und die Genehmigungsmodi sehen genau gleich aus wie bei einem Cloud-Modell.

Das eingebaute Modell

Das eingebaute Modell ist ohne deinen eigenen Endpunkt einsatzbereit, daher ist es der schnellste Weg, die App nach der Installation auszuprobieren. Nutze es für einen ersten Lauf: Bitte um Tests für eine kleine Funktion, lies das Diff und sieh dir an, wie sich die Karten und die Genehmigungsmodi verhalten. Wenn eine Aufgabe mehr Tiefe erfordert, wechsle den Chat zu einem Cloud- oder lokalen Modell. Dein Projektordner, der Chat-Verlauf und der Genehmigungsmodus bleiben unverändert, da sie zur App und nicht zum Modell gehören.

Verbindung mit der Schaltfläche Test prüfen

Nachdem du einen Endpunkt eingegeben hast, drücke die Schaltfläche Test, bevor du dem Agenten echte Arbeit gibst. Es sendet eine kleine Anfrage und zeigt dann die Antwortzeit und das Kontextfenster des Modells an. Die Antwortzeit sagt dir, wie lange jeder Schritt eines langen Laufs warten muss. Das Kontextfenster sagt dir, wie viel Code und Ausgabe in ein Gespräch passen. Ein kleines Fenster ist für eine Funktion in Ordnung, hat aber Probleme mit einem ganzen Ordner mit Tests. Wenn der Test fehlschlägt, behebe die Adresse, den Schlüssel oder den Modellnamen und drücke die Schaltfläche erneut.

Modell an die Aufgabe anpassen

Verwende ein größeres Modell für Refactorings und komplexe Logik und ein kleineres für kleine Änderungen wie das Umbenennen einer Fixture oder das Hinzufügen einer Assertion. Du musst nicht den gesamten Chat wechseln. Das Tool run_on_model sendet einen schwierigen Schritt an ein größeres Modell, während routinemäßige Schritte auf dem von dir gewählten Modell bleiben. Lass zum Beispiel ein kleines Modell deinen Testbefehl ausführen und den Exit-Code lesen, und überlasse das Design einer schwierigen Testklasse dem größeren Modell. Lies das Ergebnis in der Karte, egal wie.

Die Qualität variiert zwischen Modellen, also betrachte jeden Vorschlag als Entwurf. Nutze Ask first, damit jede Änderung auf deine OK-Warte, lies das Diff Zeile für Zeile und führe deinen Testbefehl nach der Annahme erneut aus. Wenn ein Test zu clever aussieht, lehne ihn ab und bitte um einen einfacheren. Behalte deinen eigenen Versionsverlauf, damit du zurücktreten kannst. Ein erfolgreicher Lauf ist nützliche Beweise, aber keine Garantie.

CycleMantle für Windows

Wähle ein Modell, dann versuche einen Test

CycleMantle herunterladen ↗