CycleMantle
Modelos

¿Qué modelo de IA debe escribir y revisar tus pruebas?

02

CycleMantle no viene con un cerebro fijo. Eliges un proveedor de IA en la nube, un modelo en tu PC o el integrado, y puedes cambiar esa opción por chat. La elección decide dónde van tus prompts y qué tan buenas son las pruebas propuestas.

CycleMantle→Endpoint de API→Modelo

Tres formas de conectar un modelo

Un proveedor de IA en la nube

Introduces la dirección de un endpoint de API estándar y tu clave en la configuración, y CycleMantle envía el chat a ese proveedor. Los modelos grandes en la nube suelen manejar mejor clases largas y lógica compleja. La clave se queda en tu PC. Con un modelo en la nube, tu prompt y el texto del archivo que lee el agente van a ese proveedor; con un modelo local, nada sale de tu PC. Los cargos por uso los cobra el proveedor, así que lee sus términos. Mantén las contraseñas y claves privadas fuera de los archivos que le pides al agente que lea.

Un modelo en tu PC

Señalas CycleMantle hacia un endpoint que se ejecuta en tu propia máquina. Los prompts van entonces a esa dirección local, y con un modelo local nada sale de tu PC. Esto es ideal para código que no quieras enviar a un tercero. Los modelos locales más pequeños pueden ser más lentos y tener menos capacidad con archivos largos, así que elige tareas adecuadas: una clase, un fixture, una prueba que falle. Tú inicias y actualizas el modelo local tú mismo. Las tarjetas del chat, los diffs y los modos de aprobación se ven exactamente igual que con un modelo en la nube.

El modelo integrado

El modelo integrado está listo para usar sin tu propio endpoint, así que es la forma más rápida de probar la app después de instalarla. Úsalo para una primera ejecución: pide pruebas de una función pequeña, lee el diff y observa cómo se comportan las tarjetas y los modos de aprobación. Si una tarea requiere más profundidad, cambia el chat a un modelo en la nube o local. La carpeta de tu proyecto, el historial del chat y el modo de aprobación se mantienen igual, porque pertenecen a la app y no al modelo.

Verifica la conexión con el botón de prueba

Después de introducir un endpoint, presiona el botón de Prueba antes de darle trabajo real al agente. Envía una pequeña solicitud y luego muestra el tiempo de respuesta y la ventana de contexto del modelo. El tiempo de respuesta te dice cuánto tiempo esperará cada paso de una ejecución larga. La ventana de contexto te dice cuánto código y salida caben en una conversación. Una ventana pequeña está bien para una función, pero le cuesta con una carpeta entera de pruebas. Si la prueba falla, corrige la dirección, la clave o el nombre del modelo y presiona el botón de nuevo.

Empareja el modelo con la tarea

Usa un modelo más grande para refactorizaciones y lógica compleja, y uno más pequeño para ediciones pequeñas como renombrar un fixture o añadir una aserción. No tienes que cambiar todo el chat. La herramienta run_on_model envía un paso difícil a un modelo más grande, mientras que los pasos rutinarios se quedan en el modelo que elegiste. Por ejemplo, deja que un modelo pequeño ejecute tu comando de prueba y lea el código de salida, y entrega el diseño de una clase de prueba complicada al más grande. Lee el resultado en la tarjeta de cualquier manera.

La calidad varía entre modelos, así que trata cada propuesta como un borrador. Usa Ask first para que cada cambio espere tu aprobación, lee el diff línea por línea y ejecuta tu comando de prueba de nuevo después de aceptarlo. Si una prueba parece demasiado ingeniosa, recházala y pide una más sencilla. Mantén tu historial de control de versiones para poder retroceder. Una ejecución exitosa es evidencia útil, pero no es una garantía.

CycleMantle para Windows

Elige un modelo, luego prueba una prueba

Descargar CycleMantle ↗