CycleMantle
Modèles

Quel modèle IA doit rédiger et relire vos tests ?

02

CycleMantle n'est pas livré avec un cerveau unique. Vous choisissez un fournisseur cloud, un modèle local ou le modèle intégré, et vous pouvez changer ce choix par conversation. Ce choix détermine où vont vos invites et la qualité des tests proposés.

CycleMantle→Point de terminaison API→Modèle

Trois façons de connecter un modèle

Un fournisseur d'IA cloud

Saisissez l'adresse du point de terminaison API standard et votre clé dans les paramètres, et CycleMantle envoie la conversation à ce fournisseur. Les grands modèles cloud gèrent généralement mieux les classes longues et la logique complexe. La clé reste sur votre PC. Avec un modèle cloud, votre invite et le texte du fichier que lit l'agent partent chez ce fournisseur ; avec un modèle local, rien ne quitte votre PC. Les frais d'utilisation sont facturés par le fournisseur, lisez donc ses conditions. Ne mettez pas les mots de passe et clés privées dans les fichiers que vous demandez à l'agent de lire.

Un modèle sur votre PC

Pointez CycleMantle vers un point de terminaison qui s'exécute sur votre propre machine. Les invites vont alors à cette adresse locale et, avec un modèle local, rien ne quitte votre PC. Cela convient au code que vous ne souhaitez pas envoyer à un tiers. Les modèles locaux plus petits peuvent être plus lents et moins performants sur les fichiers longs, donc choisissez des tâches adaptées : une classe, un jeu de données, un test en échec. Vous lancez et mettez à jour le modèle local vous-même. Les cartes de conversation, les diffs et les modes d'approbation sont identiques à ceux d'un modèle cloud.

Le modèle intégré

Le modèle intégré est prêt à l'emploi sans votre propre point de terminaison, c'est donc le moyen le plus rapide d'essayer l'application après l'installation. Utilisez-le pour un premier lancement : demandez des tests pour une petite fonction, lisez le diff et voyez comment se comportent les cartes et les modes d'approbation. Si une tâche nécessite plus de profondeur, passez à un modèle cloud ou local. Votre dossier de projet, l'historique des conversations et le mode d'approbation restent les mêmes, car ils appartiennent à l'application et non au modèle.

Vérifiez la connexion avec le bouton Test

Après avoir saisi un point de terminaison, appuyez sur le bouton Test avant de donner de vrais travaux à l'agent. Il envoie une petite requête, puis affiche le temps de réponse et la fenêtre de contexte du modèle. Le temps de réponse vous indique combien de temps chaque étape d'un long lancement devra attendre. La fenêtre de contexte indique combien de code et de sortie tiennent dans une seule conversation. Une petite fenêtre suffit pour une fonction mais peine avec un dossier entier de tests. Si le test échoue, corrigez l'adresse, la clé ou le nom du modèle et appuyez à nouveau sur le bouton.

Adaptez le modèle à la tâche

Utilisez un modèle plus gros pour les refontes et la logique complexe, et un plus petit pour les petites modifications comme renommer un jeu de données ou ajouter une assertion. Vous n'avez pas à changer toute la conversation. L'outil run_on_model envoie une étape difficile à un modèle plus gros, tandis que les étapes habituelles restent sur le modèle que vous avez choisi. Par exemple, laissez un petit modèle exécuter votre commande de test et lire le code de sortie, et confiez la conception d'une classe de test complexe au modèle plus grand. Lisez le résultat dans la carte dans les deux cas.

La qualité varie entre les modèles, donc considérez chaque proposition comme une ébauche. Utilisez Ask first pour que chaque attente votre validation, lisez le diff ligne par ligne, et relancez votre commande de test après acceptation. Si un test semble trop astucieux, rejetez-le et demandez-en un plus simple. Gardez votre historique de contrôle de version pour pouvoir revenir en arrière. Un lancement réussi est une preuve utile, mais ce n'est pas une garantie.

CycleMantle pour Windows

Choisissez un modèle, puis essayez un test

Télécharger CycleMantle ↗