आपके टेस्ट लिखने और समीक्षा करने के लिए कौन सा AI मॉडल चुनें?
CycleMantle के साथ कोई एक निश्चित 'ब्रेन' नहीं आता। आप एक क्लाउड AI प्रदाता, अपने पीसी पर चलने वाला मॉडल या इनबिल्ट मॉडल चुनते हैं, और आप हर चैट के लिए यह चयन बदल सकते हैं। यह चयन तय करता है कि आपके प्रॉम्प्ट्स कहाँ जाएंगे और सुझाए गए टेस्ट कितने अच्छे होंगे।
मॉडल कनेक्ट करने के तीन तरीके
एक क्लाउड AI प्रदाता
सेटिंग्स में आप एक मानक API endpoint का पता और अपनी कुंजी दर्ज करते हैं, और CycleMantle चैट उस प्रदाता को भेजता है। बड़े क्लाउड मॉडल आमतौर पर लंबी क्लासेस और जटिल लॉजिक के साथ बेहतर तरीके से निपटते हैं। कुंजी आपके पीसी पर ही रहती है। क्लाउड मॉडल के साथ, आपका प्रॉम्प्ट और एजेंट द्वारा पढ़ी जाने वाली फ़ाइल का पाठ उस प्रदाता के पास जाता है; लोकल मॉडल के साथ कुछ भी आपके पीसी से बाहर नहीं जाता। कोई भी उपयोग शुल्क प्रदाता से आता है, इसलिए उनकी शर्तें पढ़ें। उन फ़ाइलों में पासवर्ड और निजी कुंजियाँ न रखें जिनकी एजेंट से पढ़ने के लिए आप कहते हैं।
आपके पीसी पर एक मॉडल
आप CycleMantle को एक ऐसे एंडपॉइंट की ओर इशारा करते हैं जो आपके खुद के मशीन पर चलता है। प्रॉम्प्ट्स फिर उस लोकल पते पर जाते हैं, और लोकल मॉडल के साथ कुछ भी आपके पीसी से बाहर नहीं जाता। यह उन कोड के लिए उपयुक्त है जिन्हें आप किसी तीसरे पक्ष को नहीं भेजना चाहते। छोटे लोकल मॉडल धीमे हो सकते हैं और लंबी फ़ाइलों में कमजोर हो सकते हैं, इसलिए ऐसे कार्य चुनें जो फिट हों: एक क्लास, एक फ़िक्स्चर, एक फेलिंग टेस्ट। आप लोकल मॉडल को खुद शुरू और अपडेट करते हैं। चैट कार्ड, डिफ और अप्रूवल मोड्स क्लाउड मॉडल की तरह ही दिखते हैं।
इनबिल्ट मॉडल
इनबिल्ट मॉडल बिना आपके अपने एंडपॉइंट के उपयोग के लिए तैयार है, इसलिए यह इसे इंस्टॉल करने के बाद ऐप को आज़माने का सबसे तेज़ तरीका है। इसे पहले रन के लिए उपयोग करें: एक छोटी फ़ंक्शन के टेस्ट का अनुरोध करें, डिफ़ पढ़ें, और देखें कि कार्ड और अप्रूवल मोड्स कैसे व्यवहार करते हैं। यदि किसी कार्य में अधिक गहराई की आवश्यकता है, तो चैट को क्लाउड या लोकल मॉडल पर स्विच करें। आपका प्रोजेक्ट फ़ोल्डर, चैट इतिहास और अप्रूवल मोड वैसे ही रहते हैं, क्योंकि वे ऐप से संबंधित हैं, न कि मॉडल से।
टेस्ट बटन से कनेक्शन की जाँच करें
एक एंडपॉइंट दर्ज करने के बाद, एजेंट को असली काम देने से पहले टेस्ट बटन दबाएं। यह एक छोटा अनुरोध भेजता है, फिर मॉडल के लिए प्रतिक्रिया समय और कॉन्टेक्स्ट विंडो दिखाता है। प्रतिक्रिया समय आपको बताता है कि एक लंबे रन के हर चरण के लिए कितना इंतजार करना होगा। कॉन्टेक्स्ट विंडो बताती है कि एक बातचीत में कितना कोड और आउटपुट फिट होता है। एक छोटी विंडो एक फ़ंक्शन के लिए ठीक है, लेकिन टेस्ट के एक पूरे फ़ोल्डर के साथ संघर्ष करती है। यदि टेस्ट विफल हो जाता है, तो पता, कुंजी या मॉडल नाम ठीक करें और बटन फिर से दबाएं।
कार्य के अनुसार मॉडल मिलाएं
रिफैक्टर्स और जटिल लॉजिक के लिए एक बड़ा मॉडल उपयोग करें, और छोटे संपादन जैसे कि एक फ़िक्स्चर का नाम बदलना या एक एसर्शन जोड़ने के लिए एक छोटा मॉडल उपयोग करें। आपको पूरी चैट स्विच करने की आवश्यकता नहीं है। run_on_model टूल एक कठिन चरण को एक बड़े मॉडल को भेजता है, जबकि नियमित चरण उसी मॉडल पर रहते हैं जिसकी आपने चयन किया है। उदाहरण के लिए, एक छोटे मॉडल को आपका टेस्ट कमांड चलाने और एक्ज़िट कोड पढ़ने दें, और एक जटिल टेस्ट क्लास के डिज़ाइन को बड़े मॉडल को सौंपें। कार्ड में परिणाम पढ़ें, चाहे जो भी हो।
गुणवत्ता मॉडल के बीच भिन्न होती है, इसलिए हर प्रस्ताव को एक ड्राफ्ट के रूप में मानें। Ask first का उपयोग करें ताकि हर बदलाव आपके OK का इंतजार करे, डिफ़ को लाइन-दर-लाइन पढ़ें, और स्वीकार करने के बाद अपनी टेस्ट कमांड फिर से चलाएं। यदि एक टेस्ट बहुत चतुर लगता है, तो उसे अस्वीकार करें और एक सरल टेस्ट का अनुरोध करें। अपनी खुद की वर्जन कंट्रोल इतिहास रखें ताकि आप पीछे कदम रख सकें। एक पासिंग रन उपयोगी सबूत है, लेकिन यह गारंटी नहीं है।