Quale modello AI dovrebbe scrivere e revisionare i tuoi test?
CycleMantle non include un'intelligenza fissa. Scegli un provider AI cloud, un modello in esecuzione sul tuo PC o il modello integrato, e puoi cambiare questa scelta per ogni chat. La scelta determina dove vengono inviati i tuoi prompt e quanto sono validi i test proposti.
Tre modi per connettere un modello
Un provider AI cloud
Inserisci l'indirizzo di un endpoint API standard e la tua chiave nelle impostazioni, e CycleMantle invia la chat a quel provider. I modelli cloud di grandi dimensioni gestiscono solitamente meglio le classi lunghe e la logica complessa. La chiave rimane sul tuo PC. Con un modello cloud, il tuo prompt e il testo del file che l'agente legge vengono inviati a quel provider; con un modello locale nulla esce dal tuo PC. I costi di utilizzo sono gestiti dal provider, quindi leggi i suoi termini. Tieni password e chiavi private fuori dai file che chiedi all'agente di leggere.
Un modello sul tuo PC
Indica a CycleMantle un endpoint che gira sulla tua macchina. I prompt vanno quindi a quell'indirizzo locale e, con un modello locale, nulla esce dal tuo PC. Questo è adatto per il codice che potresti non inviare a terze parti. I modelli locali più piccoli possono essere più lenti e meno efficaci con file lunghi, quindi scegli compiti adatti: una classe, un fixture, un test fallito. Avvii e aggiorni il modello locale tu stesso. Le card della chat, le diff e le modalità di approvazione appaiono esattamente come con un modello cloud.
Il modello integrato
Il modello integrato è pronto all'uso senza il tuo endpoint personale, quindi è il modo più veloce per provare l'app dopo l'installazione. Usalo per una prima esecuzione: chiedi i test di una piccola funzione, leggi la diff e vedi come si comportano le card e le modalità di approvazione. Se un compito richiede più profondità, passa la chat a un modello cloud o locale. La cartella del progetto, la cronologia della chat e la modalità di approvazione rimangono invariate, perché appartengono all'app e non al modello.
Verifica la connessione con il pulsante Test
Dopo aver inserito un endpoint, premi il pulsante Test prima di dare all'agente lavoro reale. Invia una piccola richiesta, quindi mostra il tempo di risposta e la finestra di contesto del modello. Il tempo di risposta ti dice quanto tempo ogni fase di una lunga esecuzione dovrà attendere. La finestra di contesto ti dice quanto codice e output entrano in una conversazione. Una finestra piccola va bene per una funzione ma fa fatica con un'intera cartella di test. Se il test fallisce, correggi l'indirizzo, la chiave o il nome del modello e premi di nuovo il pulsante.
Abbinare il modello al compito
Usa un modello più grande per refactoring e logica complessa, e uno più piccolo per piccole modifiche come rinominare un fixture o aggiungere un'asserzione. Non devi cambiare l'intera chat. Lo strumento run_on_model invia un passaggio difficile a un modello più grande, mentre i passaggi di routine restano sul modello che hai scelto. Ad esempio, lascia che un modello piccolo esegua il tuo comando di test e legga il codice di uscita, e affida la progettazione di una classe di test complessa a quello più grande. Leggi il risultato nella card in ogni caso.
La qualità varia tra i modelli, quindi tratta ogni proposta come una bozza. Usa Ask first in modo che ogni modifica attenda il tuo OK, leggi la riga per riga e esegui di nuovo il tuo comando di test dopo averlo accettato. Se un test sembra troppo astuto, rifiutalo e chiedi uno più semplice. Mantieni la tua cronologia di versionamento così puoi tornare indietro. Un'esecuzione passata è una prova utile, ma non è una garanzia.