CycleMantle
Modele

Który model AI powinien pisać i przeglądać Twoje testy?

02

CycleMantle nie ma jednego, stałego „mózgu”. Wybierasz dostawcę AI w chmurze, model działający na Twoim komputerze lub model wbudowany, a wybór ten możesz zmieniać w każdym czacie. Decyzja ta określa, dokąd trafiają Twoje prompty i jak dobre są proponowane testy.

CycleMantle→endpoint API→Model

Trzy sposoby połączenia modelu

Dostawca AI w chmurze

W ustawieniach wpisujesz adres standardowego endpointu API i swój klucz, a CycleMantle wysyła czat do tego dostawcy. Duże modele chmurowe zazwyczaj lepiej radzą sobie z długimi klasami i skomplikowaną logiką. Klucz pozostaje na Twoim komputerze. W przypadku modelu chmurowego Twój prompt oraz tekst pliku odczytywany przez agenta trafiają do tego dostawcy; w przypadku modelu lokalnego nic nie opuszcza Twojego komputera. Opłaty za użycie ponosi dostawca, więc przeczytaj jego regulamin. Trzymaj hasła i klucze prywatne z dala od plików, które prosisz agenta o odczytanie.

Model na Twoim komputerze

Wskazujesz CycleMantle na endpoint działający na Twojej maszynie. Prompty trafiają wtedy do tego lokalnego adresu, a w przypadku modelu lokalnego nic nie opuszcza Twojego komputera. Rozwiązanie to sprawdza się w przypadku kodu, którego nie chcesz wysyłać do stron trzecich. Mniejsze modele lokalne mogą być wolniejsze i słabsze przy długich plikach, więc wybieraj zadania dopasowane do ich możliwości: jedna klasa, jeden plik fixture, jeden nieprzechodzący test. Ty sam uruchamiasz i aktualizujesz model lokalny. Karty czatu, różnice (diff) i tryby zatwierdzania wyglądają dokładnie tak samo jak w przypadku modelu chmurowego.

Model wbudowany

Model wbudowany jest gotowy do użycia bez konieczności posiadania własnego endpointu, więc jest najszybszym sposobem na wypróbowanie aplikacji po jej zainstalowaniu. Użyj go do pierwszego uruchomienia: poproś o testy dla jednej małej funkcji, przeczytaj różnice (diff) i zobacz, jak zachowują się karty oraz tryby zatwierdzania. Jeśli zadanie wymaga głębszej analizy, przełącz czat na model chmurowy lub lokalny. Twój folder projektu, historia czatu i tryb zatwierdzania pozostają bez zmian, ponieważ należą do aplikacji, a nie do modelu.

Sprawdź połączenie za pomocą przycisku Test

Po wpisaniu endpointu naciśnij przycisk Test przed powierzeniem agentowi rzeczywistej pracy. Wysyła on małe żądanie, a następnie wyświetla czas odpowiedzi oraz okno kontekstowe modelu. Czas odpowiedzi informuje Cię, jak długo będzie czekać każdy krok długiego uruchomienia. Okno kontekstowe pokazuje, ile kodu i wyników mieści się w jednej rozmowie. Małe okno wystarczy dla jednej funkcji, ale może sprawiać trudności przy całym folderze testów. Jeśli test się nie powiedzie, popraw adres, klucz lub nazwę modelu i naciśnij przycisk ponownie.

Dopasuj model do zadania

Używaj większego modelu do refaktoryzacji i złożonej logiki, a mniejszego do drobnych zmian, takich jak zmiana nazwy fixture lub dodanie jednej asercji. Nie musisz przełącować całego czatu. Narzędzie run_on_model wysyła jeden trudny krok do większego modelu, podczas gdy rutynowe kroki pozostają na wybranym przez Ciebie modelu. Na przykład pozwól małemu modelowi uruchomić polecenie testu i odczytać kod wyjścia, a projektowaniu trudnej klasy testowej poświęć większemu modelowi. Wynik odczytaj w karcie w każdym przypadku.

Jakość różni się w zależności od modelu, więc traktuj każdą propozycję jako szkic. Użyj opcji Ask first, aby każda zmiana czekała na Twoją zgodę, czytaj różnice (diff) linia po linii i ponownie uruchom polecenie testu po jego zaakceptowaniu. Jeśli test wydaje się zbyt skomplikowany, odrzuć go i poproś o prostszą wersję. Zachowaj własną historię kontroli wersji, aby móc się wycofać. Przechodzące uruchomienie jest użytecznym dowodem, ale nie gwarancją.

CycleMantle dla systemu Windows

Wybierz model, a następnie przetestuj jeden test

Pobierz CycleMantle ↗