Ce model AI să scrie și să revizuiască testele?
CycleMantle nu vine cu un singur model fix. Alegi un furnizor AI cloud, un model pe PC sau modelul integrat, iar această alegere se poate schimba per chat. Alegerea determină unde ajung prompturile tale și cât de bune sunt testele propuse.
Trei moduri de a conecta un model
Un furnizor AI cloud
Introdu adresa unui endpoint API standard și cheia în setări, iar CycleMantle trimite chat-ul către acel furnizor. Modelele cloud mari gestionează de obicei mai bine clasele lungi și logica complexă. Cheia rămâne pe PC. Cu un model cloud, promptul și textul fișierului pe care agentul îl citește ajung la acel furnizor; cu un model local, nimic nu părăsește PC-ul. Orice costuri de utilizare vin de la furnizor, așa că citește termenii. Nu include parolele și cheile private în fișierele pe care le ceri agentului să le citească.
Un model pe PC
Indreptezi CycleMantle către un endpoint care rulează pe propria mașină. Prompturile ajung apoi la acea adresă locală, iar cu un model local, nimic nu părăsește PC-ul. Acest lucru se potrivește codului pe care poate nu dorești să îl trimiți către o terță parte. Modelele locale mai mici pot fi mai lente și mai slabe la fișierele lungi, așa că alege sarcini care se potrivesc: o clasă, un fixture, un test eșuat. Începi și actualizezi modelul local singur. Cartelele de chat, diferențele și modurile de aprobare arată exact la fel ca în cazul unui model cloud.
Modelul integrat
Modelul integrat este gata de utilizare fără propriul endpoint, așa că este cea mai rapidă modalitate de a încerca aplicația după instalare. Folosește-l pentru un prim rulaj: cere teste pentru o funcție mică, citește diferența și vezi cum se comportă cartelele și modurile de aprobare. Dacă o sarcină necesită mai multă profunzime, schimbă chat-ul către un model cloud sau local. Dosarul proiectului, istoricul chat-ului și modul de aprobare rămân neschimbate, deoarece aparțin aplicației și nu modelului.
Verifică conexiunea cu butonul Test
După ce introduci un endpoint, apasă butonul Test înainte de a da agentului o muncă reală. Trimite o cerere mică, apoi afișează timpul de răspuns și fereastra de context a modelului. Timpul de răspuns îți spune cât va aștepta fiecare pas într-un rulaj lung. Fereastra de context îți spune cât cod și output încap într-o singură conversație. O fereastră mică este suficientă pentru o funcție, dar are dificultăți cu un întreg dosar de teste. Dacă testul eșuează, corectează adresa, cheia sau numele modelului și apasă butonul din nou.
Potrivește modelul cu sarcina
Folosește un model mai mare pentru refactorizări și logică complexă, și unul mai mic pentru editări mici, cum ar fi redenumirea unui fixture sau adăugarea unei singure asertări. Nu trebuie să schimbi întregul chat. Unealta run_on_model trimite un pas greu către un model mai mare, în timp ce pașii obișnuiți rămân pe modelul ales. De exemplu, lasă un model mic să execute comanda de testare și să citească codul de ieșire, și încredințează designul unei clase de test complexe modelului mai mare. Citește rezultatul în cartelă, indiferent de model.
Calitatea variază între modele, așa că tratează fiecare propunere ca pe un proiect. Folosește Ask first pentru ca fiecare modificare să aștepte aprobarea ta, citește diferența linie cu linie și rulează din nou comanda de testare după ce o accepți. Dacă un test pare prea complex, respinge-l și cere unul mai simplu. Păstrează istoricul de control al versiunii pentru a te putea întoarce. Un rulaj cu succes este o dovadă utilă, dar nu o garanție.