Ein KI-Modell mit SentryEdit verbinden
SentryEdit bindet dich nicht an ein einziges Modell. Du wählst einen Cloud-KI-Anbieter, ein lokal auf deinem PC laufendes Modell oder das integrierte Modell, und der Agent nutzt es, um Änderungen an deinen Verse-Dateien zu planen. Deine Wahl entscheidet, wohin deine Prompts gehen.
Drei Wege zur Verbindung
Ein Cloud-KI-Anbieter
Verbinde ein gehostetes Modell über einen Standard-API-Endpunkt. Das passt zu großen Refactorings, die mehrere .verse-Dateien betreffen, denn große Modelle kommen mit langem Kontext gut zurecht. Deine Prompts gehen an den Anbieter, den du gewählt hast, während Chats, Projektordner und API-Schlüssel auf deinem PC bleiben. Der Anbieter kann separat Geld verlangen.
Ein Modell auf deinem PC
Lass ein Modell lokal laufen und richte SentryEdit auf seinen Endpunkt. Das passt zu privaten Projekten und Offline-Sitzungen, und nichts verlässt deinen Rechner. Tempo und Qualität hängen von deiner Hardware ab, deshalb sind kleine Änderungen und Erklärungen zu einer einzelnen Datei für den Anfang am besten.
Das integrierte Modell
SentryEdit bringt ein Modell mit, das keinen API-Endpunkt braucht, sodass du den Agenten sofort an einer kleinen Verse-Datei ausprobieren kannst. Es passt zu ersten Experimenten mit 1 Datei und 1 Aufgabe. Prüfe seine Antworten wie jede andere und wechsle bei größeren Aufgaben zu einem größeren Modell.
Die Verbindung mit Test prüfen
Der Test-Button schickt eine kurze Anfrage an deinen Endpunkt und meldet zwei Werte: die Antwortzeit und das Kontextfenster. Das Kontextfenster ist die Textmenge, die das Modell auf einmal lesen kann. Große .verse-Dateien und lange Chats brauchen ein größeres, also prüfe es, bevor du anfängst.
Ein Modell für die Aufgabe wählen
Nimm ein größeres Modell für Refactorings, knifflige Logik und Änderungen über viele Dateien. Nimm ein kleineres für kleine Änderungen, etwa ein Feld umzubenennen oder eine Print-Zeile hinzuzufügen. SentryEdit kann mit run_on_model auch einen schweren Schritt an ein größeres Modell schicken, während der Rest bei deinem gewählten Modell bleibt.
Die Qualität schwankt von Modell zu Modell. Lies jeden Diff, lass Ask first an und teste das Ergebnis in UEFN. Kein Modell liegt zu 100 Prozent richtig.
