Conecta un modelo de IA a SentryEdit
SentryEdit no te ata a un solo modelo. Eliges un proveedor de IA en la nube, un modelo que se ejecute en local en tu PC o el modelo integrado, y el agente lo usa para planear las ediciones de tus archivos Verse. Tu elección decide adónde van tus prompts.
Tres formas de conectar
Un proveedor de IA en la nube
Conecta un modelo alojado mediante un endpoint de API estándar. Va bien para refactorizaciones grandes que tocan varios archivos .verse, porque los modelos grandes manejan bien un contexto largo. Tus prompts viajan al proveedor que elegiste, mientras que los chats, las carpetas de proyecto y las claves de API se quedan en tu PC. Puede que el proveedor cobre aparte.
Un modelo en tu PC
Ejecuta un modelo en local y apunta SentryEdit a su endpoint. Va bien para proyectos privados y sesiones sin conexión, y nada sale de tu equipo. La velocidad y la calidad dependen de tu hardware, así que para empezar lo mejor son ediciones pequeñas y explicaciones de un solo archivo.
El modelo integrado
SentryEdit incluye un modelo que no necesita endpoint de API, así que puedes probar el agente en un archivo Verse pequeño ahora mismo. Va bien para los primeros experimentos con 1 archivo y 1 tarea. Comprueba sus respuestas como las de cualquier otro y pasa a un modelo más grande para trabajos mayores.
Comprueba la conexión con Test
El botón Test envía una petición corta a tu endpoint e informa de dos números: el tiempo de respuesta y la ventana de contexto. La ventana de contexto es la cantidad de texto que el modelo puede leer a la vez. Los archivos .verse grandes y los chats largos necesitan una mayor, así que compruébala antes de empezar.
Elegir un modelo según la tarea
Usa un modelo más grande para refactorizaciones, lógica complicada y cambios en muchos archivos. Usa uno más pequeño para ediciones menores, como renombrar un campo o añadir una línea Print. SentryEdit también puede enviar un paso difícil a un modelo más grande con run_on_model mientras el resto sigue en el modelo que elegiste.
La calidad varía de un modelo a otro. Lee cada diff, deja Ask first activado y prueba el resultado en UEFN. Ningún modelo acierta el 100 por ciento de las veces.
