Connecte un modèle d'IA à SentryEdit
SentryEdit ne t'enferme pas dans un seul modèle. Tu choisis un fournisseur d'IA dans le cloud, un modèle qui tourne en local sur ton PC ou le modèle intégré, et l'agent s'en sert pour planifier les modifications de tes fichiers Verse. Ton choix détermine où vont tes prompts.
Trois façons de se connecter
Un fournisseur d'IA dans le cloud
Connecte un modèle hébergé via un endpoint d'API standard. C'est adapté aux gros refactorings qui touchent plusieurs fichiers .verse, car les gros modèles gèrent bien un long contexte. Tes prompts voyagent vers le fournisseur que tu as choisi, tandis que les conversations, les dossiers de projet et les clés d'API restent sur ton PC. Le fournisseur peut facturer à part.
Un modèle sur ton PC
Fais tourner un modèle en local et pointe SentryEdit vers son endpoint. C'est adapté aux projets privés et aux sessions hors ligne, et rien ne quitte ta machine. La vitesse et la qualité dépendent de ton matériel : pour débuter, les petites modifications et l'explication d'un seul fichier conviennent le mieux.
Le modèle intégré
SentryEdit inclut un modèle qui n'a pas besoin d'endpoint d'API, donc tu peux essayer l'agent tout de suite sur un petit fichier Verse. C'est adapté aux premiers essais avec 1 fichier et 1 tâche. Vérifie ses réponses comme celles de n'importe quel modèle, et passe à un modèle plus gros pour les travaux plus importants.
Vérifie la connexion avec Test
Le bouton Test envoie une courte requête à ton endpoint et indique deux valeurs : le temps de réponse et la fenêtre de contexte. La fenêtre de contexte, c'est la quantité de texte que le modèle peut lire d'un coup. Les gros fichiers .verse et les longues conversations en demandent une plus grande, donc vérifie-la avant de commencer.
Choisir un modèle selon la tâche
Utilise un modèle plus gros pour les refactorings, la logique compliquée et les changements sur beaucoup de fichiers. Utilise un modèle plus petit pour les petites modifications, comme renommer un champ ou ajouter une ligne Print. SentryEdit peut aussi envoyer une étape difficile à un modèle plus gros avec run_on_model, pendant que le reste continue sur le modèle que tu as choisi.
La qualité varie d'un modèle à l'autre. Lis chaque diff, garde Ask first activé et teste le résultat dans UEFN. Aucun modèle n'a raison 100 pour cent du temps.
