Conecte um modelo de IA ao SentryEdit

O SentryEdit não prende você a um único modelo. Você escolhe um provedor de IA na nuvem, um modelo rodando localmente no seu PC ou o modelo integrado, e o agente o usa para planejar as edições nos seus arquivos Verse. A sua escolha decide para onde vão os seus prompts.

Três formas de conectar

Um provedor de IA na nuvem

Conecte um modelo hospedado por um endpoint de API padrão. Ele serve para grandes refatorações que mexem em vários arquivos .verse, porque modelos grandes lidam bem com contexto longo. Seus prompts viajam para o provedor que você escolheu, enquanto chats, pastas de projeto e chaves de API ficam no seu PC. O provedor pode cobrar à parte.

Um modelo no seu PC

Rode um modelo localmente e aponte o SentryEdit para o endpoint dele. Serve para projetos privados e sessões offline, e nada sai da sua máquina. A velocidade e a qualidade dependem do seu hardware, então para começar o melhor são pequenas edições e explicações de um único arquivo.

O modelo integrado

O SentryEdit inclui um modelo que não precisa de endpoint de API, então você pode testar o agente agora mesmo em um arquivo Verse pequeno. Serve para os primeiros experimentos com 1 arquivo e 1 tarefa. Confira as respostas dele como as de qualquer outro e passe para um modelo maior em trabalhos maiores.

Confira a conexão com o Test

O botão Test envia um pedido curto para o seu endpoint e informa dois números: o tempo de resposta e a janela de contexto. A janela de contexto é a quantidade de texto que o modelo consegue ler de uma vez. Arquivos .verse grandes e chats longos precisam de uma janela maior, então confira isso antes de começar.

Escolhendo um modelo para a tarefa

Use um modelo maior para refatorações, lógica complicada e mudanças em muitos arquivos. Use um menor para edições pequenas, como renomear um campo ou adicionar uma linha Print. O SentryEdit também pode mandar um passo difícil para um modelo maior com o run_on_model enquanto o resto continua no modelo que você escolheu.

A qualidade varia de modelo para modelo. Leia cada diff, deixe o Ask first ligado e teste o resultado no UEFN. Nenhum modelo acerta 100 por cento das vezes.