आपके Object Pascal संपादन के लिए कौन सा मॉडल संचालित करेगा

Arraydeck के साथ एक निश्चित ब्रेन शिप नहीं होता। आप एक मानक API endpoint के माध्यम से एक क्लाउड AI प्रोवाइडर कनेक्ट करते हैं, अपने पीसी पर एक मॉडल चलाते हैं, या इनबिल्ट मॉडल का उपयोग करते हैं, और आप किसी भी कार्य के लिए कुछ और चाहिए तो यह चयन बदल सकते हैं।

मॉडल कनेक्ट करने के तीन तरीके

एक क्लाउड AI प्रोवाइडर

एक क्लाउड AI प्रोवाइडर को ऐप में दर्ज किए गए मानक API endpoint के माध्यम से पहुँचा जाता है, साथ ही अपनी API key के साथ। यह बड़ी इकाइयों, लंबे refactors और उन कार्यों के लिए उपयुक्त है जहाँ एक बड़ा मॉडल बेहतर तर्क देता है। गोपनीयता का परिणाम स्पष्ट है। प्रॉम्प्ट प्रोवाइडर को जाता है, जिसमें एजेंट द्वारा पढ़ी गई किसी भी फ़ाइल से पाठ शामिल है, और इसे उस प्रोवाइडर की शर्तों के तहत संभाला जाता है। आपकी API key आपके पीसी पर रहती है, और टूल आउटपुट में रहस्यों को मॉडल तक पहुँचने से पहले redacted कर दिया जाता है। प्रोवाइडर की सेवा के लिए बिलिंग आप और प्रोवाइडर के बीच होती है।

आपके पीसी पर स्थानीय रूप से चलने वाला एक मॉडल

आपके पीसी पर स्थानीय रूप से चलने वाला मॉडल आपके स्वयं के मशीन से अनुरोधों का उत्तर देता है। यह निजी कोड, त्वरित छोटे संपादन और उन कार्यों के लिए उपयुक्त है जहाँ कुछ भी कंप्यूटर से बाहर नहीं जाना चाहिए। एक स्थानीय मॉडल के साथ, कुछ भी मशीन से बाहर नहीं जाता, और चैट, वर्किंग फोल्डर और API keys भी पीसी पर ही रहते हैं। सीमा हार्डवेयर है। एक छोटा स्थानीय मॉडल एक छोटा context window रखता है और छोटी इकाइयों या स्पष्ट निर्देशों की आवश्यकता हो सकती है, इसलिए प्रत्येक diff को अतिरिक्त सावधानी से पढ़ें।

इनबिल्ट मॉडल

इनबिल्ट मॉडल बिना आपके स्वयं के endpoint के उपयोग के लिए तैयार है। इसे चुनें जब आप एक पहले प्रोजेक्ट पर Arraydeck का परीक्षण करना चाहते हैं, एक यूनिट पढ़ना चाहते हैं या एक छोटे बदलाव के लिए पूछना चाहते हैं। गुणवत्ता हर मॉडल की तरह कार्य के साथ बदलती है, इसलिए इसे स्वीमाने से पहले diff की समीक्षा करें, अपना build कमांड चलाएं और Ask first को चालू रखें। आप बाद में एक क्लाउड प्रोवाइडर या एक स्थानीय मॉडल को उसी सेटिंग्स में कनेक्ट कर सकते हैं।

Test बटन आपको क्या बताता है

एक endpoint, एक key या एक मॉडल नाम दर्ज करने के बाद Test दबाएं। बटन endpoint की जांच करता है और response time और context window दिखाता है। response time बताता है कि इस कनेक्शन से एक प्रतिक्रिया में कितना समय लगता है, जो एक ही कार्य पर दो मॉडल की तुलना करते समय मदद करता है। context window दिखाता है कि मॉडल एक साथ कितना पाठ ले सकता है, जो कई प्रक्रियाओं वाले एक लंबे यूनिट के लिए महत्वपूर्ण है। एक विफल टेस्ट आमतौर पर एक गलत पता या key का संकेत देता है, इसलिए एक कार्य शुरू करने से पहले सेटिंग्स ठीक करें।

काम के लिए मॉडल चुनना

refactors, लंबी इकाइयों और जटिल लॉजिक के लिए एक बड़ा मॉडल उपयोग करें, और try ... finally जोड़ने या एक प्रक्रिया का नाम बदलने जैसे छोटे संपादन के लिए एक छोटा मॉडल। आप एक ही चैट में उन्हें मिश्रित कर सकते हैं। run_on_model एक अकेले कठिन चरण को एक बड़े मॉडल पर भेजता है जबकि बाकी काम उस मॉडल पर रहता है जिसे आपने चुना है, और task समानांतर रूप से चलाए जा सकने वाले कार्यों के हिस्सों के लिए sub-agents शुरू करता है। मॉडल को चरण से मिलाएं, और एक बड़ी इकाई पेस्ट करने से पहले Test बटन के साथ context window की जांच करें।

मॉडल के बीच और कार्यों के बीच गुणवत्ता अलग-अलग होती है, और कोई भी मॉडल हर कार्य सही नहीं पाता। प्रत्येक diff पढ़ें, प्रोजेक्ट को build करें और एक बदलाव स्वीमाने से पहले अपने tests चलाएं। Ask first उन कार्यों से पहले रुकता है जो कुछ बदलते हैं, इसलिए किसी भी मॉडल से एक कमजोर उत्तर आपको एक टूटी हुई इकाई के बजाय कुछ सेकंड की पढ़ाई का खर्च देता है। जब diff फिट नहीं बैठता तो उसे reject करें और request को फिर से कहें।