Choisissez le modèle qui pilote votre agent dApp
AlphaWeft a besoin d'un modèle pour planifier les étapes et écrire du code. Vous pouvez connecter un fournisseur IA cloud via un endpoint API standard, exécuter un modèle sur votre propre PC ou utiliser le modèle intégré, prêt à l'emploi sans votre propre endpoint. Appuyez sur Tester pour vérifier n'importe quel endpoint avant la première tâche.
Trois façons de connecter un modèle
Fournisseur d'IA cloud
Un fournisseur d'IA cloud est le choix habituel pour les gros refactoring et les projets où le modèle doit garder beaucoup de fichiers en mémoire. Vous entrez l'endpoint API du fournisseur et votre clé dans AlphaWeft, et la clé reste sur votre PC. La conséquence est claire : chaque prompt est envoyé à ce fournisseur, y compris le texte de tout fichier que l'agent lit pour la tâche. Utilisez-le pour le code que vous êtes à l'aise de partager et gardez les secrets hors du dossier de travail. Le fournisseur peut facturer son modèle séparément, et AlphaWeft lui-même ne nécessite aucun compte.
Un modèle sur votre propre PC
Un modèle s'exécutant localement sur votre PC convient aux projets privés, comme un front-end pour un contrat que vous n'avez pas publié. Vous exécutez le modèle vous-même et connectez AlphaWeft à celui-ci. Avec un modèle local, rien ne quitte la machine, donc le texte du fichier que l'agent lit reste sur votre PC. Le compromis est le matériel. Un modèle local plus petit peut gérer de petites modifications et des explications, mais peut avoir du mal avec un gros refactoring, alors lisez attentivement ses diffs. Le bouton Test vous montre son temps de réponse et sa fenêtre de contexte.
Le modèle intégré
Le modèle intégré est prêt à l'emploi sans votre propre endpoint. Choisissez-le pour essayer AlphaWeft juste après l'installation, sur une première tâche comme mapper un dossier, lire un fichier ABI ou expliquer une erreur de build. Lisez ses diffs comme vous le feriez pour n'importe quel autre modèle, car chaque modèle peut faire des erreurs. Plus tard, vous pouvez connecter un fournisseur d'IA cloud ou un modèle local pour des étapes plus difficiles, en les connectant dans l'application.
Vérifiez la connexion avec Test
Après avoir entré un endpoint, appuyez sur le bouton Test. AlphaWeft vérifie l'endpoint, affiche son temps de réponse et montre la fenêtre de contexte, qui est la quantité de texte que le modèle peut ingérer en une seule fois. Un temps de réponse lent vous indique que chaque carte mettra du temps à apparaître. Une petite fenêtre de contexte vous avertit qu'un long fichier ABI plus plusieurs composants peuvent ne pas tenir dans une seule requête. Test ne juge pas la qualité des réponses, seulement la connexion. Exécutez une petite tâche, comme lire balance-abi.json, et regardez le diff avant de donner quoi que ce soit de plus grand au modèle.
Associez le modèle à la tâche
Utilisez un modèle plus gros pour les refactoring qui touchent de nombreux fichiers et pour la logique délicate, comme la gestion d'une transaction qui reste en attente ou qui échoue après une erreur de réseau incorrect. Les petites modifications n'en ont rarement besoin : renommer une variable, ajouter un état de chargement ou corriger un import peut être confié à un modèle plus petit, moins cher ou local. L'outil run_on_model permet à l'agent d'envoyer une étape difficile à un modèle plus gros tandis que le reste du chat reste sur le modèle que vous avez choisi. Si une étape échoue deux fois, changez de modèle pour cette étape au lieu de répéter le même prompt une troisième fois.
La qualité de la sortie varie d'un modèle à l'autre, et aucun modèle n'a toujours raison. En mode Ask first, chaque modification attend en tant que diff, donc vous voyez exactement quelles lignes le modèle veut ajouter ou supprimer. Lisez-les, acceptez celles qui correspondent à votre intention et rejetez le reste. Ensuite, exécutez votre commande de test et lisez sa sortie avant de passer à la suite.
