dAppエージェントを駆動するモデルを選ぼう

AlphaWeftはステップの計画とコード記述にモデルを必要とします。標準APIエンドポイント経由でクラウドAIプロバイダに接続するか、PC上でモデルを動作させるか、エンドポイント不要の内蔵モデルを使用できます。最初のタスク前に[テスト]ボタンでエンドポイントを確認しましょう。

モデル接続の3つの方法

クラウドAIプロバイダ

クラウドAIプロバイダは、大規模なリファクタリングや、モデルが多数のファイルの情報を保持する必要があるプロジェクトに最適です。プロバイダのAPIエンドポイントとキーをAlphaWeftに入力すると、キーはPC上に残ります。つまり、エージェントがタスクのために読み取るファイルのテキストを含むすべてのプロンプトがそのプロバイダに送信されます。共有に抵抗のないコードに使用し、機密情報は作業フォルダから外してください。プロバイダはモデルを別途課金する場合がありますが、AlphaWeft自体にはアカウントは不要です。

PC上のモデル

PC上でローカルに動作するモデルは、未公開のコントラクトのフロントエンドなど、プライベートなプロジェクトに適しています。モデルを自分で実行し、AlphaWeftを接続します。ローカルモデルではデータが外部に出ないため、エージェントが読み取るファイルのテキストはPC内に留まります。ただし、ハードウェアがトレードオフになります。小型のローカルモデルは小さな編集や説明には対応できますが、大規模なリファクタリングでは苦労する可能性があります。差分は注意深く確認してください。[テスト]ボタンで応答時間とコンテキストウィンドウを確認できます。

内蔵モデル

内蔵モデルは、独自のエンドポイントを持たずにすぐに使用できます。インストール直後の最初のタスク（フォルダのマッピング、ABIファイルの読み取り、ビルドエラーの説明など）でAlphaWeftを試す際に選択してください。他のモデルと同様に、内蔵モデルの差分も確認してください。モデルは間違いを犯すことがあります。その後、アプリ内で接続することで、より複雑なステップ用にクラウドAIプロバイダやローカルモデルを接続できます。

[テスト]で接続を確認

エンドポイントを入力したら、[テスト]ボタンを押してください。AlphaWeftはエンドポイントを確認し、応答時間とコンテキストウィンドウ（モデルが一度に処理できるテキストの量）を表示します。応答時間が遅いと、すべてのカードの表示に時間がかかることを意味します。コンテキストウィンドウが小さい場合、長いABIファイルと複数のコンポーネントを1つのリクエストに収められない可能性があります。テストは回答の品質ではなく、接続のみを確認します。balance-abi.jsonの読み取りなど、小さなタスクを1つ実行し、モデルに大きなデータを渡す前に差分を確認してください。

タスクにモデルをマッチさせる

複数のファイルに触れるリファクタリングや、ネットワークエラー後に保留中または失敗するトランザクションの処理のような複雑なロジックには、大きなモデルを使用してください。変数のリネーム、ローディング状態の追加、インポートの修正など、小さな編集には通常不要です。これらは小さく、安価、またはローカルのモデルに任せることができます。run_on_modelツールを使用すると、エージェントは1つの重いステップを大きなモデルに送信でき、チャットの残りは選択したモデルのまま維持されます。ステップが2回失敗した場合、プロンプトを3回繰り返すのではなく、そのステップのモデルを変更してください。

出力の品質はモデルによって異なり、どのモデルも常に正しいわけではありません。[Ask first]モードでは、変更は差分として待機するため、モデルが追加または削除したい行を正確に確認できます。それを読み、意図に一致するものを受け入れ、残りを拒否してください。その後、テストコマンドを実行し、次に進む前にその出力を確認してください。