Kies het model dat je dApp-agent aanstuurt

AlphaWeft heeft een model nodig om stappen te plannen en code te schrijven. Je kunt een cloud-aanbieder koppelen via een standaard API-endpoint, een model op je eigen pc draaien of het ingebouwde model gebruiken, dat direct klaarstaat zonder dat je een eigen endpoint nodig hebt. Druk op Test om elk endpoint te controleren voordat je de eerste taak start.

Drie manieren om een model te koppelen

Cloud AI-aanbieder

Een cloud AI-aanbieder is de gebruikelijke keuze voor grote refactors en projecten waarbij het model veel bestanden in gedachten moet houden. Je voert het API-endpoint van de aanbieder en je sleutel in in AlphaWeft, en de sleutel blijft op je pc. Het gevolg is duidelijk: elke prompt gaat naar die aanbieder, inclusief de tekst van elk bestand dat de agent leest voor de taak. Gebruik het voor code die je comfortable deelt en houd geheimen buiten de werkmap. De aanbieder kan apart rekenen voor zijn model, en AlphaWeft zelf heeft geen account nodig.

Een model op je eigen pc

Een model dat lokaal op je pc draait, is geschikt voor private projecten, zoals een front-end voor een contract dat je nog niet hebt gepubliceerd. Je draait het model zelf en koppelt AlphaWeft eraan. Met een lokaal model verlaat niets de machine, dus de bestandstekst die de agent leest, blijft op je pc. Het nadeel is de hardware. Een kleiner lokaal model kan kleine aanpassingen en uitleg aan, maar kan moeite hebben met een grote refactor, dus lees de diffs zorgvuldig. De knop Test toont je de responstijd en het contextvenster.

Het ingebouwde model

Het ingebouwde model is direct te gebruiken zonder dat je een eigen endpoint nodig hebt. Kies het om AlphaWeft direct na de installatie te proberen, bij een eerste taak zoals het in kaart brengen van een map, het lezen van een ABI-bestand of het uitleggen van een buildfout. Lees de diffs zoals je dat bij elk ander model zou doen, omdat elk model fouten kan maken. Later kun je een cloud AI-aanbieder of een lokaal model koppelen voor moeilijkere stappen, door het in de app te verbinden.

Controleer de verbinding met Test

Nadat je een endpoint hebt ingevoerd, druk je op de knop Test. AlphaWeft controleert het endpoint, toont de responstijd en geeft het contextvenster weer, wat aangeeft hoeveel tekst het model in één keer kan verwerken. Een lange responstijd geeft aan dat elke kaart even lang zal duren om te verschijnen. Een klein contextvenster waarschuwt je dat een lang ABI-bestand samen met meerdere componenten mogelijk niet in één verzoek past. Test beoordeelt niet de kwaliteit van de antwoorden, alleen de verbinding. Voer een kleine taak uit, zoals het lezen van balance-abi.json, en bekijk de diff voordat je het model iets groters laat doen.

Koppel het model aan de taak

Gebruik een groter model voor refactors die veel bestanden raken en voor lastige logica, zoals de afhandeling van een transactie die hangt blijft of faalt na een fout-netwerkfout. Kleine aanpassingen hebben zelden een groot model nodig: het hernoemen van een variabele, het toevoegen van een laadstatus of het fixen van een import kan naar een kleiner, goedkoper of lokaal model. De tool run_on_model stelt de agent in staat één moeilijke stap naar een groter model te sturen, terwijl de rest van de chat op het door jou gekozen model blijft. Als een stap twee keer faalt, verander dan het model voor die stap in plaats van dezelfde prompt een derde keer te herhalen.

De kwaliteit van de output verschilt per model, en geen enkel model is altijd goed. In de modus Ask first wacht elke wijziging als een diff, zodat je precies ziet welke regels het model wil toevoegen of verwijderen. Lees ze, accepteer de regels die bij je intentie passen en wijs de rest af. Voer daarna je testcommando uit en lees de uitvoer voordat je verder gaat.