Wähle das Modell, das deine Listings liest
CJK Workbench arbeitet mit einem Cloud-KI-Anbieter über einen Standard-API-Endpoint, mit einem lokal auf deinem PC laufenden Modell oder mit dem integrierten Modell. Deine Wahl entscheidet, wohin der Text deiner Listings geht, triff sie also, bevor du eine Datei öffnest. Vergleiche die drei Optionen unten.
Drei Wege, ein Modell zu verbinden
Ein Cloud-KI-Anbieter
Ein Cloud-Anbieter eignet sich für lange, verworrene Listings, wenn du ein größeres Modell willst. Die Schlüssel bleiben auf deinem PC. Der Anbieter erhält den Prompt-Text, einschließlich des Dateitexts, den der Agent liest, sende also nur Listings, die du weitergeben darfst, und denk daran, dass der Anbieter seine API gesondert berechnen kann.
Ein Modell auf deinem PC
Ein lokales Modell läuft auf deinem eigenen PC und eignet sich für Listings, die an niemanden gesendet werden dürfen. Nichts verlässt den Rechner. Qualität und Geschwindigkeit hängen von deiner Hardware und dem installierten Modell ab, probiere es also zuerst an einem kurzen Listing und vergleiche seine Erklärung mit dem Text.
Das integrierte Modell
Das integrierte Modell braucht weder einen API-Endpoint noch eine lokale Installation. Zum Starten der App ist kein Konto nötig. Welche Option du auch wählst, Prompts gehen nur an das Modell, das du gewählt hast, du entscheidest also, wo der Listing-Text landet.
Prüfe die Verbindung mit Test
Drücke zuerst Test. Der Button prüft einen Endpoint, bevor du dich darauf verlässt, und zeigt die Antwortzeit und das Kontextfenster, das angibt, wie viel Text in eine Anfrage passt. Ein langes Listing passt womöglich nicht in ein kleines Fenster, teste also das Modell, das du verwenden willst, und wiederhole den Test nach jeder Änderung des Endpoints.
Passe das Modell an die Aufgabe an
Ein größeres Modell eignet sich für lange, verworrene Listings und den schwierigeren Schritt, eine Datenstruktur durch viele Funktionen zu verfolgen, während ein kleineres genügt, um einen kurzen Ausschnitt zu erklären. Probiere zuerst das kleine. run_on_model schickt einen schwierigen Schritt an ein größeres Modell und lässt den Rest der Sitzung bei deiner gewohnten Wahl.
Die Qualität schwankt zwischen Modellen, und jedes kann ein Listing falsch lesen. Lies jeden Diff. Nutze Ask first, damit jeder Schreibvorgang auf dein OK wartet, und vergleiche die Aussage mit dem Listing selbst, bevor du eine Notizänderung annimmst.
