Choisis le modèle qui lit tes listings
CJK Workbench fonctionne avec un fournisseur d'IA cloud via un endpoint d'API standard, avec un modèle qui tourne en local sur ton PC ou avec le modèle intégré. Ton choix décide où part le texte de tes listings, alors fais-le avant d'ouvrir un fichier. Compare les trois options ci-dessous.
Trois façons de connecter un modèle
Un fournisseur d'IA cloud
Un fournisseur cloud convient aux listings longs et embrouillés quand tu veux un modèle plus grand. Les clés restent sur ton PC. Le fournisseur reçoit le texte du prompt, y compris le texte de fichier que l'agent lit, alors n'envoie que des listings que tu as le droit de partager, et rappelle-toi que le fournisseur peut facturer son API à part.
Un modèle sur ton PC
Un modèle local tourne sur ton propre PC et convient aux listings qui ne doivent être envoyés à personne. Rien ne quitte la machine. La qualité et la vitesse dépendent de ton matériel et du modèle installé, alors essaie d'abord sur un listing court et compare son explication au texte.
Le modèle intégré
Le modèle intégré n'a besoin ni d'endpoint d'API ni d'installation locale. Aucun compte n'est nécessaire pour utiliser l'application. Quelle que soit l'option choisie, les prompts partent uniquement vers le modèle que tu as retenu, donc c'est toi qui décides où va le texte de tes listings.
Vérifie la connexion avec Test
Appuie d'abord sur Test. Le bouton vérifie un endpoint avant que tu t'y fies et affiche le temps de réponse et la fenêtre de contexte, qui indique la quantité de texte tenant dans une requête. Un long listing peut ne pas tenir dans une petite fenêtre, alors teste le modèle que tu comptes utiliser et relance le test après avoir changé d'endpoint.
Choisis le modèle selon la tâche
Un modèle plus grand convient aux listings longs et embrouillés et à l'étape plus difficile qui consiste à suivre une structure de données à travers plusieurs fonctions, tandis qu'un plus petit suffit pour expliquer un court extrait. Essaie d'abord le petit. run_on_model envoie une étape difficile à un modèle plus grand et laisse le reste de la session sur ton choix habituel.
La qualité varie selon les modèles, et chacun peut mal lire un listing. Relis chaque diff. Utilise Ask first pour que chaque écriture attende ton OK, et compare l'affirmation au listing lui-même avant d'accepter une modification des notes.
