Wybierz model, który czyta twoje listingi
CJK Workbench działa z dostawcą AI w chmurze przez standardowy endpoint API, z modelem uruchomionym lokalnie na twoim PC albo z modelem wbudowanym. Twój wybór decyduje, dokąd trafia tekst twoich listingów, więc podejmij go, zanim otworzysz plik. Porównaj trzy opcje poniżej.
Trzy sposoby podłączenia modelu
Dostawca AI w chmurze
Dostawca w chmurze nadaje się do długich, poplątanych listingów, gdy chcesz większego modelu. Klucze zostają na twoim PC. Dostawca otrzymuje tekst promptu, w tym tekst pliku czytany przez agenta, więc wysyłaj tylko listingi, które wolno ci udostępniać, i pamiętaj, że dostawca może osobno naliczać opłaty za swoje API.
Model na twoim PC
Model lokalny działa na twoim własnym PC i nadaje się do listingów, których nie wolno nikomu wysyłać. Nic nie opuszcza komputera. Jakość i szybkość zależą od twojego sprzętu i zainstalowanego modelu, więc najpierw wypróbuj go na krótkim listingu i porównaj jego wyjaśnienie z tekstem.
Model wbudowany
Model wbudowany nie wymaga endpointu API ani lokalnej instalacji. Do uruchomienia aplikacji nie trzeba konta. Którąkolwiek opcję wybierzesz, prompty trafiają tylko do modelu, który wskazałeś, więc to ty decydujesz, gdzie ląduje tekst listingów.
Sprawdź połączenie przyciskiem Test
Najpierw naciśnij Test. Przycisk sprawdza endpoint, zanim na nim polegasz, i pokazuje czas odpowiedzi oraz okno kontekstu, które mówi, ile tekstu mieści się w jednym zapytaniu. Długi listing może nie zmieścić się w małym oknie, więc przetestuj model, którego zamierzasz używać, i powtórz test po zmianie endpointu.
Dopasuj model do zadania
Większy model nadaje się do długich, poplątanych listingów i do trudniejszego kroku, jakim jest śledzenie jednej struktury danych przez wiele funkcji, a mniejszy wystarczy do wyjaśnienia krótkiego fragmentu. Najpierw wypróbuj mały. run_on_model wysyła jeden trudny krok do większego modelu i zostawia resztę sesji przy twoim zwykłym wyborze.
Jakość różni się między modelami i każdy może źle odczytać listing. Czytaj każdy diff. Używaj Ask first, aby każdy zapis czekał na twoje OK, i porównaj twierdzenie z samym listingiem, zanim zaakceptujesz zmianę w notatkach.
