Оберіть модель, яка читатиме ваші лістинги
CJK Workbench працює з хмарним ШІ-провайдером через стандартний API-ендпоінт, з моделлю, що працює локально на вашому ПК, або з вбудованою моделлю. Ваш вибір визначає, куди потрапляє текст ваших лістингів, тож зробіть його до відкриття файлу. Порівняйте три варіанти нижче.
Три способи підключити модель
Хмарний ШІ-провайдер
Хмарний провайдер підходить для довгих, заплутаних лістингів, коли потрібна більша модель. Ключі лишаються на вашому ПК. Провайдер отримує текст запиту, зокрема текст файлів, які читає агент, тож надсилайте лише ті лістинги, якими дозволено ділитися, і памʼятайте, що за API провайдер може брати плату окремо.
Модель на вашому ПК
Локальна модель працює на вашому ПК і підходить для лістингів, які не можна нікому надсилати. Нічого не залишає компʼютер. Якість і швидкість залежать від вашого заліза та моделі, яку ви встановите, тож спершу спробуйте на короткому лістингу й порівняйте її пояснення з текстом.
Вбудована модель
Вбудованій моделі не потрібні ні API-ендпоінт, ні локальне встановлення. Для запуску застосунку акаунт не потрібен. Який би варіант ви не обрали, запити йдуть лише до вибраної вами моделі, тож ви самі вирішуєте, куди потрапляє текст лістингів.
Перевірте зʼєднання кнопкою Test
Спершу натисніть Test. Кнопка перевіряє ендпоінт, перш ніж ви на нього покладетеся, і показує час відповіді та контекстне вікно, яке підказує, скільки тексту вміститься в одному запиті. Довгий лістинг може не поміститися в мале вікно, тому протестуйте модель, яку плануєте використовувати, і повторіть перевірку після зміни ендпоінта.
Підберіть модель до завдання
Більша модель підходить для довгих, заплутаних лістингів і складнішого кроку — простежити одну структуру даних крізь багато функцій, а менша достатня, щоб пояснити короткий фрагмент. Спершу спробуйте малу. run_on_model передає один складний крок більшій моделі, а решту сеансу лишає на вашому звичному виборі.
Якість різниться між моделями, і будь-яка з них може хибно прочитати лістинг. Читайте кожен diff. Використовуйте Ask first, щоб кожен запис чекав на ваше OK, і порівнюйте твердження із самим лістингом, перш ніж прийняти зміну нотаток.
