Wähle das Modell für deine Testläufe
FlowLatch arbeitet mit dem von dir gewählten Modell. Verbinde einen Cloud-KI-Anbieter über einen Standard-API-Endpunkt, starte ein Modell auf deinem eigenen PC oder nutze das eingebaute Modell. Prüfe die Verbindung mit der Test-Schaltfläche, bevor du die erste Aufgabe startest.
Drei Möglichkeiten, ein Modell zu verbinden
Ein Cloud-KI-Anbieter
Ein Cloud-Anbieter wird über einen Standard-API-Endpunkt angesprochen: Du gibst die Endpunkt-Adresse, deinen API-Schlüssel und das gewünschte Modell an. Das eignet sich für große Refactorings und komplexes Debugging, da größere Modelle lange Test-Suites meist besser verstehen. Achte auf den Datenschutz. Deine Eingabe, einschließlich des Textes jeder Datei, die der Agent liest, wird an diesen Anbieter gesendet. Halte Geheimnisse und echte Kundendaten aus dem Arbeitsordner fern. FlowLatch speichert den API-Schlüssel auf deinem PC, und Geheimnisse in den Tool-Ausgaben werden maskiert, bevor sie das Modell erreichen. Der Anbieter kann für seine eigene Nutzung Gebühren erheben.
Ein Modell auf deinem eigenen PC
Ein lokales Modell läuft auf deinem PC, und FlowLatch kommuniziert über einen Endpunkt auf derselben Maschine damit. Das eignet sich für private Projekte, da bei einem lokalen Modell nichts die Maschine verlässt: Eingaben, Dateitexte und Ergebnisse bleiben bei dir. Der Kompromiss ist die Hardware. Ein kleineres lokales Modell kann schwächere Selektoren schreiben oder Ursachen übersehen, die ein größeres Modell finden würde. Lies jeden Diff sorgfältig. Nutze die Test-Schaltfläche, um zu prüfen, ob der Endpunkt antwortet, und um zu sehen, wie viel Kontext das Modell verarbeiten kann.
Das eingebaute Modell
Das eingebaute Modell ist sofort einsatzbereit, ohne dass du einen eigenen Endpunkt benötigst. Das ist der schnellste Weg, FlowLatch in einem kleinen Testprojekt auszuprobieren. Du kannst einen Chat öffnen, einen Arbeitsordner angeben und direkt nach einem ersten Anmelde-Test fragen. Es eignet sich, um zu lernen, wie die Karten, die Diffs und die drei Genehmigungsmodi funktionieren. Wenn eine Aufgabe wächst, wie bei einer langen Migration oder einer schwer zu findenden, intermittierenden Fehlerquelle, kannst du einen Cloud-Anbieter oder ein lokales Modell verbinden und im selben Ordner arbeiten.
Verbindung mit der Test-Schaltfläche prüfen
Die Test-Schaltfläche prüft einen Modell-Endpunkt, bevor du dich darauf verlässt. Sie sendet eine kleine Anfrage und zeigt die Antwortzeit sowie das Context Window an, also die Menge an Text, die das Modell in einem Durchgang verarbeiten kann. Eine lange Antwortzeit ist vor einer großen Aufgabe wichtig zu wissen. Ein kleines Kontextfenster ist ein Hinweis, um immer nur an einer Testdatei gleichzeitig zu arbeiten. Wenn der Test fehlschlägt, überprüfe die Endpunkt-Adresse, den API-Schlüssel und den Modellnamen, und drücke dann erneut die Schaltfläche.
Wähle ein Modell passend zur Aufgabe
Nutze ein größeres Modell für Refactorings und komplexe Logik, wie das Verschieben einer langen Suite in ein anderes Framework oder das Auflösen einer Fehlerquelle, die von der Reihenfolge der Tests abhängt. Ein kleineres Modell reicht für kleine Änderungen, wie das Umbenennen eines Tests oder das Ändern eines Selektors. Das Tool run_on_model sendet einen komplexen Schritt an ein größeres Modell, sodass der Rest des Chats beim gewählten Modell bleiben kann. Die Mischung von Größen ist deine Entscheidung, und die Karten zeigen jeden ausgeführten Schritt.
Die Modellqualität variiert zwischen Anbietern und Versionen, und jedes Modell kann Fehler machen. Lies den Diff, bevor du eine Änderung akzeptierst, und führe die Tests selbst aus. Ask first pausiert vor Aktionen, die etwas ändern, damit du jede Bearbeitung siehst, bevor sie geschrieben wird. Wenn ein Modell einen Fehler falsch interpretiert, lehne die Änderung ab und beschreibe das Problem im Chat.
