Elige el modelo que impulsa tus ejecuciones de prueba
FlowLatch funciona con el modelo que elijas. Conecta un proveedor de IA en la nube mediante un punto de conexión API estándar, ejecuta un modelo en tu propia PC o comienza con el modelo integrado; luego, usa el botón Probar para verificar la conexión antes de la primera tarea.
Tres formas de conectar un modelo
Un proveedor de IA en la nube
Un proveedor en la nube se accede mediante un punto de conexión API estándar: proporcionas la dirección del punto de conexión, tu clave API y el modelo que deseas. Es adecuado para refactorizaciones grandes y depuración compleja, ya que los modelos más grandes suelen seguir mejor una suite de pruebas larga. Ten claro el impacto en la privacidad. Tu prompt, incluido el texto de cualquier archivo que lea el agente, se envía a ese proveedor, así que mantén fuera de la carpeta de trabajo los secretos y los datos reales de los clientes. FlowLatch guarda la clave API en tu PC, y los secretos en la salida de las herramientas se enmascaran antes de llegar al modelo. El proveedor puede cobrar por su propio uso.
Un modelo en tu propia PC
Un modelo local se ejecuta en tu PC y FlowLatch se comunica con él a través de un punto de conexión en la misma máquina. Es adecuado para proyectos privados, porque con un modelo local nada sale de la máquina: los prompts, el texto de los archivos y los resultados se quedan contigo. La contrapartida es el hardware. Un modelo local más pequeño puede generar selectores más débiles o pasar por alto una causa que un modelo más grande encontraría, así que lee cada diff con cuidado. Usa el botón Probar para verificar que el punto de conexión responde y para ver cuánto contexto puede manejar el modelo.
El modelo integrado
El modelo integrado está listo para usarse sin tu propio punto de conexión, lo que lo convierte en la forma más rápida de probar FlowLatch en un proyecto de prueba pequeño. Puedes abrir un chat, señalarlo hacia una carpeta de trabajo y pedir una primera prueba de inicio de sesión de inmediato. Es adecuado para aprender cómo funcionan las tarjetas, los diffs y los tres modos de aprobación. Cuando una tarea crece, como una migración larga o un fallo intermitente difícil, puedes conectar un proveedor en la nube o un modelo local y trabajar en la misma carpeta.
Verifica la conexión con el botón Probar
El botón Probar verifica un punto de conexión de modelo antes de que confíes en él. Envía una solicitud pequeña y muestra el tiempo de respuesta y la ventana de contexto, que es la cantidad de texto que el modelo puede procesar en una sola vuelta. Un tiempo de respuesta largo es importante saberlo antes de una tarea grande. Una ventana de contexto pequeña es una señal para trabajar en un archivo de prueba a la vez. Si la prueba falla, verifica la dirección del punto de conexión, la clave API y el nombre del modelo, y luego presiona el botón nuevamente.
Selecciona un modelo que coincida con la tarea
Usa un modelo más grande para refactorizaciones y lógica compleja, como mover una suite larga a otro framework o desenredar un fallo que depende del orden de las pruebas. Un modelo más pequeño es suficiente para ediciones pequeñas, como renombrar una prueba o cambiar un selector. La herramienta run_on_model envía un paso difícil a un modelo más grande, así que el resto del chat puede permanecer en el modelo que elegiste. Mezclar tamaños de esta manera es tu decisión, y las tarjetas muestran cada paso que se ejecutó.
La calidad del modelo varía entre proveedores y versiones, y cada modelo puede equivocarse. Lee el diff antes de aceptar un cambio y ejecuta las pruebas tú mismo. Ask first pausa antes de las acciones que cambian algo, así que ves cada edición antes de que se escriba. Si un modelo interpreta mal un fallo, rechaza el cambio y explica qué está mal en el chat.
