Elige el modelo de IA que trabaja detrás de tu Bash
TechRetriever funciona con tres tipos de modelo: un proveedor de IA en la nube mediante un endpoint de API estándar, un modelo que corre en local en tu PC y el modelo integrado. Elige antes de empezar. Tu elección decide a dónde va el texto del prompt, así que defínela antes de abrir un script privado.
Tres formas de conectar un modelo
Un proveedor de IA en la nube
Un modelo en la nube sirve para redactar scripts más largos y explicar código que no conoces, y lo conectas mediante un endpoint de API estándar con tu propia clave. Ten en cuenta la contrapartida. El texto del prompt, incluido el texto de cualquier archivo que lea el agente, va a ese proveedor, mientras que la clave en sí se queda en tu PC.
Un modelo en tu PC
Un modelo local sirve para scripts y registros privados que prefieres no enviar a un proveedor. No sale nada de la PC, porque los prompts nunca van a un endpoint externo. La calidad varía según el modelo que cargues, así que pruébalo con un script pequeño antes de confiar en él para uno más largo.
El modelo integrado
El modelo integrado es el tercer tipo que puedes elegir, y no hay ningún endpoint propio que introducir. Es una de las tres opciones. El modelo recibe el texto de tus prompts y de los archivos que lee el agente, así que no dejes contraseñas ni claves en tus scripts; los secretos que aparecen en la salida de las herramientas se ocultan antes de llegar al modelo.
Qué muestra el botón Test
Pulsa Test después de introducir el endpoint. El botón comprueba que el endpoint responde, muestra el tiempo de respuesta y muestra la ventana de contexto, que es la cantidad de texto que el modelo puede recibir en una sola petición. Un script largo con su registro necesita una ventana mayor que una corrección de una línea.
Elige un modelo según la tarea
Usa un modelo más grande para refactorizar y para lógica compleja, como un script con muchas funciones o bucles que dependen unos de otros. Un modelo más pequeño basta para ediciones menores, como añadir un mensaje de uso. Cuando un paso es difícil, run_on_model envía solo ese paso a un modelo más grande y el resto sigue en el que usas normalmente.
La calidad varía entre modelos, así que trata cada resultado como un borrador. Ask first se detiene antes de acciones que cambian algo, edit_file muestra un diff y Shell informa del código de salida real. Lee los tres antes de aceptar.
