अपने PHP अभ्यास के पीछे का मॉडल चुनें
PHP Trail तीन तरह के मॉडल के साथ काम करता है: मानक API एंडपॉइंट से जुड़ने वाला क्लाउड AI प्रदाता, आपके पीसी पर लोकल चलने वाला मॉडल, और बिल्ट-इन मॉडल। आपका चुनाव तय करता है कि आपके प्रॉम्प्ट का टेक्स्ट किसे मिलेगा। हर विकल्प नीचे देखें।
मॉडल जोड़ने के तीन तरीके
क्लाउड AI प्रदाता
आपका अपना पीसी साधारण हो तो क्लाउड प्रदाता बड़े बदलावों और लंबी व्याख्याओं के लिए ठीक रहता है। आप मानक API एंडपॉइंट और अपनी API कुंजी डालते हैं, और कुंजी आपके पीसी पर रहती है। प्रॉम्प्ट पीसी से बाहर जाते हैं। प्रॉम्प्ट टेक्स्ट, एजेंट की पढ़ी किसी भी फ़ाइल के टेक्स्ट समेत, उस प्रदाता को जाता है, और कोई भी शुल्क इस साइट से नहीं बल्कि प्रदाता से आता है।
आपके अपने पीसी पर मॉडल
लोकल मॉडल आपके पीसी पर चलता है, इसलिए मशीन से कुछ बाहर नहीं जाता: प्रॉम्प्ट, फ़ाइल टेक्स्ट और जवाब सब वहीं रहते हैं। यह निजी अभ्यास फ़ाइलों के लिए ठीक है, लेकिन जवाब आपके लोड किए मॉडल और आपके हार्डवेयर पर निर्भर करते हैं। हर diff की समीक्षा करें। छोटे लोकल मॉडल को बड़े क्लाउड मॉडल से ज़्यादा साफ़, छोटे प्रॉम्प्ट चाहिए हो सकते हैं।
बिल्ट-इन मॉडल
बिल्ट-इन मॉडल क्लाउड AI प्रदाता और आपके पीसी पर लोकल चलने वाले मॉडल के साथ तीसरा विकल्प है। हर विकल्प की तरह, प्रॉम्प्ट सिर्फ़ उसी मॉडल एंडपॉइंट पर जाते हैं जिसे आप चुनते हैं, और Test बटन उस एंडपॉइंट की जाँच कर सकता है। अपना चुनाव जाँचें।
पहले कनेक्शन जाँचें
Test बटन किसी एंडपॉइंट पर भरोसा करने से पहले उसकी जाँच करता है। वह रिस्पॉन्स टाइम और कॉन्टेक्स्ट विंडो दिखाता है, यानी मॉडल एक बार में कितना टेक्स्ट ले सकता है। इसे चलाएँ। एंडपॉइंट डालने या बदलने के बाद, धीमा जवाब या छोटी विंडो बताती है कि अगले प्रॉम्प्ट से क्या उम्मीद रखें।
काम के हिसाब से मॉडल चुनें
रीफ़ैक्टर और कई फ़ाइलों को छूने वाले लॉजिक के लिए बड़ा मॉडल, और छूटे सेमीकोलन या बदले गए वेरिएबल नाम जैसे छोटे बदलावों के लिए छोटा मॉडल इस्तेमाल करें। जब कोई चरण कठिन हो, तो run_on_model टूल सिर्फ़ उसी चरण को बड़े मॉडल के पास भेजता है, जबकि बाकी चैट आपके सामान्य मॉडल पर रहती है। काम के हिसाब से बदलें।
मॉडल अलग-अलग होते हैं। diff पढ़ें, अपना PHP कमांड चलाएँ और सीखते समय Ask first चालू रखें, क्योंकि कोई भी मॉडल गलत हो सकता है और जब तक आप खुद चलाकर परख न लें, नतीजा सही होने का प्रमाण नहीं है।
