Choisissez le modèle IA qui lit votre code d'entraînement
Choisissez le modèle que Sigmora utilise : un fournisseur cloud via une API, un modèle sur votre PC ou le modèle intégré. Testez une connexion avant de travailler sur vos scripts d'entraînement.
Choisissez où votre modèle s'exécute
Fournisseur IA cloud
Un fournisseur cloud est idéal pour les étapes nécessitant un modèle plus puissant, comme le débogage d'un long script d'entraînement. Entrez votre point de terminaison API et votre clé. Les clés restent sur votre PC. Vos prompts et les fichiers lus voyagent sur le réseau ; utilisez cette option uniquement pour le code et les données que vous avez le droit d'envoyer. Les secrets sont masqués avant d'atteindre le modèle. La confidentialité dépend du fournisseur choisi.
Modèle sur PC local
Un modèle local est le choix idéal si votre code ou vos données ne doivent pas quitter la machine. Pointez Sigmora vers une adresse locale sur votre ordinateur. Rien ne sort de la machine. La vitesse et la qualité dépendent de votre matériel. Testez d'abord avec un petit script. Un modèle moins puissant peut manquer des détails que vous devez vérifier dans chaque diff.
Modèle intégré
Le modèle intégré est prêt à l'emploi sans point de terminaison. Installez Sigmora, ouvrez un chat et donnez-lui une tâche. Idéal pour une première tentative, comme écrire un fichier perceptron simple ou expliquer une erreur. Pour une tâche complexe touchant plusieurs fichiers, connectez un modèle plus puissant ou utilisez run_on_model. Vous pouvez changer de modèle à tout moment et relire le diff avant de l'accepter.
Testez votre connexion
Le bouton Test vérifie une connexion avant utilisation. Entrez l'adresse d'un fournisseur cloud ou d'un modèle local. Sigmora affiche le temps de réponse et la fenêtre de contexte. Celle-ci indique la quantité de texte (script + journal) lisible en une requête. Testez chaque point de terminaison. Si vous en avez deux, comparez-les. Une réponse lente ou une fenêtre de contexte petite doit être connue avant une longue session. Le test vérifie la connexion, pas la qualité des réponses.
Choisissez la bonne taille de modèle
Un modèle plus grand est préférable pour les tâches complexes, comme débloquer une boucle d'entraînement sur plusieurs fichiers ou comprendre une perte qui ne baisse pas. Un modèle plus petit suffit pour des modifications mineures, comme renommer une variable. Vous pouvez les combiner : utilisez un petit modèle pour le chat et run_on_model pour les étapes difficiles. Tout modèle peut se tromper. Commencez petit. Passez à un modèle plus grand si cela échoue, et révisez toujours le diff avant de l'accepter.
La qualité varie selon les modèles et fournisseurs ; traitez chaque réponse comme une ébauche. En mode Ask first, Sigmora pause avant les modifications et affiche le diff pour que vous lisiez les lignes exactes avant de les accepter. Exécutez ensuite votre commande de test avec Shell et vérifiez les codes de sortie et les valeurs. Auto-run agit immédiatement, ce qui convient aux petites étapes de confiance. Révisez d'abord.
