Wähle ein Modell für deine Bereinigungsskripte

Fredit Flow verbindet sich über einen Standard-API-Endpunkt mit einem Cloud-KI-Anbieter, mit einem lokal auf deinem PC laufenden Modell oder mit dem integrierten Modell. Der Datenschutz unterscheidet sich jeweils. Deine Wahl entscheidet, wohin der Prompt-Text geht, was bei Dateien mit personenbezogenen Daten zählt.

Drei Wege, ein Modell zu verbinden

Ein Cloud-KI-Anbieter

Ein Cloud-Modell verbindet sich über einen Standard-API-Endpunkt und eignet sich für größere Skripte und schwierigere Regeln. Der Anbieter berechnet möglicherweise separat. Der Prompt-Text, einschließlich jedes vom Agenten gelesenen Dateitextes, geht an diesen Anbieter; halte Dateien mit personenbezogenen Daten also heraus, sofern du sie nicht senden darfst.

Ein lokal auf deinem PC laufendes Modell

Ein lokales Modell hält jeden Prompt auf deinem Rechner. Nichts verlässt den PC. Damit ist es die Wahl für CSV-Dateien mit Namen, E-Mails oder Altersangaben. Es läuft auf deiner eigenen Hardware, und ein kleines lokales Modell schreibt womöglich schwächere Skripte, daher zählt die Prüfung des Diffs noch mehr.

Das integrierte Modell

Das integrierte Modell ist die Option, um Fredit Flow auszuprobieren, ohne einen Cloud-Anbieter zu verbinden oder selbst ein Modell zu betreiben. Probiere zuerst Beispieldateien aus. Wähle für personenbezogene Daten ein lokal auf deinem PC laufendes Modell, bei dem nichts den Rechner verlässt.

Prüfe die Verbindung mit Test

Die Schaltfläche Test prüft einen Endpunkt, bevor du anfängst. Sie zeigt die Antwortzeit und das Kontextfenster, das angibt, wie viel Text das Modell in einer Anfrage aufnehmen kann, zum Beispiel eine Stichprobe einer langen Datei plus dein Skript. Teste jedes neue Modell.

Wähle das Modell nach der Größe der Aufgabe

Nimm ein größeres Modell für Umbauten und komplexe Logik, etwa ein Skript, das mehrere Tabellen zusammenführt, und ein kleineres für kleine Änderungen wie das Kürzen einer Spalte. Das Werkzeug run_on_model schickt einen schwierigen Schritt an ein größeres Modell, während der Rest bei deinem üblichen bleibt. Entscheide, bevor du Daten sendest.

Die Qualität schwankt. Lies das Diff, bevor du annimmst. Ask first hält vor Aktionen an, die etwas verändern, und der echte Exit-Code samt Ausgabe zeigt, ob ein Skript gelaufen ist, nicht ob sein Ergebnis stimmt.