Verbinde ein KI-Modell mit deinem Lua-Code

Codelab Station arbeitet mit einem Cloud-KI-Anbieter über einen Standard-API-Endpunkt, mit einem Modell auf deinem PC oder mit dem integrierten Modell. Wähle eins. Klicke dann auf Test, und du kannst mit den Dateien deines Addons oder Servers loslegen.

Drei Wege, ein Modell zu verbinden

Ein Cloud-KI-Anbieter

Ein Cloud-KI-Anbieter eignet sich für schwierige Logik und lange Dateien, weil größere Modelle mehr von deinem Code im Blick behalten können. Trage seinen API-Endpunkt und seinen Schlüssel in Codelab Station ein. Deine Prompts, auch der Code, den du anhängst, gehen an diesen Anbieter, also nutze ihn nur für Dateien, die du teilen darfst. Schlüssel bleiben auf deinem PC.

Ein Modell auf deinem PC

Ein Modell, das auf deinem eigenen PC läuft, eignet sich für privaten Code und für Arbeit ohne Verbindung, und du richtest Codelab Station auf seinen lokalen Endpunkt aus. Nichts verlässt den Rechner. Damit ist es die Wahl für Servereinstellungen, die du für dich behalten willst. Tempo und Qualität hängen von deiner Hardware und dem geladenen Modell ab.

Das integrierte Modell

Das integrierte Modell ist der Startpunkt, wenn du noch keinen API-Schlüssel und kein lokales Modell hast. Teste es an einer Kopie. Prompts gehen nur an den Modell-Endpunkt, den du wählst, also wähle diesen Endpunkt bewusst, bevor du privaten Code anhängst.

Was die Schaltfläche Test zeigt

Klicke zuerst auf Test. Die Schaltfläche prüft, ob Codelab Station deinen Endpunkt erreichen kann, und zeigt Antwortzeit und Kontextfenster, woran du siehst, wie viel Code in eine Anfrage passt. Führe sie nach jedem Wechsel von Anbieter, Schlüssel oder Modellname erneut aus.

Das passende Modell für die Aufgabe wählen

Nimm ein größeres Modell für Refactorings und komplexe Logik, etwa einen Gamemode, der seinen Zustand über mehrere Dateien verteilt, und ein kleineres für kleine Änderungen wie eine geänderte Chatnachricht. run_on_model schickt einen schwierigen Schritt an ein größeres Modell, während der Rest der Aufgabe bei deiner üblichen Wahl bleibt. Die Größe richtet sich nach der Aufgabe.

Die Qualität schwankt zwischen Modellen. Lies den Diff, nutze Ask first für alles, was du nicht auf einen Blick beurteilen kannst, und teste auf gm_construct, bevor du einer Änderung vertraust.