اجرای عوامل کدنویسی هوش مصنوعی از تلفن شما: راهنمای گام به گام

شما نیازی ندارید که به لپ‌تاپ چسبیده باشید تا جریان کاری کدنویسی هوش مصنوعی را پیش ببرید. اگر سطح کنترل شما به‌صورت امن قابل دسترسی باشد، می‌توانید وظایف را بررسی کنید، تغییرات را تأیید کنید و کار جدیدی را از طریق تلفن آغاز کنید، در حالی که دستگاه اصلی شما کارهای سنگین را انجام می‌دهد.

برای تیم‌هایی که از Kanban کلاین استفاده می‌کنند، تنظیمات ساده است: برد را به یک شبکه خصوصی قابل اعتماد متصل کنید، از طریق Tailscale ارتباط برقرار کنید، و دسترسی به مدل را پشت صحنه انعطاف‌پذیر نگه دارید. API ShareAI. این به شما کنترل موبایل می‌دهد بدون اینکه پشته شما به یک ارائه‌دهنده مدل خاص محدود شود.

آنچه قبل از شروع نیاز دارید

• یک مک یا دستگاه توسعه دیگر که کلاین را اجرا می‌کند.
• یک تلفن با مرورگر مدرن.
• Tailscale روی هر دو دستگاه نصب شده و به همان tailnet وارد شده باشد.
• یک حساب ShareAI اگر بخواهید یک API برای دسترسی به مدل، مسیریابی و پشتیبانی داشته باشید.

راهنمای رسمی دسترسی از راه دور کلاین و مستندات نام میزبان Tailscale منابع مفیدی هستند اگر بخواهید نام دقیق دستگاه یا تنظیمات شبکه خود را تأیید کنید.

مرحله 1: Kanban را راه‌اندازی کنید تا تلفن شما بتواند به آن دسترسی پیدا کند

به‌طور پیش‌فرض، Kanban به localhost متصل می‌شود. این برای جریان کاری فقط لپ‌تاپ مناسب است، اما یک تلفن نمی‌تواند به سرویسی که فقط به 127.0.0.1. گوش می‌دهد دسترسی پیدا کند. کلاین را با یک اتصال شبکه راه‌اندازی کنید که برد را در شبکه خصوصی شما قابل دسترسی کند.

KANBAN_RUNTIME_HOST=0.0.0.0 cline

این به کانبان می‌گوید که به تمام رابط‌ها گوش دهد. این راحت است، اما همچنین به این معنی است که کنترل دسترسی اهمیت دارد. از آن در شبکه‌ها و دستگاه‌هایی که به آن‌ها اعتماد دارید استفاده کنید و به جای افشای گسترده برد، یک مسیر خصوصی VPN را ترجیح دهید.

مرحله ۲: باز کردن برد از طریق تلفن خود با استفاده از Tailscale

هنگامی که هر دو دستگاه در یک شبکه tailnet قرار دارند، نام میزبان Tailscale دستگاه خود را در مرورگر تلفن در پورت باز کنید. 3484. قالب به این شکل است http://your-machine-name.tail1234.ts.net:3484. نام میزبان دقیق شما به نام دستگاهی که در Tailscale نمایش داده می‌شود بستگی دارد.

این روش جریان کاری از راه دور را ساده نگه می‌دارد. شما پورت‌های عمومی را باز نمی‌کنید، به یک تونل نمایشی سریع متکی نیستید و می‌توانید برد را در حالی که بین مکان‌ها جابه‌جا می‌شوید در دسترس نگه دارید.

مرحله ۳: دسترسی به مدل را پشت صفحه کنترل انعطاف‌پذیر نگه دارید

دسترسی از راه دور مشکل کنترل را حل می‌کند. اما مشکل مدل را حل نمی‌کند. اگر تنظیمات عامل شما به مدل‌های مختلف برای کارهای مختلف نیاز دارد، یا اگر می‌خواهید یک مسیر تمیزتر برای جایگزینی داشته باشید، اینجاست که ShareAI به خوبی جا می‌گیرد.

با بیش از ۱۵۰ مدل از طریق یک API در دسترس است, ، می‌توانید عامل کدنویسی خود را به یک یکپارچه‌سازی واحد متصل نگه دارید در حالی که همچنان مدل پشت آن را تغییر می‌دهید. این زمانی مفید است که از طریق تلفن کار را بررسی می‌کنید و می‌خواهید جریان کاری پایدار بماند حتی اگر ارائه‌دهندگان را تغییر دهید، خروجی‌ها را مقایسه کنید یا ترافیک را به دلایل قیمت و تأخیر تغییر مسیر دهید.

اگر هنوز پشته خود را متصل نکرده‌اید، با مستندات ShareAI و شروع سریع API. شروع کنید. این به شما یک لایه پشتی تمیز برای Cline یا هر جریان کاری سازگار با OpenAI که می‌خواهید از راه دور مدیریت کنید، می‌دهد.

آنچه واقعاً می‌توانید از طریق موبایل انجام دهید

• پیشرفت وظایف را بدون بازگشت به میز کار خود بررسی کنید.
• تفاوت‌ها را قبل از تأیید تغییرات مرور کنید.
• کار جدید را شروع کنید یا در صف قرار دهید در حالی که یک عامل بیکار است.
• یک جریان کاری چند مدلی را حتی زمانی که از دستگاه اصلی دور هستید، ادامه دهید.

برتری عملی نوآوری نیست. زمان پاسخ کوتاه‌تر است. وقتی یک عامل در انتظار تأیید یا وظیفه بعدی مسدود شده است، تصمیم سریع از تلفن شما می‌تواند کل جریان کاری را از توقف نجات دهد.

اشتباهات رایج

• محدود کردن کانبان به localhost و تعجب از اینکه چرا تلفن نمی‌تواند به آن دسترسی پیدا کند.
• استفاده از مسیر شبکه باز به جای اتصال خصوصی قابل اعتماد.
• برخورد با دسترسی از راه دور و مسیریابی مدل به عنوان یک مشکل یکسان.
• تلاش برای مدیریت وظایف بزرگ و نامشخص از تلفن به جای استفاده از موبایل برای مرور، تأیید و ارسال.

مرحله بعد

اگر می‌خواهید عوامل کدنویسی هوش مصنوعی را از تلفن خود اجرا کنید بدون اینکه خود را به یک ارائه‌دهنده محدود کنید، ابتدا مسیر کنترل موبایل را تنظیم کنید، سپس به عامل یک بک‌اند انعطاف‌پذیر بدهید. ShareAI انتخاب خوبی است وقتی که یکپارچگی واحد، دسترسی چند مدلی و امکان تغییر تصمیمات مسیریابی بعداً بدون بازسازی جریان کاری را می‌خواهید.