Tabnine, Jupyter AI ir kitos integracijos
Šiame puslapyje
Codestral integracijų ekosistema
Continue.dev nėra vienintelis tavo vartai į Codestral. Mistral AI sukūrė ekosistemą aplink šį modelį, apimančią pagrindinius šiuolaikinio kūrėjo įrankių rinkinio elementus. Tinkamiausias pasirinkimas priklauso ne tiek nuo funkcijų sąrašo, kiek nuo to, kur jau dirbi: IDE aplinkoje, užrašų knygelėje, Python konvejeriuose ar serveriuose, kuriuos administruoji pats. Šioje pamokoje nagrinėsime Tabnine, Jupyter AI, Python karkasus, Tabby ir E2B, laikydamiesi šios logikos.
Tabnine su Codestral
Tabnine yra nusistovėjęs dirbtinio intelekto kodavimo asistentas, o jo integracija su Codestral perkelia Mistral AI galimybes į sąsają, kurią daugelis komandų jau puikiai pažįsta. Gauni DI pokalbių skydelį šoninėje juostoje kontekstui svarbiems pokalbiams apie tavo kodą, greitus veiksmus tiesiai iš IDE – taisymas, paaiškinimas, dokumentavimas vienu spustelėjimu – realiuoju laiku veikiantį automatinį užbaigimą ir projekto suvokimą. Tabnine indeksuoja tavo kodų bazę, todėl jo pasiūlymai atitinka tavo vidinį stilių, o ne bendrus interneto vidurkius.
Sąranka tyčia padaryta minimali: Tabnine nustatymuose pasirenki Codestral kaip modelį, o įrankis sutvarko visa kita, įskaitant API užklausas ir konteksto valdymą. Būtent šis paprastumas yra pagrindinis privalumas. Rinkis Tabnine vietoj Continue, jei tavo komanda jau jį naudoja, jei tau reikia įmonės lygio funkcijų (SSO, audito žurnalai, atitiktis), kurių CIO reikalaus prieš plačią diegimą, arba jei teiki pirmenybę valdomam sprendimui, o ne konfigūracijos failo priežiūrai.
Jupyter AI: Codestral užrašų knygelėse
Duomenų mokslininkai gyvena ne IDE aplinkoje; jie gyvena JupyterLab, o Jupyter AI įdiegia Codestral būtent ten. Vienos komandos pakanka sąrankai.
pip install jupyter-ai
Tada sukonfigūruoji jį iš Jupyter AI skydelio, kur nurodai Mistral kaip tiekėją. Taip pat gali naudoti magijos komandas tiesiai užrašų knygelėje, kas yra patogu demonstracijoms ar bendroms sesijoms.
# Užrašų knygelėje taip pat gali sukonfigūruoti programiškai
%load_ext jupyter_ai
# Naudok Codestral langelių užbaigimui
%ai codestral
Vertė atsiskleidžia duomenų analizės užduotyse. Codestral užbaigia langelius tau beperrašant, paverčia diagramos aprašymą į matplotlib arba plotly kodą, konvertuoja anglų kalba aprašytą transformaciją į pandas kodą ir interpretuoja išvestis, kai rezultatas tave nustebina. Visa tai veikia ir JupyterLite, kuris paleidžia Jupyter tiesiai naršyklėje be serverio – tai idealus kontekstas demonstracijoms ar kursams, kai nenori nieko diegti naudotojų kompiuteriuose.
LangChain ir LlamaIndex
Kai Codestral tampa ne asistentu, sėdinčiu prieš tave, o programos statybiniu bloku, imami naudoti Python karkasai. LangChain atveria modelį per savo Mistral integraciją:
from langchain_mistralai import ChatMistralAI
llm = ChatMistralAI(
model="codestral-latest",
mistral_api_key="YOUR_KEY",
temperature=0,
)
response = llm.invoke("Write a Python function that parses a CSV file into a dictionary")
print(response.content)
Atkreipk dėmesį į struktūrinį apribojimą: LangChain apima tik instrukcijų vykdymo galutinį tašką. Jei tavo programai reikia užbaigimo failo viduryje, pereik prie Mistral SDK FIM daliai. Tuo tarpu LlamaIndex palaiko abu galinius taškus, todėl tai yra natūralus pasirinkimas, kai viena tarnyba turi ir bendrauti, ir užbaigti kodą.
from llama_index.llms.mistralai import MistralAI
llm = MistralAI(
model="codestral-latest",
api_key="YOUR_KEY",
)
response = llm.complete("def quick_sort(lst):")
print(response.text)
Tabby: Atviro kodo asistentas
Tabby skirtas komandoms, norinčioms automatinio užbaigimo neperduodant savo infrastruktūros trečiajai šaliai. Jis yra visiškai atviro kodo ir gali būti diegiamas savarankiškai, o Codestral priima kaip vidinę sistemą per vieną konfigūracijos failą.
# ~/.tabby/config.toml
[model.completion]
kind = "mistral/codestral-latest"
api_endpoint = "https://api.mistral.ai"
api_key = "YOUR_KEY"
E2B: Saugus kodo vykdymas
Modelis, rašantis kodą, kelia klausimą, kurį dažnai atidedame per ilgai: kur jį vykdyti? E2B suteikia saugias smėlio dėžes Codestral sugeneruotam kodui vykdyti neeksponuojant tavo mašinos ar kūrimo serverio.
from e2b_code_interpreter import Sandbox
sandbox = Sandbox()
# Sugeneruok kodą su Codestral
code = generate_code_with_codestral(prompt)
# Vykdyk jį saugioje smėlio dėžėje
execution = sandbox.run_code(code)
print(execution.results)
Trys scenarijai daro šį derinį būtinu: CI/CD konvejeriai, kurie generuoja ir tada testuoja kodą be žmogaus priežiūros, mokymosi platformos, vykdančios nežinomų besimokančiųjų kodą, ir kodavimo agentai, kurie prieš siūlydami rezultatus privalo patikrinti savo išvestis. Pašalink smėlio dėžę iš bet kurios iš šių trijų sąrankų, ir jų vykdymas be priežiūros tampa neįmanomas.
Integracijų santrauka
| Įrankis | Tipas | FIM | Pokalbis | Vietinis | Atviras kodas |
|---|---|---|---|---|---|
| Continue.dev | IDE plėtinys | Taip | Taip | Taip | Taip |
| Tabnine | IDE plėtinys | Ne | Taip | Ne | Ne |
| Jupyter AI | Jupyter įskiepis | Ne | Taip | Ne | Taip |
| LangChain | Python karkasas | Ne | Taip | N/A | Taip |
| LlamaIndex | Python karkasas | Taip | Taip | N/A | Taip |
| Tabby | Kodo asistentas | Taip | Taip | Taip | Taip |
| E2B | Smėlio dėžė | N/A | N/A | Ne | Taip |
Pradėk peržiūrą nuo FIM stulpelio: jei tavo pagrindinis poreikis – įterptiniai pasiūlymai rašant, tai savaime pašalina pusę eilučių.
Svarbiausi punktai
- Tabnine siūlo Codestral integraciją su įmonės lygio funkcijomis
- Jupyter AI atneša Codestral į užrašų knygeles duomenų mokslininkams
- LangChain ir LlamaIndex leidžia integruoti Codestral į DI konvejerius
- Tabby yra savarankiškai diegiama, atviro kodo alternatyva
- E2B suteikia saugias smėlio dėžes sugeneruotam kodui vykdyti
- Tavo pasirinkimas priklauso nuo konteksto: IDE, užrašų knygelė, konvejeris ar agentas