Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Tabnine, Jupyter AI un citas integrācijas

Nodarbība 10 no 14 Atjaunota 2026. gada 2. novembris Programmētājs
Šajā lapā
  1. Codestral integrāciju ekosistēma
  2. Tabnine ar Codestral
  3. Jupyter AI: Codestral piezīmju grāmatiņās
  4. LangChain un LlamaIndex
  5. Tabby: Atvērtā koda asistents
  6. E2B: Droša koda izpilde
  7. Integrāciju kopsavilkums
  8. Galvenās atziņas

Codestral integrāciju ekosistēma

Continue.dev nav tavs vienīgais ceļš pie Codestral. Mistral AI ir izveidojusi ekosistēmu ap šo modeli, kas aptver galvenos rīkus mūsdienu izstrādātāja rīku kopā. Pareizā izvēle ir atkarīga mazāk no funkciju saraksta un vairāk no tā, kur tu jau strādā: IDE, piezīmju grāmatiņā, Python cauruļvadā vai serverī, ko pārvaldi pats. Šī nodarbība aplūko Tabnine, Jupyter AI, Python ietvarus, Tabby un E2B, ņemot vērā tieši šo loģiku.

Tabnine ar Codestral

Tabnine ir etablēts AI kodēšanas asistents, un tā integrācija ar Codestral ienes Mistral AI iespējas saskarnē, ko daudzas komandas jau pazīst. Tu iegūsti AI tērzēšanas paneli sānjoslā kontekstuālām sarunām par savu kodu, ātras darbības tieši no IDE — labot, skaidrot, dokumentēt ar vienu klikšķi — reāllaika automātisko pabeigšanu un projekta izpratni. Tabnine indeksē tavu koda bāzi, lai tā ieteikumi atbilstu tavam iekšējam stilam, nevis vidējiem rādītājiem no interneta.

Iestatīšana ir apzināti minimāla: Tabnine iestatījumos tu atlasi Codestral kā modeli, un rīks pārējais nokārto pats, ieskaitot API izsaukumus un konteksta pārvaldību. Šī vienkāršība ir galvenā priekšrocība. Izvēlies Tabnine nevis Continue, ja tava komanda to jau lieto, ja tev nepieciešamas uzņēmuma līmeņa funkcijas (SSO, revīzijas žurnāli, atbilstība), ko CIO prasīs pirms jebkādas plašas ieviešanas, vai ja dod priekšroku pārvaldītam risinājumam, nevis konfigurācijas faila uzturēšanai.

Jupyter AI: Codestral piezīmju grāmatiņās

Datu zinātnieki nedzīvo IDE vidē; viņi dzīvo JupyterLab, un Jupyter AI instalē tur Codestral. Viena komanda to iestata.

pip install jupyter-ai

Pēc tam tu to konfigurē no Jupyter AI paneļa, kur norādi Mistral kā nodrošinātāju. Vari izmantot arī maģiskās komandas tieši piezīmju grāmatiņā, kas ir ērti demonstrācijām vai koplietotām sesijām.

# Piezīmju grāmatiņā vari to konfigurēt arī programmiski
%load_ext jupyter_ai

# Izmanto Codestral šūnu pabeigšanai
%ai codestral

Vērtība izpaužas datu analīzes uzdevumos. Codestral pabeidz šūnas, kamēr tu raksti, pārvērš diagrammas aprakstu matplotlib vai plotly kodā, konvertē angļu valodā aprakstītu transformāciju pandas kodā un interpretē izvades, kad rezultāts tevi pārsteidz. Tas viss darbojas arī JupyterLite, kas palaiž Jupyter tieši pārlūkā bez servera — ideāls konteksts demonstrācijām vai kursiem, kur nevēlies neko instalēt lietotāju ierīcēs.

LangChain un LlamaIndex

Kad Codestral kļūst par lietojumprogrammas būvbloku, nevis par asistentu, kas sēž tev priekšā, stūrē Python ietvari. LangChain dara modeli pieejamu, izmantojot savu Mistral integrāciju:

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)

Uzmanies no strukturāla ierobežojuma: LangChain aptver tikai instrukciju izpildes galapunktu. Ja tavai lietotnei nepieciešama faila vidusdaļas pabeigšana, pārej uz Mistral SDK FIM daļai. Savukārt LlamaIndex atbalsta abus galapunktus, padarot to par dabisko izvēli, kad vienam servisam jāspēj gan sarunāties, gan pabeigt kodu.

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: Atvērtā koda asistents

Tabby ir paredzēts komandām, kas vēlas automātisko pabeigšanu, nenododot savu infrastruktūru trešās puses servisam. Tas ir pilnībā atvērtā koda un pašmitināms, un tas pieņem Codestral kā aizmugursistēmu, izmantojot vienu konfigurācijas failu.

# ~/.tabby/config.toml
[model.completion]
kind = "mistral/codestral-latest"
api_endpoint = "https://api.mistral.ai"
api_key = "YOUR_KEY"

E2B: Droša koda izpilde

Modelis, kas raksta kodu, raisa jautājumu, ko bieži atliekam uz vēlāku laiku: kur to palaist? E2B nodrošina drošas smilškastes, lai palaistu Codestral ģenerētu kodu, neapdraudot tavu ierīci vai būves serveri.

from e2b_code_interpreter import Sandbox

sandbox = Sandbox()

# Ģenerē kodu ar Codestral
code = generate_code_with_codestral(prompt)

# Palaid to drošā smilškastē
execution = sandbox.run_code(code)
print(execution.results)

Trīs scenāriji padara šo kombināciju neatņemamu: CI/CD cauruļvadi, kas ģenerē un pēc tam testē kodu bez cilvēka uzraudzības; mācību platformas, kas izpilda kodu no nepazīstamiem lietotājiem; un kodēšanas aģenti, kuriem jāpārbauda savi izvadi, pirms tos piedāvāt. Ja no jebkura no šiem trim iestatījumiem izņem smilškasti, to darbība bez uzraudzības kļūst neiespējama.

Integrāciju kopsavilkums

RīksTipsFIMTērzēšanaLokāliAtvērtā koda
Continue.devIDE paplašinājumsJāJāJāJā
TabnineIDE paplašinājumsNēJāNēNē
Jupyter AIJupyter spraudnisNēJāNēJā
LangChainPython ietvarsNēJāN/AJā
LlamaIndexPython ietvarsJāJāN/AJā
TabbyKodēšanas asistentsJāJāJāJā
E2BSmilškasteN/AN/ANēJā

Sāc savu pārskatu ar FIM kolonnu: ja tava galvenā vajadzība ir ierakstīšanas laikā parādās ieteikumi, tas jau pats par sevi izslēdz pusi no rindām.

Galvenās atziņas

  • Tabnine piedāvā Codestral integrāciju ar uzņēmuma līmeņa funkcijām
  • Jupyter AI ienes Codestral piezīmju grāmatiņās datu zinātniekiem
  • LangChain un LlamaIndex ļauj integrēt Codestral AI cauruļvados
  • Tabby ir pašmitināma, atvērtā koda alternatīva
  • E2B nodrošina drošas smilškastes ģenerēta koda izpildei
  • Tava izvēle ir atkarīga no konteksta: IDE, piezīmju grāmatiņa, cauruļvads vai aģents