מודלים מקומיים מעשיים לקידוד בעזרת AI

מפתחי תוכנה בדרך כלל משתמשים בכלים כמו Claude Code או Codex עם מודלים בתשלום מהספקים. עם זאת, ככל שהשימוש גדל, העלויות הנלוות עשויות להיות משמעותיות. גם שני הכלים הללו יכולים להתחבר למודלים פועלים מקומית ולהימנע משתית עלויות או תשלומים לפי טוקן. פיתוח תוכנה אגניטי הוא תובעני, ולכן חשוב לבחור את המודל, החומרה וההגדרה הנכונים. סדנה זו חוקרת לעומק מה מפתחים יכולים לצפות באורח מציאותי מבחינת איכות, איזו חומרה הם צריכים, ואיך להגדיר את Claude Code או Codex לעבוד עם מודלים מקומיים. בסיום הסדנה, תוכל: • להבין אילו LLMs מקומיים מתאימים לפיתוח תוכנה ואיך לבנות איתם • לקבל סקירה של העלויות עבור התשתית • להגדיר את סוכני הקוד שלך, כמו Claude Code/Codex להתחבר ל-LLM המקומי שלך אתה אמור לצאת עם: • דוגמאות מהעולם האמיתי של AI מקומי: • • פיתוח • שיפור ביצועים • הגדרה • הבנה ברורה של איך לחבר בין פיתוח ואופרטיביות דרך זרימות עבודה משולבות AI עם דוגמאות עובדות שאתה יכול לעקוב אחריהן • שאלות ותשובות חיות עם הדובר כדי לחקור רעיונות יישומיים ודאגות מהעולם האמיתי תקבל גם: ✔ הקלטה מלאה של הסדנה ✔ תעודת סיום סדנה זו אידיאלית עבור: • מהנדסי תוכנה בכירים • מנהלים ובעלי תפקידים בארגונים: מעוניינים בניהול נתונים, עצמאות תפעולית, וחיזוי עלויות בעתיד. דרישות קדם • ידע קודם: עליך להיות בעל ניסיון בפיתוח בעזרת AI • סטודנטים וחובבי AI: interested in exploring the latest local AI capabilities and hardware requirements for their own setups. פגש את המדריך שלך ריינר האנהקמפ מייסד-שותף ומהנדס AI ב-Soverius AI ריינר הוא מייסד-שותף ומהנדס AI ב-Soverius AI, ומומחה (GDE) מ-Google, עם חמש עשרה שנות ניסיון בבניית מערכות ארגוניות קריטיות. הוא מתמחה ב-LLMs מקומיים ובכל מה שקשור להריץ אותם בייצור - אחזור, הנחיה, הנדסת לולאות, סוכנים, וה-MUI שהם מייצרים - כך שנתוני החברה ומקור הקוד לא עוזבים את הבניין. יש לו בסיס אקדמי בלמידת מכונה לא מפוקחת מאוניברסיטת וינה.