Praktyczne Modele Lokalne dla Kodowania Wspomaganego przez AI

Programiści zwykle korzystają z narzędzi takich jak Claude Code lub Codex z płatnymi modelami dostawców. Jednak w miarę wzrostu użytkowania koszty związane z tym mogą stać się znaczące. Obydwa narzędzia mogą również łączyć się z modelami działającymi lokalnie i unikać opłat subskrypcyjnych lub kosztów za token. Programowanie oparte na agentach jest wymagające, dlatego wybór odpowiedniego modelu, sprzętu i konfiguracji jest ważny. Ten warsztat zgłębia, czego programiści mogą realistycznie oczekiwać w zakresie jakości, jaki sprzęt potrzebują oraz jak skonfigurować Claude Code lub Codex do współpracy z lokalnymi modelami. Na koniec warsztatu będziesz w stanie: • Zrozumieć, które lokalne LLM-y są odpowiednie do programowania i jak nimi budować. • Uzyskać przegląd kosztów dla infrastruktury. • Skonfigurować swoje agentów kodujących, takich jak Claude Code/Codex, aby połączyć się z lokalnym LLM. Powinieneś odejść z: • Przykładów lokalnego AI: • • rozwój • poprawa wydajności • konfiguracja • Jasnym zrozumieniem, jak połączyć rozwój i operacje poprzezworkflow'y natywne AI z rzeczywistymi działającymi przykładami, które możesz śledzić. • Sesja pytań i odpowiedzi na żywo z prelegentem, aby zbadać pomysły na wdrożenie i rzeczywiste obawy. Otrzymasz również: ✔ nagranie z warsztatu ✔ certyfikat ukończenia Ten warsztat jest idealny dla: Ten warsztat jest idealny dla: • Starszych inżynierów oprogramowania • Kierowników przedsiębiorstw i decydentów: Zainteresowanych zarządzaniem danymi, niezależnością operacyjną i długoterminową przewidywalnością kosztów. Wymagania wstępne • Wcześniejsza wiedza: Powinieneś mieć doświadczenie w programowaniu wspomaganym przez AI. • Studenci i entuzjaści AI: Zainteresowani eksploracją najnowszych lokalnych możliwości AI i wymagań sprzętowych dla własnych konfiguracji. Poznaj swojego instruktora Rainer Hahnekamp Współzałożyciel i inżynier AI w Soverius AI Rainer jest współzałożycielem i inżynierem AI w Soverius AI oraz ekspertem Google (GDE), z piętnastoletnim doświadczeniem w budowaniu krytycznych systemów przedsiębiorstw. Specjalizuje się w lokalnych LLM-ach oraz wszystkim, co jest potrzebne do ich uruchomienia w produkcji - pozyskiwanie, inżynieria pętli i narzędzi, agenci oraz interfejs użytkownika, który generują - tak, aby dane firmy i kod źródłowy nigdy nie opuściły budynku. Ma akademickie wykształcenie w zakresie nienadzorowanego uczenia maszynowego na Uniwersytecie Wiedeńskim.