Eine Schritt-für-Schritt-Anleitung zur Installation und Verwendung des aider KI-gestützten Codierungstools

aider.chat ist ein Open-Source-Tool, das für Pair Programming mit LLMs entwickelt wurde und es Ihnen ermöglicht, Code in Ihrem lokalen Git-Repository zu bearbeiten. Aider funktioniert am besten mit GPT-4o und Claude-3.5 Sonnet und kann mit fast jedem LLM verbunden werden. Dieses Tutorial führt Sie durch den Prozess der Installation von aider und dessen Verwendung in einem praktischen Szenario, um Ihre Produktivität zu steigern.

Voraussetzungen

Bevor wir beginnen, stellen Sie sicher, dass Sie Folgendes haben:

Betriebssystem: Linux (bevorzugt).
Python: Python 3.8 oder höher auf Ihrem System installiert.
Zugriff auf das Terminal: Grundlegende Kenntnisse in der Verwendung des Terminals/der Befehlszeile.

Hinweis zur Umgebung: Dieses Tutorial wurde auf einem Ubuntu WSL (Windows Subsystem for Linux) Setup durchgeführt, das auf einem Windows 11-Personalcomputer läuft. Die Schritte sollten für andere Linux-basierte Umgebungen ähnlich sein.

Schritt 1: Installation von aider.chat mit pipx

Um aider.chat zu installieren, wird empfohlen, pipx zu verwenden, das es Ihnen ermöglicht, Python-Anwendungen in isolierten Umgebungen zu installieren und auszuführen. Dies verhindert Abhängigkeitskonflikte zwischen verschiedenen Python-Projekten auf Ihrem System. Befolgen Sie die Anweisungen auf der aider.chat pipx-Installationsseite.

Um aider.chat mit pipx zu installieren:

Installieren Sie pipx (falls noch nicht installiert).
Installieren Sie aider.chat mit pipx.

Nach der Installation können Sie aider.chat direkt über die Befehlszeile ausführen.

Schritt 2: Integration von aider.chat mit einem LLM-Modell

In diesem Schritt werden wir aider.chat mit dem Anthropic Claude-3.5-Sonnet LLM-Modell über den OpenRouter-Anbieter integrieren.

Um mehr über das Modell und den Anbieter zu erfahren, können Sie die folgenden Links konsultieren:

Einrichten der Integration

API-Schlüssel erhalten: Registrieren Sie sich und holen Sie sich Ihren API-Schlüssel von OpenRouter.

Schritt 3: Ausführen des aider-Tools über die Befehlszeile

In diesem Schritt navigieren wir zum Stammverzeichnis eines Git-Repositorys, das ein Python-Projekt enthält, und führen das aider-Tool über die Befehlszeile aus. Für dieses Tutorial habe ich ein persönliches Python-Projekt verwendet, das verschiedene Python-Tools enthält, die ich für die Arbeit an meinem Blog verwende.

Navigieren Sie zum Git-Repository: Wechseln Sie zum Stammverzeichnis Ihres Projekts.
Umgebungsvariable setzen: Stellen Sie sicher, dass die Umgebungsvariable OPENROUTER_API_KEY mit Ihrem API-Schlüssel gesetzt ist.
Starten Sie aider mit dem LLM-Modell: Verwenden Sie die Befehlszeile, um aider mit dem Claude-3.5-Sonnet-Modell über OpenRouter zu starten:
```
aider --model openrouter/anthropic/claude-3.5-sonnet
```

Schritt 4: Hinzufügen einer Python-Datei zum Chat

Für die folgenden praktischen Fälle verwenden wir ein einfaches Python-Tool in meinem Projekt. Dieses Tool automatisiert die Übersetzung von Blogbeiträgen von Englisch in andere Sprachen mithilfe von Camel AI-Agenten, die mit LLM-API-Anbietern integriert sind.

Fügen Sie eine Python-Datei hinzu: Fügen Sie eine Python-Datei zur aider-Chat-Sitzung hinzu, um interaktiv mit diesem Befehl zusammenzuarbeiten.
```
/add CAMEL_translate_tool_mistral.py
```

Und im Grunde sind Sie mit diesen praktischen Fällen bereit, um die Fähigkeiten von aider als Ihren KI-gestützten Codierungsassistenten zu demonstrieren.

Praktischer Fall 1: Hinzufügen von Docstrings zu Python-Methoden

Weisen Sie aider an, Docstrings hinzuzufügen: Verwenden Sie aider, um detaillierte Docstring-Dokumentationen für Methoden in Ihrem Python-Skript zu generieren.

Ergebnisse: Die Ergebnisse waren positiv. Aider hat erfolgreich klare und präzise Docstrings hinzugefügt, was die Lesbarkeit und Wartbarkeit des Skripts verbessert hat.

API LLM Tokens Used and Cost: Diese sind im obigen Bild dargestellt.

Praktischer Fall 2: Hinzufügen von Unterstützung für GROQ modelfactory

Nun eine schwierigere Aufgabe. Mein Skript ist mit zwei LLM-API-Anbietern integriert: Mistral und Gemini. In diesem Fall haben wir aider angewiesen, Unterstützung für den GROQ-Anbieter hinzuzufügen, wobei für die Inferenz das Groq Llama 3 8B-Modell verwendet wird. Aider hat das Skript aktualisiert, um die notwendigen Importe, die Modellinitialisierung und Anpassungen für die Kompatibilität einzufügen.

Ergebnisse

Während die Integration größtenteils erfolgreich war, wurden zwei Probleme identifiziert:

Falsche Modelleinstellung: Aider hat das Modell zunächst falsch konfiguriert.
Falsche GROQ-API-URL: Aider hat die korrekte URL für die GROQ-API nicht gesetzt, was zu Integrationsproblemen führte.

Ich habe aider angewiesen, die API-URL zu setzen, aber die Ergebnisse waren unbefriedigend. Folglich habe ich die Änderungen mit dem aider /undo-Befehl rückgängig gemacht.

Schließlich habe ich das Skript manuell aktualisiert, um sicherzustellen, dass sowohl die Modellkonfiguration als auch die API-URL korrekt gesetzt waren.

Nachdem diese Probleme manuell behoben wurden, bestätigten Tests, dass das Modell und die API erfolgreich integriert waren und wie erwartet funktionierten.

Praktischer Fall 3: Ändern der Commit-Methode für die Erstellung von Branches

Aktualisieren Sie die Commit-Methode: Weisen Sie aider an, die Commit-Logik in meinem Skript so zu ändern, dass der Zielbranch erstellt wird, falls er nicht existiert.

Ergebnisse: Der Zielbranch wurde erfolgreich erstellt, wenn er nicht existierte, und die Änderungen wurden ohne Probleme committet, was die Fähigkeiten von aider bestätigt.

Schlussfolgerungen

Benutzerfreundlich: Die Schritte zur Installation und Verwendung von aider.chat sind einfach und unkompliziert, was es für jeden mit grundlegenden Kenntnissen der Befehlszeile zugänglich macht.
Positive Ergebnisse: Insgesamt hat das Tool positive Ergebnisse geliefert und die gewünschten Änderungen effektiv erreicht.
Grundlegender Anwendungsfall: Dieses Tutorial demonstrierte einen grundlegenden Anwendungsfall, bei dem nur ein Python-Skript modifiziert wurde. Komplexere Anwendungsfälle können in zukünftigen Beiträgen untersucht werden.
Integration mit Git: Die nahtlose Integration von aider.chat mit Git machte die Versionskontrolle und Branch-Verwaltung einfach und gewährleistete eine effiziente Nachverfolgung von Änderungen.
Kostenüberlegungen: Bei der Verwendung der LLM-API ist es wichtig, die damit verbundenen Kosten zu berücksichtigen, insbesondere für umfangreiche oder produktionsreife Anwendungen.

Schauen Sie sich andere Tutorials auf meinem Blog an

Wenn Ihnen dieses Tutorial gefallen hat, könnten Ihnen diese auch gefallen:

Hat Ihnen dieser Beitrag gefallen? Fanden Sie ihn hilfreich? Hinterlassen Sie gerne einen Kommentar unten, um Ihre Gedanken zu teilen oder Fragen zu stellen. Ein GitHub-Konto ist erforderlich, um an der Diskussion teilzunehmen.