Windsurf + Ertas

在您團隊的程式碼庫上微調模型並連接到 Windsurf 的 AI 驅動編輯器，提供了解您專案內外的上下文感知程式碼生成、重構和聊天輔助。

Overview

Windsurf 由 Codeium 開發，是一款從頭設計就將大型語言模型整合到開發工作流程每個方面的 AI 原生程式碼編輯器。與在現有介面上附加 AI 的編輯器不同，Windsurf 將 AI 輔助視為一等公民——提供智慧自動完成、多檔案編輯、程式碼庫感知聊天和自動化重構工具，了解專案上下文。其 Cascade 功能可以跨整個儲存庫進行推理，使其對複雜程式碼庫特別有效。

儘管具有先進的上下文收集能力，Windsurf 的底層模型是在通用程式設計資料上訓練的。它們在常見模式和流行框架上表現出色，但缺乏對您組織專有函式庫、內部 API 和團隊特定慣例的了解。在使用自訂框架或領域特定抽象時，建議可能不準確——預設使用通用實作而非利用您團隊精心打造的工具和架構模式。

How Ertas Integrates

Ertas 彌合了 Windsurf 強大的編輯器功能與您團隊獨特的程式碼庫知識之間的差距。透過收集最佳程式碼的範例——已核准的 PR、內部文件、架構決策記錄和風格指南——您建構了一個編碼您組織程式設計標準的訓練資料集。Ertas Studio 管理微調過程，讓您無需 ML 基礎設施專業知識即可訓練了解命名慣例、偏好設計模式和內部 API 介面的模型。

微調後，您透過 Ollama 或類似的本地運行時透過 OpenAI 相容端點部署模型。Windsurf 支援自訂模型端點，允許您的微調模型驅動其自動完成、聊天和 Cascade 功能。結果是 Windsurf 複雜的多檔案推理搭配一個真正了解您專案的模型——建議使用您實際的工具的程式碼，遵循您團隊的模式，尊重您的架構邊界，所有這些都將程式碼完全保留在您自己的基礎設施上。

Getting Started

1
策劃您的程式碼庫訓練資料
從儲存庫中擷取代表性程式碼樣本：經過良好審查的拉取請求、內部函式庫實作、文件註釋和設定模式。將它們格式化為展示程式設計慣例的指令-回應配對。
2
使用 Ertas Studio 訓練自訂模型
將資料集上傳到 Ertas Studio 並選擇具有程式碼能力的基礎模型。設定基於 LoRA 的微調參數並啟動訓練作業。使用 Ertas 的實驗追蹤比較不同設定並選擇表現最佳的檢查點。
3
使用本地推理伺服器部署模型
以 GGUF 格式匯出微調模型並透過 Ollama 部署，暴露 OpenAI 相容 API 端點。使用代表性程式設計提示測試模型以驗證其準確捕捉您團隊的模式。
4
將 Windsurf 連接到自訂模型端點
設定 Windsurf 的模型設定指向您的本地推理端點。將模型映射到 Windsurf 的自動完成和聊天功能，使微調模型在整個編輯器中驅動 AI 輔助。
5
迭代並改善模型品質
在真實開發工作中監控模型的建議。收集模型偏離您標準的修正和邊緣案例，將其新增到訓練資料集，並運行增量微調以隨時間提高一致性。