Windsurf + Ertas

在您团队的代码库上微调模型并连接到 Windsurf 的 AI 驱动编辑器，提供深入了解您项目的上下文感知代码生成、重构和聊天辅助。

Overview

Windsurf 由 Codeium 开发，是一款从底层开始设计的 AI 原生代码编辑器，将大语言模型集成到开发工作流的各个方面。与在现有界面上附加 AI 功能的编辑器不同，Windsurf 将 AI 辅助视为一等公民——提供智能自动补全、多文件编辑、代码库感知聊天和理解项目上下文的自动重构工具。其 Cascade 功能可以跨整个仓库进行推理，使其在处理复杂代码库时特别有效。

尽管具有先进的上下文收集能力，Windsurf 的底层模型是在通用编程数据上训练的。它们在常见模式和流行框架上表现出色，但缺乏对您组织专有库、内部 API 和团队特定规范的了解。当使用自定义框架或领域特定抽象时，建议可能不准确——默认使用通用实现而非利用您团队精心构建的工具和架构模式。

How Ertas Integrates

Ertas 弥合了 Windsurf 强大编辑器功能与您团队独特代码库知识之间的差距。通过收集您最佳代码的示例——经过审批的 PR、内部文档、架构决策记录和编码风格指南——您构建了一个编码您组织编码标准的训练数据集。Ertas Studio 管理微调过程，让您训练一个理解命名规范、首选设计模式和内部 API 接口的模型，无需 ML 基础设施专业知识。

微调后，您通过 Ollama 或类似本地运行时部署模型到兼容 OpenAI 的端点。Windsurf 支持自定义模型端点，允许您的微调模型驱动其自动补全、聊天和 Cascade 功能。结果是 Windsurf 的复杂多文件推理与一个真正理解您项目的模型的结合——建议使用您实际的工具函数、遵循团队模式并尊重架构边界的代码，同时您的代码完全保留在自己的基础设施上。

Getting Started

1
整理您的代码库训练数据
从仓库中提取代表性代码样本：经过充分审查的 Pull Request、内部库实现、文档注释和配置模式。将它们格式化为展示编码规范的指令-响应对。
2
使用 Ertas Studio 训练自定义模型
将数据集上传到 Ertas Studio 并选择代码能力强的基础模型。配置基于 LoRA 的微调参数并启动训练作业。使用 Ertas 的实验跟踪比较不同配置并选择最佳性能检查点。
3
使用本地推理服务器部署模型
将微调模型导出为 GGUF 格式并通过 Ollama 部署，暴露兼容 OpenAI 的 API 端点。使用代表性编码提示测试模型，验证它准确捕获了您团队的模式。
4
将 Windsurf 连接到您的自定义模型端点
配置 Windsurf 的模型设置指向您的本地推理端点。将模型映射到 Windsurf 的自动补全和聊天功能，使微调模型在整个编辑器中驱动 AI 辅助。
5
迭代并提升模型质量
在真实开发工作中监控模型的建议。收集模型偏离您标准的修正和边缘案例，将它们添加到训练数据集中，并运行增量微调以随时间提高对齐程度。