Code Assistant für VS Code einrichten: Projektindexierung und Anpassung
Code Assistant von Yandex wurde aktualisiert: Er unterstützt jetzt Chat, Diff-Ansicht, Skill-Einstellungen und Projektindexierung in LLM-Embeddings. Dies ermöglicht die Analyse von Codebasen ohne externe Dienste. Für die Einrichtung verwenden Sie einen lokalen Stack – Ollama mit einem schlanken Modell (~500 MB) und Qdrant als Vektordatenbank.
Die Installation ist unkompliziert: Starten Sie Qdrant in einem Docker-Container mit docker run -d --name qdrant --restart unless-stopped -p 6333:6333 -p 6334:6334 -v qdrant_data:/qdrant/storage qdrant/qdrant:latest. Ollama wird über ein Skript von der offiziellen Website installiert, das automatisch die GPU erkennt oder auf die CPU zurückfällt.
Nach der Indexierung des Projekts (im Chat aktiviert) nutzt der Agent die Datenbank eigenständig für Codeanalysen. In einem Testprojekt beschrieb er die Logik präzise ohne Aufforderungen.
Indexierung und Codeanalyse
Die Indexierung speichert Projekt-Embeddings lokal und beschleunigt LLM-Abfragen. Der Agent bestätigt die Datenbanknutzung bei Bedarf. Diffs mit Vorschlägen werden automatisch generiert – Änderungen annehmen oder ablehnen.
Auf einer Consumer-GPU (z.B. mit 4–6 GB VRAM) verläuft die Indexierung reibungslos: Das Modell nutzt genau den benötigten Speicher. Im CPU-Modus funktioniert Ollama, aber langsam – nutzen Sie es für kleine Aufgaben.
Beispielinteraktion:
- Aufgabe: „Analysiere den Zweck des Codes.“
- Agent: nutzt den Index, gibt einen Diff aus.
Provider- und Skill-Einstellungen
In den Einstellungen wählen Sie einen Provider: Standardmäßig Yandex oder Ihren eigenen (lokal/API, nur große LLMs). Skills sind benutzerdefinierte Skripte, mit Beispielen im Dokumentations-Repository.
Modi begrenzen den Agent: Fügen Sie eigene für Junior-Entwickler (nur Dokumentation) oder Produktionsaufgaben hinzu.
Wichtige Regeln für den Agent (in Einstellungen hinzufügen):
- Immer auf Deutsch antworten
- Sie – Senior Python Backend Developer & Architect & DevOps
- Antworten Sie knapp für einen Spezialisten Ihres Niveaus
- Priorität immer auf Python-, Bash- und PowerShell-Code geben
- Strukturiert antworten: Fazit – Argumente – Empfehlungen
- Zahlen auf 2 Stellen runden
- Bei unzureichenden Daten klar angeben, was fehlt
- Vor Änderungen von >3 Dateien einen Plan vorschlagen
- Code nicht löschen, mit Hinweis [VERALTET] kommentieren
- Nach jedem erfolgreichen Schritt einen Commit in GIT anbieten
- Subtasks & Subagent wo nötig mit vorheriger Genehmigung nutzen
- Dokumentation von Funktionen und Klassen beim Schreiben und Bearbeiten von Code beibehalten
- Diese Regeln befolgen, es sei denn, sie werden später neu definiert.
Diese Regeln strukturieren die Ausgabe und minimieren Fehler.
Subagenten und Betriebsmodi
Subagenten-Unterstützung: Delegieren Sie Subtasks mit Genehmigung. Nützlich für Refactoring oder Tests – der Agent schlägt selbst einen Plan vor.
In Modi setzen Sie den Kontext: Für Docstrings auf Markdown-Generierung beschränken; für DevOps auf Bash/PowerShell fokussieren.
Test in einem 700-Zeilen-Projekt (PowerShell, Win10): Der Agent passte sich von Bash auf PoSh an, nachdem Tests fehlschlugen. Der Token-Verbrauch ist für die kostenlose Stufe minimal.
Preise und Einschränkungen
Kostenloser Zugang + Bezahlung bei 700 Rub./Monat. Keine Vermittlungsgebühren. Nachteil: Sequenzielle Aufgabenverarbeitung – ein neuer Chat stoppt den aktuellen.
Was wichtig ist:
- Indexierung in Embeddings beschleunigt lokale Projektanalysen.
- Lokaler Stack (Ollama + Qdrant) funktioniert auf Consumer-GPU ohne Cloud.
- Benutzerdefinierte Regeln und Subagenten strukturieren komplexe Aufgaben.
- Unterstützung für Python/Bash/PoSh mit Priorität auf strukturierter Ausgabe.
Für Middle/Senior: In CI/CD integrieren, mit Git-Hooks für Auto-Commit nach Schritten kombinieren.
— Editorial Team
Noch keine Kommentare.