Pular para o conteúdo
LabS Atlas
AI For Devs
Entrar
Sessões

Sessão de Bancada Amplificando o Desenvolvimento com Continue (2024-11-12)

12 nov 20241h 32min
Assistir gravação

Entre para ler os trechos da transcrição de cada capítulo e perguntar ao Labinho sobre esta sessão.

O Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

atualizado há 25 dias
Resumo da sessão

A sessão apresentou o Continue como uma alternativa flexível a ferramentas como o GitHub Copilot, destacando que ele pode ser usado em diferentes editores, com modelos locais ou em nuvem, pagos ou gratuitos. Foram demonstradas funções de geração e edição de código, explicação de erros, criação de mensagens de commit, testes, documentação, comandos de terminal e compartilhamento do contexto de uma conversa. Também foram explorados contextos externos, como documentação web, Google, bancos de dados, GitHub e outras integrações, além da possibilidade de criar prompts e comandos personalizados.

A discussão abordou a configuração de modelos de chat, autocomplete, embeddings e ranking, incluindo o uso de modelos locais pelo Ollama e os requisitos de hardware, memória e GPU. Recomendou-se desativar o autocomplete do Continue em máquinas mais limitadas, devido ao consumo contínuo de recursos, e usar modelos menores para obter melhor desempenho. A demonstração teve alguns problemas com modelos locais, português, documentação mal estruturada e integrações web, mas reforçou que a ferramenta oferece mais liberdade de customização e privacidade do que soluções fechadas.

Como pontos em aberto, ficou proposta uma futura comparação prática entre Continue, Copilot e outras ferramentas, avaliando geração de código, velocidade e flexibilidade. Também foram mencionadas possíveis apresentações sobre integração com agentes, Gira, ferramentas de frontend e uso de prompts personalizados. Os participantes foram incentivados a experimentar o Continue, consultar sua documentação e trazer dúvidas ou novos desafios para as próximas sessões.

Gerado por IA a partir da transcrição.
Capítulos · 38
00:10
Abertura e chegada dos participantes
Assistir
10:24
Início da sessão e apresentação da comunidade
Assistir
11:44
Contexto atual do Devs e dos desafios com IA
Assistir
16:55
Apresentação do novo desafiante: Continue
Assistir
18:12
Visão geral e possibilidades do Continue
Assistir
20:48
Instalação e configuração do Continue
Assistir
23:23
Modelos locais com Llama e LM Studio
Assistir
26:02
Geração e edição de código
Assistir
29:55
Comandos slash e automações
Assistir
33:47
Contextos, testes e comandos arroba
Assistir
36:21
Documentação externa e integração com npm
Assistir
37:38
Análise de erros no terminal
Assistir
40:12
Tipos de modelos e autocomplete
Assistir
41:29
Escolha de modelos para chat e código
Assistir
42:52
Análise de imagens com modelos multimodais
Assistir
44:15
Embeddings e bases vetoriais
Assistir
45:32
Embeddings e modelos de ranking
Assistir
46:50
Chunking e janela de contexto
Assistir
50:38
Configuração de modelos no Continue
Assistir
51:57
Requisitos de hardware para rodar modelos locais
Assistir
58:24
GPU, CPU e desempenho em bases vetoriais
Assistir
59:44
Ferramentas integradas: web, Google e outras fontes
Assistir
1:03:37
Conexão com bancos de dados e consulta de esquemas
Assistir
1:06:12
Busca em documentação e uso de APIs
Assistir
1:10:03
Embedding e indexação de documentação
Assistir
1:12:38
Funções personalizadas e geração de queries
Assistir
1:13:58
Prompts, comandos slash e contexto dinâmico
Assistir
1:15:18
Criando funções de tradução e ferramentas próprias
Assistir
1:17:49
Combinando ferramentas e refinando buscas web
Assistir
1:20:23
Autocomplete e comparação com Copilot
Assistir
1:22:54
Configuração manual de documentação
Assistir
1:24:10
Continue versus Copilot
Assistir
1:25:29
Encerramento e próximos temas
Assistir
1:26:44
Configuração de prompts e múltiplos contextos
Assistir
1:28:02
Custom prompts e ferramentas gratuitas
Assistir
1:29:18
Convite para a discussão sobre ferramentas de IA
Assistir
1:30:35
Uso do Code para além da programação
Assistir
1:31:53
Variedade de modelos e encerramento
Assistir
Cortes · 13
Contexto da comunidade e desafios com IA
É apresentada a estrutura da comunidade, sua divisão em atos e os desafios relacionados à interpretação de artefatos, geração de testes e testes de aplicações com IA. Também são comentados os resultados de batalhas anteriores entre ferramentas e a introdução do Continue como novo desafiante.
10:24 – 18:12Assistir
Introdução ao Continue e configuração
A apresentação explica o que é o Continue, destacando que ele pode trabalhar com diferentes modelos, inclusive localmente, e ser usado em diferentes IDEs. Também são mostradas opções de instalação, configuração, modelos de chat e autocomplete, além do uso do Llama para baixar e executar modelos locais.
18:12 – 26:02Assistir
Geração e edição de código no Continue
São demonstradas funções do Continue para gerar código, editar trechos selecionados, renomear variáveis e trabalhar diretamente no arquivo. O apresentador também mostra comandos com barra, como geração de mensagens de commit, compartilhamento de contexto e criação de documentação em Markdown.
26:02 – 33:47Assistir
Contextos, comandos e análise de erros
O trecho apresenta os comandos de teste e os contextos disponíveis no Continue, incluindo arquivos recentes, código, documentação de pacotes e informações do terminal. Também é demonstrado como a ferramenta pode analisar erros, explicar comandos executados e sugerir correções no código.
33:47 – 40:10Assistir
Tipos de modelos e análise de imagens
São explicadas as diferenças entre modelos de autocomplete, chat, embeddings e reranking, além de recomendações de modelos conforme o uso e o custo. No final, é demonstrado o uso de modelos com visão para interpretar imagens localmente e por meio de modelos externos.
40:12 – 44:15Assistir
Embeddings, chunking e busca semântica
Explica o papel dos modelos de embedding na vetorização de conteúdos e na recuperação de informações. A conversa também aborda o impacto do tamanho dos chunks, da janela de contexto e do equilíbrio entre qualidade semântica e consumo de recursos.
44:15 – 50:38Assistir
Hardware para rodar modelos localmente
Demonstra como escolher modelos e configurações de acordo com memória de vídeo, RAM, CPU e número de parâmetros. O grupo compara o desempenho de GPUs e CPUs e discute os requisitos para modelos de texto e imagem.
50:38 – 59:44Assistir
Ferramentas web e conexão com banco de dados
Mostra como configurar ferramentas do Continue para buscar informações na web, usar o Google e consultar dados de um banco local. O modelo consegue ler esquemas, explicar tabelas e sugerir relações sem precisar enviar os dados para fora.
59:44 – 1:07:31Assistir
Consultando documentações com contexto
Demonstra como adicionar uma documentação externa ao Continue a partir de uma URL e usá-la para responder dúvidas técnicas. O resultado depende da estrutura da documentação e de como os links entre suas páginas estão organizados.
1:07:31 – 1:12:38Assistir
Prompts, comandos e funções personalizadas
Ensina a criar comandos personalizados em arquivos de prompt, definindo comportamento, temperatura e entradas dinâmicas. São apresentados exemplos de tradução, busca na web e composição de funções para gerar respostas mais específicas.
1:12:38 – 1:19:06Assistir
Desempenho e autocomplete
Discute como filtros de busca muito amplos podem trazer resultados irrelevantes e como o autocomplete consome processamento continuamente. A recomendação é desativá-lo em máquinas sem GPU adequada ou com poucos recursos.
1:19:06 – 1:20:23Assistir
Como configurar prompts personalizados
Mostra como configurar prompts no Continue por meio das opções de geração e de arquivos de regras, comparando essa experiência com outras ferramentas de IA. Também apresenta o uso de custom prompts e comenta uma ferramenta gratuita para aprender e trabalhar com desenvolvimento web.
1:26:44 – 1:29:18Assistir
Usando o Continue além de programação
Explica que o Continue pode ser usado não apenas para escrever código, mas também para gerar diagramas, revisar textos Mermaid e executar comandos no sistema. O trecho destaca a liberdade de escolher diferentes modelos e integrar a ferramenta a fluxos de trabalho em vários sistemas operacionais.
1:30:35 – 1:31:53Assistir
Perguntas desta sessão
Como funcionam os atos da comunidade de IA?
A comunidade organiza os desafios em três atos: interpretação de artefatos com IA, geração de artefatos e cenários de teste, e testes de aplicações utilizando IA.
13:53 – 14:09Assistir
Quais desafios foram realizados nos atos da comunidade de IA?
Já foram selecionados artefatos para interpretação por IA e gerados artefatos, cenários e testes de aceitação; o terceiro ato, voltado a testes de aplicação com IA, ainda tinha desafios em aberto.
13:55 – 14:39Assistir
Como instalar o Continue no VS Code ou no IntelliJ?
A instalação é feita pelo marketplace ou pela própria ferramenta, adicionando o plug-in do Continue ao VS Code ou ao IntelliJ. No Linux, recomenda-se evitar instalações que exigem executar a ferramenta com permissões de root, pois isso pode causar problemas.
21:32 – 22:16Assistir
É possível instalar o Ollama em qualquer sistema operacional?
Sim. O Ollama pode ser baixado e instalado nos sistemas operacionais usados pelos participantes; depois da instalação, ele é configurado para executar os modelos localmente.
24:20 – 24:31Assistir
É preciso salvar manualmente o código gerado pelo Continue?
Não necessariamente. Ao aceitar a sugestão, o Continue insere o código no arquivo; ao rejeitá-la, ele remove a alteração. O código pode ser salvo normalmente depois no editor.
26:40 – 26:52Assistir
O que acontece quando o comando /teste do Continue é usado sem especificar a linguagem ou o contexto?
O Continue tenta gerar testes para o conteúdo selecionado ou para uma pasta específica. Sem contexto suficiente, ele usa uma linguagem padrão, geralmente Python, e cria cenários de teste automaticamente.
33:57 – 34:25Assistir
Como o Continue pode ajudar a corrigir um erro no código?
O Continue analisa o problema, apresenta sugestões, explica a causa e pode gerar uma versão corrigida do código, considerando o contexto do arquivo ou projeto.
37:45 – 38:10Assistir
Como o Continue pode analisar erros exibidos no terminal?
É possível pedir ao Continue que examine o último comando ou o conteúdo do terminal, explique o erro ocorrido e sugira como corrigi-lo.
38:34 – 40:04Assistir
Como o autocomplete do Continue escolhe o arquivo mais relevante para o contexto?
A configuração de embeddings cria uma base vetorial, e o ranking prioriza os arquivos mais relacionados à consulta, em vez de enviar todo o projeto ao modelo. O ranking também pode considerar arquivos usados ou lidos recentemente.
40:59 – 46:27Assistir
Como a escolha da granularidade dos chunks afeta o uso de modelos de linguagem e a qualidade da recuperação em uma base vetorizada?
Chunks maiores aumentam a janela de contexto e o consumo de recursos, enquanto chunks pequenos podem quebrar demais o conteúdo e dificultar as conexões semânticas entre os trechos. A granularidade deve ser ajustada conforme o caso de uso, pois escolhas inadequadas podem reduzir a qualidade dos dados recuperados e favorecer respostas imprecisas.
46:38 – 49:28Assistir
Que tipo de modelo deve ser configurado no Continue e é recomendável usar a opção de detecção automática?
O Continue permite selecionar o tipo de modelo e indicar explicitamente o modelo que será usado. Embora exista uma opção de detecção automática, ela não é recomendada; é melhor especificar o modelo para manter controle sobre o sistema utilizado.
51:52 – 52:31Assistir
Em que situações é necessário usar hardware mais potente para executar modelos locais de IA?
O uso de imagens exige mais recursos porque requer mais contexto para a geração. Para modelos de texto, a memória de vídeo necessária depende principalmente do número de parâmetros e das configurações, como a janela de contexto e o instruction set. Parte do modelo pode ser distribuída entre GPU e CPU, mas isso reduz o desempenho; por isso, modelos maiores e aplicações multimodais exigem mais memória e processamento.
53:03 – 53:47Assistir
Qual ferramenta é mais adequada para consultar rapidamente o valor atual do dólar usando o Continue?
O Google é mais adequado para esse tipo de informação atual; a busca web integrada pode ser menos eficiente, especialmente quando o scraper ou a cota do serviço apresenta limitações.
1:02:09 – 1:02:15Assistir
Como o Continue se conecta a um banco de dados e obtém o esquema das tabelas?
É preciso configurar uma conexão com o banco; o Continue usa essa conexão para consultar e carregar o esquema, permitindo explicar tabelas e relacionamentos e auxiliar na geração de consultas.
1:04:00 – 1:04:25Assistir
O Continue mantém o contexto da pergunta anterior ao consultar informações externas?
Não necessariamente. Em determinadas consultas, cada solicitação gera uma nova interação e o contexto da pergunta anterior não é preservado automaticamente.
1:04:29 – 1:04:36Assistir