Relace: Relace Search

Relace Search, Relace का एक टेक्स्ट मॉडल है, जो api14 पर मॉडल आईडी relace/relace-search के तहत सूचीबद्ध है। यह टेक्स्ट श्रेणी में आता है और सामान्य चैट के बजाय कोडबेस एक्सप्लोरेशन के इर्द-गिर्द बनाया गया है। प्रदाता के अनुसार, मॉडल एक कोडबेस का पता लगाने और उपयोगकर्ता के अनुरोध से संबंधित फ़ाइलें लौटाने के लिए समानांतर में 4 से 12 view_file और grep टूल का उपयोग करता है। यह इसे रिट्रीवल क्षेत्र में रखता है, लेकिन RAG द्वारा उपयोग किए जाने वाले एम्बेडिंग और वेक्टर सर्च पैटर्न के बजाय एक एजेंटिक दृष्टिकोण के साथ।

मॉडल इनपुट के रूप में टेक्स्ट लेता है और आउटपुट के रूप में टेक्स्ट लौटाता है। इसका कॉन्टेक्स्ट विंडो 256,000 टोकन और अधिकतम आउटपुट 128,000 टोकन है, जो अनुरोध के साथ बड़ी मात्रा में स्रोत सामग्री रखने और फिर भी पर्याप्त उत्तर के लिए जगह छोड़ने के लिए काफी उदार है। समर्थित अनुरोध पैरामीटर हैं max_tokens, response_format, seed, stop, temperature, tool_choice, tools, और top_p। tools और tool_choice की उपस्थिति इसके टूल-संचालित डिज़ाइन के अनुरूप है: मॉडल से अपेक्षा की जाती है कि वह अपना उत्तर तैयार करने के भाग के रूप में view_file और grep को कॉल करे।

व्यावहारिक उपयोग इस डिज़ाइन से अनुसरण करते हैं। यदि आप एक कोडिंग सहायक, किसी रिपॉजिटरी के बारे में प्रश्नों का उत्तर देने वाला एजेंट, या ऐसी पाइपलाइन बना रहे हैं जिसे किसी परिवर्तन अनुरोध से संबंधित फ़ाइलों का पता लगाना है, तो Relace Search उसी काम के लिए लक्षित है। किसी कोडबेस को एम्बेड करने और यह आशा करने के बजाय कि समानता खोज सही चंक्स सामने लाएगी, आप मॉडल को यह तय करने देते हैं कि कौन सी फ़ाइलें खोलनी हैं और किन पैटर्न के लिए grep करना है, फिर संबंधित फ़ाइलें लौटाते हैं। यह उन वर्कफ़्लो में भी फिट बैठता है जहाँ किसी डाउनस्ट्रीम चरण को तैयार पैच के बजाय फ़ाइलों की एक शॉर्टलिस्ट चाहिए, जैसे ट्राइएज, किसी अपरिचित रिपॉजिटरी में ऑनबोर्डिंग, या किसी संपादन से पहले स्कोपिंग।

आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी relace/relace-search का उपयोग करके कॉल करते हैं। चूँकि इंटरफ़ेस OpenAI chat completions के स्वरूप का अनुसरण करता है, आप model फ़ील्ड को उस आईडी पर सेट करके और अपने messages के साथ एक अनुरोध भेजते हैं, और आप समर्थित पैरामीटर में से कोई भी पास कर सकते हैं: max_tokens, response_format, seed, stop, temperature, tool_choice, tools, और top_p। यदि आपका मौजूदा कोड पहले से ही OpenAI-संगत एंडपॉइंट को लक्षित करता है, तो इस मॉडल पर स्विच करना काफी हद तक model स्ट्रिंग बदलने और, जहाँ प्रासंगिक हो, टूल परिभाषाएँ देने की बात है।

विचार करने वाली एक बात दायरा है। प्रदाता का विवरण मॉडल को view_file और grep के साथ कोडबेस एक्सप्लोरेशन के इर्द-गिर्द प्रस्तुत करता है, इसलिए जिन कार्यों का किसी रिपॉजिटरी में फ़ाइलें खोजने से कोई लेना-देना नहीं है, उनके लिए सामान्य प्रयोजन वाला टेक्स्ट मॉडल बेहतर हो सकता है। यदि आपको इमेज या ऑडियो इनपुट चाहिए, तो यह मॉडल इसे स्वीकार नहीं करता, क्योंकि इनपुट और आउटपुट दोनों केवल टेक्स्ट हैं।