Aider KI-Coding

Terminalbasiertes KI-Coding mit Aider auf Clore.ai — Git-bewusst, mehrere Dateien, lokale Modelle über Ollama

Aider ist ein terminalbasierter KI-Coding-Assistent mit über 39.000 GitHub-Sternen. Er bearbeitet Dateien direkt in deinem Repo, erstellt Git-Commits automatisch und unterstützt sowohl Cloud-APIs (OpenAI, Anthropic) als auch vollständig lokale Modelle über Ollama. Auf einer Clore.ai-GPU kannst du große Coding-Modelle wie DeepSeek-R1 32B oder Qwen2.5-Coder-32B vollständig auf deiner eigenen Hardware ausführen — privat, schnell und kosteneffizient.

Alle Beispiele laufen auf GPU-Servern, die über die CLORE.AI-Marktplatz.

Hauptfunktionen

• Terminal-nativ — funktioniert über SSH, perfekt für headless Clore.ai-Server

• Git-bewusst — committet jede Änderung automatisch mit aussagekräftigen Nachrichten, leicht zu überprüfen und rückgängig zu machen

• Bearbeitung mehrerer Dateien — füge mehrere Dateien zum Kontext hinzu und bearbeite sie gleichzeitig

• Unterstützung für lokale Modelle — verbinde dich mit Ollama für vollständig privates Coden ohne API-Kosten

• Architektenmodus — verwende ein starkes Reasoning-Modell für die Planung und dann ein schnelles Modell für die Umsetzung

• Repository-Map — indexiert deine Codebasis automatisch für kontextbewusste Bearbeitungen

• Linting und Tests — führe nach jeder Bearbeitung Linter/Tests aus und behebe Fehler automatisch

• Spracheingabe — diktiere Coding-Anweisungen per Mikrofon

Anforderungen

Komponente	Minimum	Empfohlen
GPU	RTX 3060 12 GB	RTX 4090 24 GB
VRAM	12 GB	24 GB
RAM	16 GB	32 GB
Festplatte	30 GB	60 GB
Python	3.9	3.11

Clore.ai-Preise: RTX 4090 ≈ 0,14–0,42 $/Std. · RTX 3090 ≈ 0,07–0,21 $/Std. · RTX 3060 ≈ 0,03–0,07 $/Std.

Für reine Cloud-Modelle (keine lokale Inferenz) ist keine GPU erforderlich — aber Clore.ai-GPUs ermöglichen es dir, Ollama-Modelle lokal auszuführen, für volle Privatsphäre.

Schnellstart

1. Installiere Aider

pip install aider-chat

2. Richte Ollama für lokale Modelle ein

# Ollama installieren
curl -fsSL https://ollama.com/install.sh | sh

# Lade ein Coding-Modell herunter
ollama pull deepseek-r1:32b

# Oder ein kleineres Modell für weniger VRAM
ollama pull qwen2.5-coder:7b

3. Starte Aider mit einem lokalen Modell

cd /workspace/your-project

# Nutze DeepSeek-R1 32B über Ollama (benötigt ~20 GB VRAM)
aider --model ollama/deepseek-r1:32b

# Oder verwende ein kleineres Modell auf der RTX 3060
aider --model ollama/qwen2.5-coder:7b

4. Mit dem Coden beginnen

Im Aider-REPL:

> /add src/main.py src/utils.py
> Füge der Funktion parse_config Fehlerbehandlung hinzu und schreibe Unit-Tests dafür

Aider wird:

1. Die Dateien lesen und die Codebasis verstehen

2. Änderungen als Diff vorschlagen

3. Die Änderungen auf der Festplatte anwenden

4. Einen Git-Commit mit einer aussagekräftigen Nachricht erstellen

Anwendungsbeispiele

Architektenmodus (Zwei-Modell-Setup)

Verwende ein starkes Modell für das Reasoning und ein schnelles Modell für die Codegenerierung:

# Cloud-Architekt + lokaler Editor
aider --architect --model ollama/deepseek-r1:32b --editor-model ollama/qwen2.5-coder:7b

Das Architektenmodell plant die Änderungen, und das Editor-Modell schreibt den eigentlichen Code — so werden hochwertige Schlussfolgerungen mit schneller Umsetzung kombiniert.

Dateien hinzufügen und bearbeiten

# Bestimmte Dateien dem Chat-Kontext hinzufügen
> /add src/api/routes.py src/models/user.py

# Änderungen anfordern
> Refaktoriere den Endpunkt für die Benutzerregistrierung, um async/await zu verwenden, und füge Eingabevalidierung mit Pydantic hinzu

# Einen ganzen Ordner hinzufügen
> /add src/tests/

# Nach der Bearbeitung Tests ausführen
> /test pytest src/tests/ -v

Mit Cloud-APIs verwenden

# OpenAI
export OPENAI_API_KEY=sk-...
aider --model gpt-4o

# Anthropic
export ANTHROPIC_API_KEY=sk-ant-...
aider --model claude-sonnet-4-20250514

Git-Integration

# Jede Änderung erstellt automatisch einen Commit
git log --oneline -5
# a1b2c3d aider: Fehlerbehandlung zu parse_config hinzufügen
# d4e5f6g aider: Unit-Tests für parse_config schreiben
# h7i8j9k aider: Endpunkt für Benutzerregistrierung refaktorisieren

# Die letzte Aider-Änderung rückgängig machen
aider --undo

Linten und automatisch beheben

# Einen Linter konfigurieren
aider --lint-cmd "ruff check --fix" --auto-lint

# Aider führt nach jeder Bearbeitung den Linter aus und behebt Probleme automatisch

Nicht-interaktiver (skriptgesteuerter) Modus

# Führe eine einzelne Anweisung aus und beende
aider --model ollama/deepseek-r1:32b \
  --message "Füge allen Funktionen in src/utils.py Typ-Hinweise hinzu" \
  --yes  # Änderungen automatisch akzeptieren

Modell-Empfehlungen

Modell	VRAM	Geschwindigkeit	Qualität	Am besten geeignet für
deepseek-r1:32b	~20 GB	Mittel	Hoch	Komplexes Refactoring
qwen2.5-coder:32b	~20 GB	Mittel	Hoch	Codegenerierung
qwen2.5-coder:7b	~5 GB	Schnell	Gut	Schnelle Bearbeitungen, RTX 3060
codellama:34b	~20 GB	Mittel	Gut	Legacy-Code, C/C++
deepseek-coder-v2:16b	~10 GB	Schnell	Gut	Ausgewogene Leistung

Tipps

• Verwende /add selektiv — füge nur die Dateien hinzu, die Aider sehen muss. Zu viele Dateien verschwenden Kontext-Tokens

• Architektenmodus ist leistungsstark für komplexe Änderungen — das Reasoning-Modell erkennt Randfälle, die das Editor-Modell möglicherweise übersieht

• /undo macht die letzte Änderung sauber über Git rückgängig — experimentiere frei

• /diff zeigt die vorgeschlagenen Änderungen vor dem Anwenden — zur Überprüfung verwenden

• Setze --auto-commits (Standard) für den vollständigen Git-Verlauf jeder KI-Änderung

• Verwende .aiderignore um Dateien aus der Repo-Map auszuschließen (node_modules, .venv usw.)

• Für große Repos, Aiders Repo-Map hilft dem Modell, die Codestruktur zu verstehen — lass sie beim ersten Laden laufen

• Nach Bearbeitungen Tests ausführen — /test pytest erkennt Regressionen sofort

Fehlerbehebung

Problem	Lösung
Ollama-Modell zu langsam	Verwende eine kleinere Quantisierung (q4_0) oder ein kleineres Modell
CUDA-Speicher erschöpft mit Ollama	Lade eine kleinere Modellvariante herunter oder verwende OLLAMA_NUM_GPU=0 für die CPU
Git-Commit-Fehler	Stelle sicher git config user.email und user.name gesetzt sind
Aider ignoriert meine Dateien	Verwende /add filename.py explizit — Aider bearbeitet nur hinzugefügte Dateien
Modell erzeugt schlechte Bearbeitungen	Versuche ein stärkeres Modell oder verwende den Architektenmodus
Verbindung abgelehnt (Ollama)	Stelle sicher, dass Ollama läuft: ollama serve oder systemctl start ollama
Kontextfenster überschritten	Entferne Dateien mit /drop, behalte nur die relevanten

Ressourcen

• Aider auf GitHub

• Aider-Dokumentation

• Ollama-Modellbibliothek

• CLORE.AI-Marktplatz