Aider Codificación AI

Codificación AI basada en terminal con Aider en Clore.ai — consciente de Git, multi-archivo, modelos locales vía Ollama

Aider es un asistente de codificación con IA basado en terminal con más de 39K estrellas en GitHub. Edita archivos directamente en tu repositorio, crea commits de Git automáticamente y admite tanto APIs en la nube (OpenAI, Anthropic) como modelos totalmente locales a través de Ollama. En una GPU de Clore.ai, puedes ejecutar modelos grandes de codificación como DeepSeek-R1 32B o Qwen2.5-Coder-32B por completo en tu propio hardware: privado, rápido y rentable.

Todos los ejemplos se ejecutan en servidores GPU alquilados a través de CLORE.AI Marketplace.

Características clave

• Nativo de terminal — funciona vía SSH, perfecto para servidores Clore.ai sin interfaz gráfica

• Con conciencia de Git — auto-commits de cada cambio con mensajes descriptivos, fácil de revisar y revertir

• Edición de múltiples archivos — agrega múltiples archivos al contexto y edítalos simultáneamente

• Soporte de modelos locales — conéctate a Ollama para codificación totalmente privada y sin coste de API

• Modo arquitecto — usa un modelo de razonamiento potente para planificar y luego un modelo rápido para implementar

• Mapa del repositorio — indexa automáticamente tu base de código para ediciones con conocimiento del contexto

• Linting y pruebas — ejecuta linters/tests después de cada edición, corrige automáticamente las fallas

• Entrada de voz — dicta instrucciones de codificación mediante micrófono

Requisitos

Componente	Mínimo	Recomendado
GPU	RTX 3060 12 GB	RTX 4090 24 GB
VRAM	12 GB	24 GB
RAM	16 GB	32 GB
Disco	30 GB	60 GB
Python	3.9	3.11

Precios de Clore.ai: RTX 4090 ≈ $0.5–2/día · RTX 3090 ≈ $0.3–1/día · RTX 3060 ≈ $0.15–0.3/día

Para modelos solo en la nube (sin inferencia local), no se requiere GPU, pero las GPUs de Clore.ai te permiten ejecutar modelos Ollama localmente para total privacidad.

Inicio rápido

1. Instala Aider

pip install aider-chat

2. Configura Ollama para modelos locales

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

# Descarga un modelo de codificación
ollama pull deepseek-r1:32b

# O un modelo más pequeño para menor VRAM
ollama pull qwen2.5-coder:7b

3. Inicia Aider con un modelo local

cd /workspace/tu-proyecto

# Usa DeepSeek-R1 32B vía Ollama (necesita ~20 GB de VRAM)
aider --model ollama/deepseek-r1:32b

# O usa un modelo más pequeño en RTX 3060
aider --model ollama/qwen2.5-coder:7b

4. Comienza a codificar

Dentro del REPL de Aider:

> /add src/main.py src/utils.py
> Añade manejo de errores a la función parse_config y escribe pruebas unitarias para ella

Aider hará:

1. Leer los archivos y comprender la base de código

2. Proponer cambios como un diff

3. Aplicar los cambios en el disco

4. Crear un commit de Git con un mensaje descriptivo

Ejemplos de uso

Modo Arquitecto (Configuración de dos modelos)

Usa un modelo potente para el razonamiento y un modelo rápido para la generación de código:

# Arquitecto en la nube + editor local
aider --architect --model ollama/deepseek-r1:32b --editor-model ollama/qwen2.5-coder:7b

El modelo arquitecto planifica los cambios y el modelo editor escribe el código real: combinando razonamiento de alta calidad con implementación rápida.

Agregar archivos y editar

# Agrega archivos específicos al contexto del chat
> /add src/api/routes.py src/models/user.py

# Pide cambios
> Refactoriza el endpoint de registro de usuario para usar async/await y añade validación de entradas con Pydantic

# Agrega todo un directorio
> /add src/tests/

# Ejecuta pruebas después de la edición
> /test pytest src/tests/ -v

Usar con APIs en la nube

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

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

Integración con Git

# Cada cambio crea un commit automáticamente
git log --oneline -5
# a1b2c3d aider: Añadir manejo de errores a parse_config
# d4e5f6g aider: Escribir pruebas unitarias para parse_config
# h7i8j9k aider: Refactorizar el endpoint de registro de usuario

# Deshacer el último cambio de aider
aider --undo

Lint y autoarreglo

# Configura un linter
aider --lint-cmd "ruff check --fix" --auto-lint

# Aider ejecuta el linter después de cada edición y corrige automáticamente los problemas

Modo no interactivo (scripted)

# Ejecuta una sola instrucción y sale
aider --model ollama/deepseek-r1:32b \
  --message "Añadir anotaciones de tipo a todas las funciones en src/utils.py" \
  --yes  # aceptar cambios automáticamente

Recomendaciones de modelos

Modelo	VRAM	Velocidad	Calidad	Mejor para
deepseek-r1:32b	~20 GB	Medio	Alto	Refactorización compleja
qwen2.5-coder:32b	~20 GB	Medio	Alto	Generación de código
qwen2.5-coder:7b	~5 GB	Rápido	Bueno	Ediciones rápidas, RTX 3060
codellama:34b	~20 GB	Medio	Bueno	Código legado, C/C++
deepseek-coder-v2:16b	~10 GB	Rápido	Bueno	Rendimiento equilibrado

Consejos

• Usa /add selectivamente — solo añade los archivos que Aider necesita ver. Demasiados archivos desperdician tokens del contexto

• Modo arquitecto es poderoso para cambios complejos — el modelo de razonamiento detecta casos límite que el modelo editor podría pasar por alto

• /undo revierte el último cambio limpiamente vía Git — experimenta con libertad

• /diff muestra los cambios propuestos antes de aplicarlos — úsalo para revisar

• Establecer --auto-commits (por defecto) para un historial completo de Git de cada cambio de la IA

• Usa .aiderignore para excluir archivos del mapa del repositorio (node_modules, .venv, etc.)

• Para repositorios grandes, el mapa del repositorio de Aider ayuda al modelo a entender la estructura del código — déjalo ejecutarse en la primera carga

• Ejecuta pruebas después de las ediciones — /test pytest detecta regresiones de inmediato

Solución de problemas

Problema	Solución
Modelo Ollama demasiado lento	Usa una cuantización más pequeña (q4_0) o un modelo más pequeño
CUDA fuera de memoria con Ollama	Descarga una variante de modelo más pequeña o usa OLLAMA_NUM_GPU=0 para CPU
Errores de commit de Git	Asegúrate de git config user.email y user.name están configurados
Aider ignora mis archivos	Usa /add filename.py explícitamente — Aider solo edita los archivos añadidos
El modelo produce ediciones pobres	Prueba un modelo más potente o usa el modo arquitecto
Conexión rechazada (Ollama)	Asegúrate de que Ollama está en ejecución: ollama serve o systemctl start ollama
Ventana de contexto excedida	Elimina archivos con /drop, conserva solo los relevantes

Recursos

• Aider en GitHub

• Documentación de Aider

• Biblioteca de modelos de Ollama

• CLORE.AI Marketplace