Codificación con IA Aider

Codificación con IA basada en terminal con Aider en Clore.ai: consciente de Git, multiarchivo, modelos locales vía Ollama

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

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

Características clave

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

• Compatible con Git — hace commits automáticos de cada cambio con mensajes descriptivos, fácil de revisar y revertir

• Edición de varios archivos — añade varios archivos al contexto y edítalos simultáneamente

• Compatibilidad con modelos locales — conéctate a Ollama para una programación totalmente privada y sin coste de API

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

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

• Análisis estático y pruebas — ejecuta linters/pruebas después de cada edición, corrige automáticamente los fallos

• Entrada de voz — dicta instrucciones de programación mediante el 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 ≈ $0.14–0.42/h · RTX 3090 ≈ $0.07–0.21/h · RTX 3060 ≈ $0.03–0.07/h

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

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 programación
ollama pull deepseek-r1:32b

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

3. Inicia Aider con un modelo local

cd /workspace/your-project

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

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

4. Empieza a programar

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 lo siguiente:

1. Leer los archivos y entender la base de código

2. Proponer cambios como un diff

3. Aplicar los cambios en 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.

Añadir archivos y editar

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

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

# Añade un directorio completo
> /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: Añade manejo de errores a parse_config
# d4e5f6g aider: Escribe pruebas unitarias para parse_config
# h7i8j9k aider: Refactoriza el endpoint de registro de usuarios

# Deshacer el último cambio de aider
aider --undo

Análisis estático y corrección automática

# 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 (por script)

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

Recomendaciones de modelos

Modelo	VRAM	Velocidad	Calidad	Ideal 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 heredado, 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 de 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 limpiamente el último cambio mediante Git — experimenta libremente

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

• Establece --auto-commits (predeterminado) para tener el historial completo de Git de cada cambio de 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 — deja que se ejecute en la primera carga

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

Solución de problemas

Problema	Solución
El modelo de Ollama es demasiado lento	Usa una cuantización más pequeña (q4_0) o un modelo más pequeño
CUDA sin memoria con Ollama	Descarga una variante más pequeña del modelo o usa OLLAMA_NUM_GPU=0 para CPU
Errores en commits 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 deficientes	Prueba con un modelo más potente, o usa el modo arquitecto
Conexión rechazada (Ollama)	Asegúrate de que Ollama esté en ejecución: ollama serve o systemctl start ollama
Se superó la ventana de contexto	Elimina archivos con /drop, conserva solo los relevantes

Recursos

• Aider en GitHub

• Documentación de Aider

• Biblioteca de modelos de Ollama

• Marketplace de CLORE.AI