Aider AI कोडिंग

Clore.ai पर Aider के साथ टर्मिनल-आधारित AI कोडिंग — Git-सूचित, मल्टी-फाइल, Ollama के माध्यम से स्थानीय मॉडलों के साथ

Aider एक टर्मिनल-आधारित एआई कोडिंग सहायक है जिसे 39K+ GitHub स्टार मिले हैं। यह आपकी रिपो में फाइलों को सीधे संपादित करता है, स्वचालित रूप से Git कमिट बनाता है, और क्लाउड APIs (OpenAI, Anthropic) तथा Ollama के माध्यम से पूरी तरह स्थानीय मॉडल दोनों का समर्थन करता है। एक Clore.ai GPU पर, आप DeepSeek-R1 32B या Qwen2.5-Coder-32B जैसे बड़े कोडिंग मॉडल पूरी तरह अपने हार्डवेयर पर चला सकते हैं — निजी, तेज़ और लागत-कुशल।

सभी उदाहरण GPU सर्वरों पर चलते हैं जो कि के माध्यम से किराये पर लिए गए हैं CLORE.AI मार्केटप्लेस.

प्रमुख विशेषताएँ

• टर्मिनल-नेटिव — SSH पर काम करता है, हेडलेस Clore.ai सर्वरों के लिए उपयुक्त

• Git-जानकार — प्रत्येक परिवर्तन को वर्णनात्मक संदेशों के साथ स्वचालित रूप से कमिट करता है, समीक्षा और रिवर्ट करना आसान बनाता है

• मल्टी-फाइल संपादन — संदर्भ में कई फाइलें जोड़ें और उन्हें एक साथ संपादित करें

• लोकल मॉडल समर्थन — पूरी तरह निजी, शून्य-API-लागत कोडिंग के लिए Ollama से कनेक्ट करें

• आर्किटेक्ट मोड — योजना बनाने के लिए एक मजबूत तर्क मॉडल का उपयोग करें, फिर कार्यान्वयन के लिए एक तेज़ मॉडल

• रिपॉज़िटरी मानचित्र — संदर्भ-सूचीकृत संपादन के लिए स्वचालित रूप से आपके कोडबेस का इंडेक्स बनाता है

• लिंटिंग और परीक्षण — प्रत्येक संपादन के बाद लिंटर/टेस्ट चलाएँ, विफलताओं को स्वचालित रूप से ठीक करें

• वॉइस इनपुट — माइक्रोफोन के माध्यम से कोडिंग निर्देश बोल कर दें

आवश्यकताएँ

घटक	न्यूनतम	अनुशंसित
GPU	RTX 3060 12 GB	RTX 4090 24 GB
VRAM	12 GB	24 GB
RAM	16 GB	32 GB
डिस्क	30 GB	60 GB
Python	3.9	3.11

Clore.ai मूल्य निर्धारण: RTX 4090 ≈ $0.5–2/दिन · RTX 3090 ≈ $0.3–1/दिन · RTX 3060 ≈ $0.15–0.3/दिन

केवल क्लाउड-मॉडलों (लोकल इनफेरेंस नहीं) के लिए GPU आवश्यक नहीं है — लेकिन Clore.ai GPUs आपको Ollama मॉडल लोकली चलाने देते हैं ताकि पूर्ण गोपनीयता मिल सके।

त्वरित प्रारम्भ

1. Aider इंस्टॉल करें

pip install aider-chat

2. लोकल मॉडलों के लिए Ollama सेट करें

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

# एक कोडिंग मॉडल खींचें
ollama pull deepseek-r1:32b

# या कम VRAM के लिए एक छोटा मॉडल
ollama pull qwen2.5-coder:7b

3. लोकल मॉडल के साथ Aider शुरू करें

cd /workspace/your-project

# Ollama के माध्यम से DeepSeek-R1 32B उपयोग करें (लगभग ~20 GB VRAM की आवश्यकता)
aider --model ollama/deepseek-r1:32b

# या RTX 3060 पर एक छोटा मॉडल उपयोग करें
aider --model ollama/qwen2.5-coder:7b

4. कोडिंग शुरू करें

Aider REPL के अंदर:

> /add src/main.py src/utils.py
> parse_config फ़ंक्शन में एरर हैंडलिंग जोड़ें और उसके लिए यूनिट टेस्ट लिखें

Aider निम्न करेगा:

1. फाइलें पढ़ेगा और कोडबेस को समझेगा

2. परिवर्तनों का प्रस्ताव एक diff के रूप में देगा

3. परिवर्तनों को डिस्क पर लागू करेगा

4. वर्णनात्मक संदेश के साथ एक Git कमिट बनाएगा

उपयोग के उदाहरण

आर्किटेक्ट मोड (दो-मॉडल सेटअप)

तर्क के लिए एक मजबूत मॉडल और कोड जनरेशन के लिए एक तेज़ मॉडल उपयोग करें:

# क्लाउड आर्किटेक्ट + लोकल एडिटर
aider --architect --model ollama/deepseek-r1:32b --editor-model ollama/qwen2.5-coder:7b

आर्किटेक्ट मॉडल परिवर्तन की योजना बनाता है, और एडिटर मॉडल वास्तविक कोड लिखता है — उच्च गुणवत्ता वाली तर्कशीलता को तेज़ कार्यान्वयन के साथ मिलाता है।

फाइलें जोड़ें और संपादित करें

# चैट संदर्भ में विशिष्ट फाइलें जोड़ें
> /add src/api/routes.py src/models/user.py

# परिवर्तन के लिए पूछें
> उपयोगकर्ता पंजीकरण एंडपॉइंट को async/await का उपयोग करने के लिए रीफैक्टर करें और Pydantic के साथ इनपुट वैलिडेशन जोड़ें

# एक पूरी डायरेक्टरी जोड़ें
> /add src/tests/

# संपादन के बाद टेस्ट चलाएं
> /test pytest src/tests/ -v

क्लाउड APIs के साथ उपयोग करें

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

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

Git एकीकरण

# हर परिवर्तन स्वतः ही एक कमिट बनाता है
git log --oneline -5
# a1b2c3d aider: parse_config में एरर हैंडलिंग जोड़ें
# d4e5f6g aider: parse_config के लिए यूनिट टेस्ट लिखें
# h7i8j9k aider: उपयोगकर्ता पंजीकरण एंडपॉइंट रीफैक्टर करें

# पिछले aider परिवर्तन को पूर्ववत करें
aider --undo

लिंट और आटो-फिक्स

# एक लिंटर कॉन्फ़िगर करें
aider --lint-cmd "ruff check --fix" --auto-lint

# Aider प्रत्येक संपादन के बाद लिंटर चलाता है और मुद्दों को स्वचालित रूप से ठीक करता है

नॉन-इंटरैक्टिव (स्क्रिप्टेड) मोड

# एक निर्देश चलाएँ और बाहर निकलें
aider --model ollama/deepseek-r1:32b \
  --message "src/utils.py की सभी फंक्शनों में टाइप हिन्ट जोड़ें" \
  --yes  # परिवर्तनों को स्वचालित रूप से स्वीकार करें

मॉडल सिफारिशें

मॉडल	VRAM	स्पीड	गुणवत्ता	उत्तम हेतु
deepseek-r1:32b	~20 GB	मध्यम	उच्च	जटिल रीफैक्टोरिंग
qwen2.5-coder:32b	~20 GB	मध्यम	उच्च	कोड जनरेशन
qwen2.5-coder:7b	~5 GB	तेज़	अच्छा	त्वरित संपादन, RTX 3060
codellama:34b	~20 GB	मध्यम	अच्छा	लेगेसी कोड, C/C++
deepseek-coder-v2:16b	~10 GB	तेज़	अच्छा	संतुलित प्रदर्शन

टिप्स

• उपयोग करें /add चयनात्मक रूप से — केवल उन फाइलों को जोड़ें जिन्हें Aider को देखने की आवश्यकता है। बहुत सारी फाइलें संदर्भ टोकन बर्बाद करती हैं

• आर्किटेक्ट मोड जटिल परिवर्तनों के लिए शक्तिशाली है — तर्क मॉडल किनारों के मामलों को पकड़ता है जिन्हें एडिटर मॉडल मिस कर सकता है

• /undo Git के माध्यम से अंतिम परिवर्तन को साफ़ तरीके से पूर्ववत करता है — स्वतंत्र रूप से प्रयोग करें

• /diff आवेदन करने से पहले प्रस्तावित परिवर्तनों को दिखाता है — समीक्षा के लिए उपयोग करें

• सेट करें --auto-commits (डिफ़ॉल्ट) हर AI परिवर्तन के लिए पूर्ण Git इतिहास के लिए

• उपयोग करें .aiderignore रिपो मानचित्र से फाइलों को बाहर करने के लिए (node_modules, .venv, आदि.)

• बड़ी रिपोज़िटरीज़ के लिए, Aider का repo मानचित्र मॉडल को कोड संरचना समझने में मदद करता है — पहले लोड पर इसे चलने दें

• संपादनों के बाद टेस्ट चलाएँ — /test pytest तुरंत रिग्रेशन पकड़ता है

समस्याओं का निवारण

समस्या	समाधान
Ollama मॉडल बहुत धीमा	एक छोटा क्वांटाइज़ेशन (q4_0) या छोटा मॉडल उपयोग करें
CUDA में आउट ऑफ मेमोरी Ollama के साथ	एक छोटे मॉडल वेरिएंट को खींचें या उपयोग करें OLLAMA_NUM_GPU=0 CPU के लिए
Git कमिट त्रुटियाँ	सुनिश्चित करें git config user.email और user.name सेट हैं
Aider मेरी फाइलों को अनदेखा कर रहा है	उपयोग करें /add filename.py स्पष्ट रूप से — Aider केवल जोड़ी गई फाइलों को ही संपादित करता है
मॉडल खराब एडिट्स उत्पन्न कर रहा है	किसी मजबूत मॉडल को आज़माएँ, या आर्किटेक्ट मोड का उपयोग करें
कनेक्शन अस्वीकार किया गया (Ollama)	सुनिश्चित करें कि Ollama चल रहा है: ollama serve या systemctl start ollama
संदर्भ विंडो अधिक हो गई	के साथ फाइलें हटाएँ /dropकेवल प्रासंगिक फाइलें रखें

संसाधन

• Aider GitHub

• Aider दस्तावेज़ीकरण

• Ollama मॉडल लाइब्रेरी

• CLORE.AI मार्केटप्लेस