Prüfen Sie den Code
Ihres KI-Agenten
Ihr Agent hat eine Aufgabe beendet, und der Diff ist zu lang für eine sorgfältige Durchsicht. Öffnen Sie das Projekt in Yenpo, beginnen Sie mit „Lokale Änderungen“ oder einem Branch-Diff und arbeiten Sie mit Suche, Navigation und AI Reader eine Änderung nach der anderen durch.
Installation und erstes Projekt öffnen
Lokale Dateien auf dem Mac · KI optional · Lokale Änderungen und Git-Diffsv0.1.303 EAP · Apple silicon & Intel · macOS 14+Läuft ab (UTC)KI erfordert einen eingerichteten Modellanbieter; dessen Nutzungsgebühren gelten.
Machen Sie aus einer akzeptierten Änderung Code, den Sie erklären können
Wählen Sie nach einer Runde mit Claude Code, Codex oder Cursor eine kleine Änderung, die Sie verstehen möchten. Formulieren Sie die Frage konkret: Welche Elemente sollte dieser Filter jetzt liefern, welche Regel schließt ein Element aus und was würde sich bei einer Änderung dieser Regel ändern? Notieren Sie Ihre Vorhersage, bevor Sie um eine Erklärung bitten.
Eingabe und Regel nebeneinander halten
Öffnen Sie Daten, Filterfunktion und Aufrufer in eigenen Tabs. Finden Sie die in der Funktion verwendeten Namen mit Datei- und Textsuche. Lesen Sie nach, welche Werte der Aufrufer tatsächlich übergibt.
Eine Erklärung im Quellcode prüfen
Fragen Sie mit eingerichtetem Modellanbieter nach der Regel oder dem Zweig, den Sie nicht erklären können. Folgen Sie den Quellverweisen und lesen Sie die umgebenden Bedingungen. Beschreiben Sie das Ergebnis anschließend mit eigenen Worten.
Eine Regel ändern und das Ergebnis prüfen
Wählen Sie eine kleine manuelle Änderung. Sagen Sie voraus, welche Fälle sich ändern und welche gleich bleiben. Führen Sie dann den passenden Befehl oder Test in Ihrem Terminal aus. Bewahren Sie die Erklärung zusammen mit Ihren Notizen auf.
Den Lernzyklus mit einem kleinen ausführbaren Filter ausprobieren
Die Übung enthält fiktive Daten, drei Ausgabevorhersagen, eine einzeilige Änderung und Prüfungen des geänderten Verhaltens. Sie benötigen kein Modellkonto. Yenpo bietet einen Ort zum Lesen des lokalen Codes; das Beispiel und seine Prüfungen führen Sie selbst aus.
Eine Änderung anhand des betroffenen Verhaltens prüfen
Ein von Ihrer KI erstelltes Verhalten nachvollziehen
Wählen Sie ein kleines Verhalten aus, das Ihr Agent hinzugefügt hat und das Sie noch nicht erklären können. Sagen Sie die Ausgabe voraus, lesen Sie die entscheidende Regel und nehmen Sie eine Änderung vor, die Sie selbst prüfen können.
Mit einer ausführbaren Filterübung lernenEinen Zweig mit seinen Aufrufern verbinden
Fragen Sie, welche Eingabe eine Implementierung auswählt, was nach dem Aufruf passiert und wo ein Fehler die Ausführung stoppt. Lesen Sie sowohl den Aufrufer als auch die erklärte Funktion.
Eine HTTP-Anfrage verfolgenEine von KI geschriebene Änderung prüfen
Vergleichen Sie ausgewählte Commits oder Branches anhand einer konkreten Frage. Prüfen Sie den zitierten Zweig, unveränderte Aufrufer und Test-Assertions, bevor Sie eine Erklärung akzeptieren.
Geänderte Assertions prüfenYenpo eignet sich für die Arbeit, bei der Sie während der Diskussion einer Änderung weiter im Repository lesen. Es ist kein Coding-Agent: Es führt keine Builds oder Tests aus und integriert keine Patches. Diese Schritte bleiben in Claude Code, Codex, Cursor oder Ihrem Terminal.
Vor der Erkundung des ganzen Repositorys eine kleine Karte erstellen
In diesem Lehrprojekt gibt preview „Moon Kite · paper“ aus, list dagegen die Namen der Exponate. Beide Befehle nutzen dieselben Daten. Verfolgen Sie ihre Pfade im Quellcode mithilfe der handgeschriebenen Lesenotizen unten.
- Einstieg bestätigen. Lesen Sie README.md und package.json. Das preview-Skript wählt src/preview.mjs mit moon-kite als Eingabe. Das list-Skript startet stattdessen src/list.mjs. Halten Sie den Befehl und die Quellcodeversion in Ihren Notizen fest.
- Ausgabe als Hinweis nutzen. Die Suche nach Moon Kite findet catalog.mjs, das Daten enthält. Folgen Sie findExhibit zum Aufrufer in build-label.mjs und dann buildLabel zu preview.mjs. Prüfen Sie das Startskript, bevor Sie einen Suchtreffer als Einstiegspunkt bezeichnen.
- Die Aufgabe jeder Datei benennen. preview.mjs nimmt die Kennung entgegen und gibt das Ergebnis aus. build-label.mjs koordiniert Suche und Formatierung. catalog.mjs findet den Datensatz; format-label.mjs wandelt ihn in Text um. Diese vier Rollen reichen für diese Frage aus.
Projekt, fertige Karte und leere Notizvorlage herunterladen. Entpacken Sie das Archiv, wechseln Sie in exhibit-labels und führen Sie diese Befehle im Terminal mit Node.js 22 oder neuer aus. Abhängigkeiten oder eine Modellverbindung sind nicht erforderlich.
node src/preview.mjs moon-kite
node src/list.mjs
node --test tests/lab.test.mjspreview gibt „Moon Kite · paper“ aus; list gibt „Moon Kite“ und „Cloud Loom“ in getrennten Zeilen aus. Alle 5 Tests bestehen, darunter die Auswahl eines anderen Exponats und der Abbruch vor der Ausgabe bei unbekannter Kennung. Das Archiv enthält Quellstellen und ein Manifest mit Datei-Hashes.
Halten Sie für Ihr eigenes Repository offene Fragen neben der Karte fest: Woher kommen die Startargumente, welche Implementierung wird gewählt und stammen die Daten aus einer Datei oder einem Dienst? Wählen Sie anhand einer dieser Fragen die nächste Datei. Ein Ordnerbaum allein zeigt den Ausführungspfad nicht.
Relevante Dateien beim Fragen geöffnet halten
- Einen Ausgangspunkt finden. Öffnen Sie den entpackten Ordner exhibit-labels als lokales Projekt. Nutzen Sie Command-P für preview.mjs oder „Alle Dateien durchsuchen“ für Moon Kite. Halten Sie Einstieg und Katalog geöffnet, während Sie den Imports folgen. Eine Datei, ein Ordner oder eine Auswahl kann dem AI Reader einen Ausgangspunkt geben.
- Nach einem Verhalten fragen. Zum Beispiel: „Welche Dateien wählen für den Befehl preview mit moon-kite den Datensatz aus, formatieren seinen Text und geben ihn aus? Nenne Quellstellen und betrachte den Befehl list getrennt.“ Begrenzen Sie die Antwort auf diesen Pfad.
- Quellverweise öffnen. Ein Verweis öffnet die zitierten Zeilen in der Code-Schnellvorschau. Mit „Datei öffnen“ lesen Sie den umgebenden Code in einem Tab. Prüfen Sie, ob die Zeilen die Aussage tatsächlich stützen.
- Die Folgen nachvollziehen. Halten Sie geprüfte Dateien, ihre Rollen und die nächste offene Frage in eigenen Notizen fest. Führen Sie bei Bedarf einen gezielten Befehl oder Test im Terminal aus, um das Verhalten zu bestätigen. Der AI Reader führt ihn nicht für Sie aus.
Wissen, was lokal bleibt und was an Ihr Modell geht
Lokal und mit Modellunterstützung lesen
Lokale Dateien zu durchsuchen oder zu lesen erfordert kein Modellkonto. Für Fragen an den AI Reader richten Sie Anbieter, API-Typ, Endpunkt und Modell in den Einstellungen ein. Unterstützte API-Typen sind OpenAI-kompatible Chat Completions, OpenAI Responses und Anthropic Messages. Zugriff und Nutzungsgebühren hängen von Ihrem Anbieterkonto ab.
Fragen, relevanter Gesprächskontext, Anhänge und während der Untersuchung gelesener Code gehen an den konfigurierten Endpunkt. Der AI Reader kann auch Dateien außerhalb der Anhänge lesen. Ein entfernter Anbieter verarbeitet diese Inhalte außerhalb Ihres Mac.
Modellanbieter einrichtenDie nächste Prüfung aus offenen Fragen ableiten
Wenn im Beispiel das falsche Exponat ausgewählt wird, lesen Sie Eingabe und Suche. Ist der Datensatz richtig, aber das Etikett falsch, lesen Sie den Formatter. Gehen Sie in größeren Projekten ebenso vor: Verfolgen Sie die Frage in einer gezielten Untersuchung.
- Welche Einstellung gilt? Einen Wert von der Eingabe bis zur Ausgabe verfolgen.
- Eine reproduzierbare Übergabe hinterlassen
- Hält die KI-Erklärung stand? Ihre Aussagen einzeln prüfen.
- Wo ist die Ausführung fehlgeschlagen? Den Fehler bis zur Quelle verfolgen.
- Was könnte eine Änderung beeinflussen? Nutzer des Codes und ihre Erwartungen prüfen.
Die frühere Verzweigungsübung in einer Datei steht weiterhin bereit, wenn Sie einen kleineren Einstieg suchen.
Bei der nächsten Änderung
Ihrer KI ausprobieren.
Diffs, lokale Änderungen und Suche funktionieren sofort. Verbinden Sie einen Modellanbieter, sobald Sie dem AI Reader eine Frage stellen möchten.
EAP herunterladenDie App-Oberfläche unterstützt Englisch, vereinfachtes und traditionelles Chinesisch, Japanisch, Spanisch, brasilianisches Portugiesisch, Koreanisch, Deutsch, Französisch und Russisch.
v0.1.303 EAP · Apple silicon & Intel · macOS 14+Läuft ab (UTC)