Werkzeuge
KI-Coding-Assistent
Von Ofrai Editorial (AI Model Curators)
Behandeln Sie DeepSeek Flash als den alltäglichen chat nahe am Compiler, dann eskalieren Sie zu Pro, GPT oder Claude, wenn Sie ein Review wollen, das Sie wirklich mergen würden.
Chat und Video verbrauchen Ofrai-Credits.
Empfohlener Loop
Failing Test einfügen, Flash um einen Patch bitten, lokal laufen lassen, dann Claude oder GPT das Risiko erklären lassen. Deshalb listet Ofrai mehr als ein Textmodell. Der Loop läuft in drei Bewegungen. Die erste ist schnell und günstig: Flash macht aus der Fehlerspur einen Diff-Kandidaten. Die zweite führen Sie selbst aus, denn das Modell kann das nicht. Die dritte ist das Review: ein Premium-Modell liest den Diff, den Sie tatsächlich bekommen haben, nicht den, den Sie sich gewünscht hätten.
Am Anfang klein, am Ende teuer — genau deshalb schlägt ein Chat-Assistent bei fast aller Debug-Arbeit ein riesiger Prompt.
Docs
PDF-Spec hochladen und im selben Thread fragen — siehe chat-with-PDF. Bild-Studio ist für Diagramme optional, und zwar wirklich optional: Eine Architekturskizze kostet oft mehr Review-Zeit, als eine leere Fläche Credits kostet. Der wertvolle Zug ist, das Dokument in der Schleife zu halten, statt es aus dem Gedächtnis zusammenzufassen. Lassen Sie sich die Klausel zitieren, auf die sich die Antwort stützt, und prüfen Sie die Quelle, bevor Sie das Fazit übernehmen.
Wann Sie zu chat-with-PDF wechseln
Wenn die Wahrheit ein Spec oder RFC ist, PDF in Text-Studio anhängen und im selben Thread fragen. Nach der Antwort zurück in die Code-Iteration.
Coding mit chat-with-PDF kombinieren
Spec-PDF in chat-with-PDF öffnen, dann denselben Thread für die Code-Iteration behalten. Doc-Frage und Patch nebeneinander in Text-Studio.
Welche Engine übernimmt welche Aufgabe
Nach Aufgabe routen, nicht nach Marke. DeepSeek V4 Flash ist die günstige Schleife: Stacktrace lesen, ein Symbol über drei Dateien umbenennen, einen ersten Testentwurf schreiben, eine Regex erklären, die niemand mehr geschrieben hat. DeepSeek V4 Pro ist das mittlere Arbeitstier für Refactorings über mehrere Dateien, wenn das Modell vorher einen längeren Plan halten soll. GPT-5 passt zu unscharfen Produktfragen, bei denen Optionen gebraucht werden und kein Patch. Claude Sonnet ist der Reviewer: Diff geben und fragen, was bricht — die strukturierten Begründungen lassen sich so direkt ins Pull Request übernehmen.
Eine Regel hält die Rechnung klein: Entwurf auf Flash, einmal hochstufen, nie zweimal für dieselbe Änderung.
Prompt-Formen für echten Code
Beschreiben Sie die Aufgabe so, wie ein Kollege es tun würde, in vier Teilen: der Beleg für den Fehler, die Verhaltensgrenze, die Form der Antwort und das, was erklärt werden soll. Ein Bugfix liest sich so — „tests/test_cart.py::test_apply_discount schlägt mit DiscountError bei Bestellungen über 100 fehl. Der Pricing-Service wirft bei Nullmenge-Zeilen, die API kann aber eine senden. Gib mir einen minimalen Patch, der den Nullmenge-Fall in apply_discount abfängt, öffentliche Signatur bleibt, Rundung bleibt unangetastet, und sag mir, welche weiteren Aufrufstellen denselben Pfad nehmen können.“
Ein neues Modul braucht eine andere Form: „Schreibe einen TypeScript-Retry-Helper mit exponentiellem Backoff, vollem Jitter, maximal fünf Versuchen und AbortSignal-Support; gib statt zu werfen den letzten Fehler zurück; dokumentiere die Defaults.“ Bei einem Refactoring lieber vorherige und neue Form zeigen als Absicht beschreiben.
Codekontext ohne Repository-Fenster
Ofrai hostet Ihr Repository nicht, die eigentliche Kunst ist also Kontextmanagement. Schreiben Sie ein kompaktes Briefing statt 400 Zeilen zu pasten: die öffentliche Signatur, die zwei oder drei betroffenen Dateien, die exakte Fehlermeldung, Runtime- und Bibliotheksversionen und die Grenze, die nicht bewegt werden darf. Das sind meist unter 200 Zeilen und liefern bessere Antworten als ein Vollabzug, weil das Modell seine Aufmerksamkeit auf den markierten Code verwendet statt auf Boilerplate, die es nie brauchte.
Wird ein Thread lang oder widerspricht sich das Modell selbst, öffnen Sie einen neuen Thread mit schriftlicher Zusammenfassung — „der Guard sitzt jetzt in apply_discount, die Rundungsänderung ist zurückgenommen, der Restfehler liegt im Versandkostenpfad“ — statt hochzuscrollen. Veralteter Kontext ist die stille Ursache der meisten schwachen zweiten Entwürfe.
Review-Durchgänge vor dem Merge
Lesen Sie Modellausgaben wie den Patch eines Fremden, der meistens recht hat. Durchgang eins: nur den Diff, ohne Prosa, und lesen Sie ihn als Diff. Durchgang zwei: fragen Sie, welche Eingabe ihn bricht — leerer String, null, sehr große Datei, zwei gleichzeitige Aufrufe, ein Locale mit leerem Übersetzungstext. Durchgang drei: fragen Sie, welcher vorhandene Test ihn hätte fangen müssen und welchen Sie dem Repo schulden. Dann führen Sie die Suite selbst aus, das Modell kann das nicht.
Was Authentifizierung, Geld oder Migrationen berührt, geht im Review an ein Premium-Modell mit engem Auftrag: „Liste nur die Korrektheitsrisiken in diesem Diff, nach Schwere sortiert, ohne Zusammenfassung.“ Sie bekommen eine Checkliste statt eines Essays — und eine Checkliste schaffen Sie in den zehn Minuten vor dem Merge.
Wo generierter Code still kaputtgeht
Fünf Fehlerbilder decken das meiste ab. Erfundene APIs: Das Modell ruft einen Helper auf, den es in Ihrer Version nicht gibt — also Version im Prompt festnageln und nur dokumentierte Aufrufe verlangen. Stilles Verhaltensänderung: Ein Rewrite entfernt einen Fehlerzweig, weil ihn nichts testet; genau dafür gibt es Durchgang zwei. Zu breite Patches: Aus einem Zwölfzeilen-Fix wird ein Umbau über vier Dateien — erst den kleinsten Change fordern, das Refactoring separat. Grenzfehler bei leeren, null und einelementigen Collections.
Und fachlich plausibel falsche Logik, die nur Ihr Domänenwissen finden kann: sagen Sie die Geschäftsregel laut. Das Heilmittel ist in allen fünf Fällen gleich — den kleinsten Change fordern, der den Test grün macht, und lesen wie in einem Vorstellungsgespräch.
Einstellungen, die Sie vor dem Prompt setzen
Die Temperatur ist der erste Regler, und die meisten lassen ihn falsch stehen. Niedrig halten, etwa 0,2 bis 0,4, für alles, was Sie tatsächlich ausführen: Fixes, Refactorings, Migrationen, generierte Tests. Höher nur, wenn Sie bewusst Optionen sammeln — drei Entwurfsvarianten, drei Namensschemata, drei Wege zu demselben Problem. Bei den Premium-Modellen verschiebt das Reasoning-Budget Antworten stärker als die Temperatur; geben Sie einem harten Problem also Denkraum, statt eine längere Antwort zu verlangen.
Auch die Kontextlänge lohnt sich: fügen Sie den fehlerhaften Code plus die zu erfüllende Schnittstelle ein, nicht die ganze Datei, dann bleibt die Antwort fokussiert. Und halten Sie eine Systemanweisung während einer Sitzung kurz und stabil — eine lange, dauernd umgeschriebene Anweisung ist der Grund, warum derselbe Prompt an einem Nachmittag drei Stile liefert.
Was eine Debug-Sitzung kostet
Textjobs werden nach Tokens abgerechnet, eine Debug-Schleife hat also eine vorhersehbare Form: viele kleine Flash-Aufrufe, ein bis zwei Pro-Aufrufe und ein Premium-Review. Die Gewohnheit, die das Budget ruiniert, ist dieselbe Frage nach einer Ein-Zeilen-Änderung erneut an das Premium-Modell zu stellen und Vollpreis für eine Erkenntnis zu zahlen, die Sie längst hatten. Die größte Ersparnis bringt das Prompt-Reparieren statt den Modellwechsel: Fehlerbeleg und Grenze ins Prompt schreiben, und meistens antwortet Flash, ohne dass es eskaliert.
Die zweite Ersparnis: keine Tests erzeugen, die nichts ändern können. Die dritte: Exploration billig halten und Premium-Aufrufe für Änderungen reservieren, die Sie im Review verteidigen würden. Auf Ofrai zahlt dasselbe Guthaben Bild und Video — ein grenzenloser Code-Nachmittag ist also ein echter Grund, warum der Clip am Abend ausfällt.
Für wen dieses Werkzeug nicht gedacht ist
Lassen Sie es links liegen, wenn Ihr Ablauf repositoryweites Wissen, automatische Testläufe oder den Wissen, was sich seit dem letzten Commit geändert hat, voraussetzt — das beantwortet ein Agent mit Ihrer Git-Historie, kein Chatfenster. Lassen Sie es auch links liegen, wenn Sie einen prüfbaren Nachweis brauchen, denn der Beleg liegt in IDE und CI, nicht in einem Text-Thread. Und lassen Sie es aus Entscheidungen, bei denen die fachliche Autorität entscheidet: Preisregeln, Steuerrechnungen, Einwilligungen — dort soll das Modell entwerfen und ein Mensch entscheiden.
Stark ist es dagegen bei Tests, beim Abbau von Boilerplate, klareren Logs, Skript-Glue, Migrationsentwürfen und beim Erklären unbekannten Codes für ein neues Teammitglied. Der ehrliche Test: Fängt Ihre Suite eine falsche Antwort in einer Minute, los geht’s; würde sie ausgeliefert, nur Entwurf nutzen und jede Zeile selbst lesen.
Coding-Chat oder das Schreibwerkzeug daneben
Beides liegt im Text-Studio und beide ziehen vom selben Guthaben, der einzige echte Unterschied ist also, was der Thread liefern soll. Eine Schreib-Anfrage endet in einem fertigen Textartefakt — Artikel, Landingpage, E-Mail —, wo Ton und Struktur das Ergebnis sind. Eine Coding-Anfrage endet in etwas, das Sie ausführen: ein Diff, ein Test, eine Migration, wo Korrektheit und Schnittstellenkompatibilität zählen und Prosa nur Gerüst ist.
Die Modellwahl folgt: Das Schreibwerkzeug setzt auf die Engine mit dem besten Ton bei langen Texten, die Coding-Schleife auf Flash fürs Volumen plus Premium-Review am Ende. Beides im Kopf getrennt zu halten verhindert, dass ein guter Absatz zu einem schlechten Patch wird. Die AI-writing-Seite deckt die Textseite ab.
Studio öffnen
FAQ
- Hostet ihr Repos?
- Nein. Ofrai ist der Modell-Workspace. Git bleibt, wo es schon liegt.
- DeepSeek vs Claude für Code?
- Flash für Volumen, Claude oder GPT für den Write-up. Details auf der Seite DeepSeek vs Claude.
- Was kostet eine Generierung?
- Jeder Job zeigt Ofrai-Credits im Studio. Katalog-Credits sind Startpunkte; Auflösung und Dauer können die Endsumme verändern.
- Wie starte ich auf Ofrai?
- Öffnen Sie Bild- oder Video-Studio von dieser Seite, wählen Sie ein empfohlenes Modell, übernehmen oder passen Sie den Startprompt an und generieren Sie aus Ihrer Bibliothek.
- Was ist der KI-Coding-Assistent auf Ofrai?
- Ein Multi-Modell-Chat in Text-Studio für Code: DeepSeek Flash für günstige Schleifen, Claude oder GPT für merge-fähige Erklärungen. Gleicher Workspace wie chat-with-PDF und Schreiben.