VPS-ல் Coding Agent-ஐ நிறுவுவது எப்படி?

VPS-ல் coding agent-ஐ ஏன் இயக்க வேண்டும்

Coding agent என்பது உங்கள் codebase-ஐ வாசித்து, மாற்றங்களை எழுதி, அவற்றைச் சோதிக்கக் கட்டளைகளை இயக்கும் ஒரு கருவியாகும்; இவை அனைத்தும் terminal மூலமே நடக்கும். உங்கள் மடிக்கணினியை விட VPS-ல் இதை இயக்குவதில் மூன்று நன்மைகள் உள்ளன: நீங்கள் இணைப்பைத் துண்டித்த பிறகும் இது தொடர்ந்து இயங்கும், இது உங்கள் code மற்றும் build tools-க்கு அருகிலேயே இருக்கும், மேலும் நீங்கள் சொந்தமாக host செய்யும் model-உடன் இது உரையாட முடியும். இதை ஒரு tmux session-க்குள் தொடங்கினால், நீங்கள் மடிக்கணினியை மூடிவிட்டுப் பிறகு வேலையைத் தொடரலாம்; இது tmux மூலம் VPS-ல் Claude Code-ஐ இயக்குதல் போன்ற அதே முறையே ஆகும்.

Terminal-ஐ அடிப்படையாகக் கொண்ட இரண்டு agents-ஐத் தெரிந்துகொள்வது அவசியம். Aider என்பது terminal-க்கு ஏற்ற, git-க்கு முன்னுரிமை அளிக்கும் ஒரு தேர்வாகும்: இது ஒவ்வொரு மாற்றத்தையும் ஒரு தெளிவான செய்தியுடன் தானாகவே commit செய்யும், எனவே உங்கள் history சுத்தமாக இருக்கும் மற்றும் ஒவ்வொரு மாற்றத்தையும் மீண்டும் பழைய நிலைக்குக் கொண்டு வர முடியும். இது நீண்ட காலமாக இருக்கும் terminal coding agents-ல் ஒன்றாகும், இருப்பினும் இதன் release வேகம் குறைந்துள்ளது. Block நிறுவனத்தின் Goose என்பது ஒரு பரந்த கருவியாகும்: இது Apache-2.0 உரிமம் கொண்ட agent, இதில் பெரிய extension ecosystem உள்ளது மற்றும் local Ollama models உட்பட பல providers-க்கு ஆதரவு உண்டு; இது இப்போது Linux Foundation-ன் Agentic AI Foundation (AAIF)-ன் கீழ் உருவாக்கப்படுகிறது. Aider ஒரு ஒழுக்கமான, git-ஐ மையமாகக் கொண்ட பணிப்பாய்வுக்கு (workflow) ஏற்றது; Goose ஒரு பரந்த plugin தொகுப்பைக் கொண்ட பொதுவான உதவியாளருக்கு ஏற்றது.

உங்களுக்குத் தேவையானவை

Aider-க்கு git, tmux மற்றும் சமீபத்திய Python பதிப்பு கொண்ட VPS அல்லது Goose-க்கு Goose installer தேவை. மேலும், ஒரு model தேவை: Anthropic அல்லது OpenAI போன்ற வழங்குநரிடமிருந்து பெறப்பட்ட hosted API key அல்லது அதே VPS-ல் Ollama மூலம் இயங்கும் local model. Self-hosted முறையில் உங்கள் code உங்கள் server-லேயே இருக்கும் மற்றும் token-க்கு கட்டணம் ஏதுமில்லை. ஆனால், திறமையான model-ஐ இயக்கத் தேவையான அளவு memory இருக்க வேண்டும்.

Install and run Aider

Install Aider in an isolated environment with pipx, which comes from apt because Ubuntu 24.04 blocks plain pip install outside a virtual environment (PEP 668). Then run Aider inside your project, in a tmux session so it survives a disconnect:

sudo apt install pipx
pipx ensurepath
pipx install aider-chat
tmux new -s aider
cd ~/my-project
aider

One version note: this install works as shown on Ubuntu 24.04. On Ubuntu 26.04 it currently fails, because Aider's pinned dependencies include an older numpy that does not build against 26.04's Python 3.14. The fix is to give Aider its own Python 3.12:

pipx install --python 3.12 --fetch-missing-python aider-chat

pipx downloads a standalone interpreter just for Aider, and the install completes. This is a symptom of Aider's slowed release pace; if it bothers you, Goose is the more actively maintained pick.

Once it is running, detach from the session with Ctrl-b then d and the agent keeps working with your laptop closed; reattach later with tmux attach -t aider to read what it changed. Nothing stops you from keeping a second tmux window open for another agent, and if both of them are Claude Code, the two sessions can pass work between themselves instead of you relaying it by hand. Aider reads your repository, proposes edits, applies them, and commits each one, and it can pull in extra files for context when a change spans several of them. Because every change is a commit, undoing the agent is a plain git revert, which is the safety net that makes it comfortable to use. Goose installs with its documented one-line script and runs similarly from the terminal, driving tasks through its extensions:

curl -fsSL https://github.com/aaif-goose/goose/releases/download/stable/download_cli.sh | bash

Hosted model அல்லது self-hosted model

Hosted model சிறந்த தரத்தை வழங்குகிறது மற்றும் உள்ளூர் வன்பொருள் (local hardware) தேவையில்லை. ஆனால், இதற்கு token அடிப்படையில் கட்டணம் வசூலிக்கப்படும் மற்றும் உங்கள் code அந்த சேவை வழங்குநருக்கு அனுப்பப்படும். ஒவ்வொரு முறை உரையாடும்போதும் agent முழு உரையாடலையும் மீண்டும் அனுப்புவதால், token-க்கான கட்டணம் பலரும் எதிர்பார்ப்பதை விட வேகமாக அதிகரிக்கும். நீண்ட agent session-ல் உண்மையில் எவ்வளவு tokens செலவாகிறது என்பதற்கான Claude Code விளக்கம் இதற்கும் பொருந்தும், ஏனெனில் Aider மற்றும் Goose ஆகியவையும் அதே முறையிலேயே கட்டணம் வசூலிக்கின்றன. Ollama வழியாக self-hosted model-ஐப் பயன்படுத்தினால், அனைத்தும் உங்கள் server-லேயே இருக்கும். வன்பொருளுக்கான செலவை ஒருமுறை செய்துவிட்டால், அதன்பின் இயக்கும் செலவு கிடையாது. ஆனால், coding-க்குத் தேவையான தரமான model-ஐ இயக்க கணிசமான அளவு memory தேவைப்படும். தரம் மற்றும் வசதிக்கும், தனியுரிமை மற்றும் செலவுக்கும் இடையிலான சமநிலையை நீங்கள் தீர்மானிக்க வேண்டும்.

நீங்கள் self-hosted முறையைத் தேர்ந்தெடுத்தால், உங்கள் server-க்கு எந்த model பொருத்தமானது என்பதுதான் நடைமுறைச் சிக்கல். அப்போது context window-ஐக் கவனிக்கவும். Ollama இயல்பாகவே சிறிய அளவையே வைத்திருக்கும் மற்றும் அதைவிட நீளமானவற்றைத் தானாகவே வெட்டிவிடும் (truncate). ஒரு coding agent-க்கு இது சிக்கலானது, ஏனெனில் அது படித்த கோப்புகள் prompt-லிருந்து நீக்கப்படலாம்: num_ctx-ஐ அதிகரிப்பது இதைச் சரிசெய்யும். இதற்குத் தேவையான பெரிய KV cache-ஐ உங்கள் memory ஒதுக்கீட்டில் கணக்கில் கொள்ள வேண்டும். எட்டு gigabyte அளவுள்ள model-ஐ, அதைத் தாங்க முடியாத ஒரு கணினியில் பதிவிறக்கம் செய்வதற்கு முன்பே அதன் அளவைச் சரிபார்க்கவும்:

பாதுகாப்பு: கோப்புகளைத் திருத்துதல் மற்றும் கட்டளைகளை இயக்குதல்

Coding agent என்பது செயலற்ற ஒன்றல்ல. இது கோப்புகளை மாற்றியமைக்கும் மற்றும் build மற்றும் test கட்டளைகளை இயக்கும் திறன் கொண்டது என்பதால், உங்கள் கணினியில் மாற்றங்களைச் செய்யக்கூடிய எந்தவொரு செயல்முறைக்கும் (process) நீங்கள் அளிக்கும் அதே கவனத்தை இதற்கும் அளிக்க வேண்டும். மூன்று பழக்கவழக்கங்கள் பெரும்பாலான அபாயங்களைக் குறைக்கின்றன. ஒரு git repository-க்குள் வேலை செய்யுங்கள்; அப்போதுதான் ஒவ்வொரு மாற்றமும் கண்காணிக்கப்பட்டு, தேவைப்பட்டால் பழைய நிலைக்கு மாற்றப்படும். Aider இதை உங்களுக்காகத் தானாகவே செய்கிறது. குறைந்தபட்ச அதிகாரமுள்ள பயனர்கள் (least-privilege users) என்ற கொள்கையைப் பின்பற்றி, agent-ஐ root-ஆக இயக்காமல், சாதாரண பயனராக மட்டும் இயக்குங்கள். இதனால் தவறான கட்டளைகள் முழு கணினியையும் பாதிக்காது. மேலும், கணினியைப் பாதுகாப்பாக வைத்திருங்கள், ஏனெனில் coding VPS என்பது ஒரு பொதுவான server ஆகும்: key-only SSH, default-deny firewall போன்றவற்றை உறுதிப்படுத்துங்கள். OpenClaw hardening guide அதிக தன்னாட்சி கொண்ட agent-களுக்கு இதே போன்ற அணுகுமுறையைப் பரிந்துரைக்கிறது, அந்த அடிப்படைக் கொள்கைகள் இதற்கும் பொருந்தும்.

ஒரு coding agent-ஐ உங்கள் பணிப்பாய்வில் (workflow) இணைக்க, Claude-ஐக் கொண்டு AI agent உருவாக்குதல் என்ற கட்டுரை ஒரு model எவ்வாறு உங்கள் கருவிகளை இயக்குகிறது என்பதைக் காட்டுகிறது; VPS-ல் Google-ன் Gemini CLI-ஐ இயக்குதல் என்பது மற்றொரு terminal வழியாகும், மேலும் OpenHands-ஐ self-hosting செய்தல் என்பது அதிக தன்னாட்சி கொண்ட வழியாகும். இந்தத் துறையில் தற்போது அதிக நட்சத்திரங்களைப் பெற்ற open project-க்கு எனத் தனி வழிகாட்டி உள்ளது: VPS-ல் OpenCode-ஐ இயக்குதல் என்ற கட்டுரை, tmux மற்றும் unprivileged-user முறையைப் பயன்படுத்தி அதை எவ்வாறு அமைப்பது என்பதை விளக்குகிறது.

FAQ

கட்டண API-க்கு பதிலாக local model-ஐப் பயன்படுத்தி coding agent-ஐ இயக்க முடியுமா?

ஆம். Aider மற்றும் Goose ஆகிய இரண்டுமே Ollama மூலம் வழங்கப்படும் local model-களுடன் இயங்கும். எனவே, நீங்கள் ஒரு coding agent-ஐ முழுமையாக உங்கள் server-லேயே self-host செய்ய முடியும். இதனால் token-க்கு கட்டணம் செலுத்த வேண்டியதில்லை, உங்கள் code-ம் server-ஐ விட்டு வெளியேறாது. இதில் கவனிக்க வேண்டியது memory அளவுதான்: பயனுள்ள code-ஐ எழுதக்கூடிய ஒரு model-க்கு அதிகப்படியான RAM அல்லது VRAM தேவைப்படும். எனவே, ஒரு model-ஐத் தேர்ந்தெடுக்கும் முன் உங்கள் machine-ன் திறனை அதற்கு ஏற்ப உறுதிப்படுத்திக் கொள்ளுங்கள்.

Aider அல்லது Goose, நான் எதைப் பயன்படுத்த வேண்டும்?

உங்கள் பணிமுறை terminal மற்றும் git-ஐ மையமாகக் கொண்டிருந்தால், மிகவும் முதிர்ந்த மற்றும் குறைந்த overhead கொண்ட Aider-ஐத் தேர்ந்தெடுக்கவும். இது ஒவ்வொரு மாற்றத்தையும் தானாகவே commit செய்வதால், உங்கள் history-ஐ எப்போதும் மாற்றியமைக்க முடியும். உங்களுக்குப் பரந்த வசதிகள் கொண்ட assistant மற்றும் அதிக extension-கள் தேவைப்பட்டால் Goose-ஐத் தேர்ந்தெடுக்கவும். இவை இரண்டுமே terminal-லிருந்து இயங்கும் மற்றும் Ollama-வுடன் வேலை செய்யும், எனவே இரண்டையுமே VPS-ல் பயன்படுத்தலாம்.

Self-hosted coding model-க்கு எவ்வளவு memory தேவைப்படும்?

இது model-ன் அளவு மற்றும் அது எவ்வளவு quantized செய்யப்பட்டுள்ளது என்பதைப் பொறுத்தது. சிறிய quantized model-கள் சில gigabytes-ல் இயங்கும், ஆனால் திறன்மிக்க model-களுக்கு அதிக memory தேவைப்படும். நீண்ட context windows-ம் கூடுதல் memory-ஐக் கோரும். ஒரு model-ஐத் தரவிறக்கம் செய்வதற்கு முன், அதற்குத் தேவையான memory-ஐக் கணக்கிட மேலே உள்ள sizing tool-ஐப் பயன்படுத்தவும்.

AI agent-ஐ என் code-ஐத் திருத்தவும், commands-ஐ இயக்கவும் அனுமதிப்பது பாதுகாப்பானதா?

சரியான பழக்கவழக்கங்களைக் கடைப்பிடித்தால் இதை நிர்வகிக்க முடியும். உங்கள் பணிகளை git repository-ல் வைத்திருங்கள், அப்போதுதான் ஒவ்வொரு மாற்றத்தையும் commit மூலம் மாற்றியமைக்க முடியும். agent-ஐ root பயனராக இயக்காமல், சலுகைகள் இல்லாத (unprivileged) பயனராக இயக்கவும். பொதுவான server-க்குச் செய்வது போலவே உங்கள் VPS-ஐயும் பாதுகாப்பாக (harden) வைத்திருக்கவும். agent செய்யும் மாற்றங்களை கண்மூடித்தனமாக நம்பாமல் சரிபார்க்கவும்; குறிப்பாக, உங்கள் system-ல் அது இயக்கும் எந்தவொரு command-ஐயும் கவனமாக ஆய்வு செய்யவும்.