Koko 2000-riviselle tiedostolle liittäminen tuhlaa tunnuksia ja heikentää vastausten laatua. Tavoitteena on antaa AI:lle juuri se konteksti, jota se tarvitsee perustellakseen ongelmasi — ja ei enempää.
Koko 2000-riviselle tiedostolle liittäminen tuhlaa tunnuksia ja heikentää vastausten laatua. Tavoitteena on antaa AI:lle juuri se konteksti, jota se tarvitsee perustellakseen ongelmasi — ja ei enempää.
db on Postgres-varanto."# Bad: paste the whole 800-line user-service.ts
# → AI wades through unrelated code, may anchor on the wrong function
# Good: send only what matters
// file: src/services/user-service.ts
// context: called from POST /users; `db` is a Postgres pool (pg)
type User = { id: number; email: string };
async function createUser(email: string): Promise<User> {
const { rows } = await db.query( // <-- the function I need help with
"INSERT INTO users (email) VALUES ($1) RETURNING id, email",
[email],
);
return rows[0];
}
// Question: how do I handle a duplicate-email conflict here?
Toinen versio antaa AI:lle funktion, sen palautustyypin (User) ja yhden rivin huomautuksen db:stä — tarpeeksi vastaamaan tarkasti ilman asiaan liittymätöntä koodia, joka häiritsisi sitä.
Se ei ole vain kustannuskysymys. Ylimääräinen koodi on häiriötekijä: malli voi juuttua asiaan liittymättömään funktioon, peilata virhettä muualla tiedostossa tai hajauttaa huomionsa tuhansille asiaan liittymättömille tunuksille. Kohdistettu kehote tuottaa kohdistetun, tarkan vastauksen.
Tunnusbudjetit ovat rajalliset ja suuret tilaukset heikentävät sekä nopeutta että laatua. Minimaalisesti asiankuuluvan osion lähettäminen — kohdefunktio, sen tyypit, kontekstin yhteenveto ja tiedostopolut — säästää tunnuksia ja terävöittää vastausta poistamalla häiriötekijät. Kontekstin kuroiminen on keskeinen taito AI:n kanssa tehokkaasti työskentelylle: et piilota tietoja, vaan ohjaileita huomiota siihen, mikä on tärkeää.