AI अपरिचित code में orientation के लिए बहुत अच्छा है — पर केवल तभी जब आप इसे वास्तविक files में grounded रखें, बजाय इसके कि वह system संभवतः जो करता है उसका एक generic संस्करण वर्णन करे। इसे वास्तविक paths की ओर इंगित करें और समझाने से पहले पढ़ने को कहें।
src/billing/ किसके लिए ज़िम्मेदार है इसका सारांश दें," न कि एक बार में पूरा repo।❌ UNGROUNDED: "How does authentication usually work in a Node app?"
→ generic textbook answer; may not match THIS codebase at all
✅ GROUNDED: "Read src/auth/login.js and src/middleware/session.js.
Trace what happens when POST /login is called, step by step,
citing the functions involved."
→ the AI must read the actual files → its explanation maps to YOUR system
Grounded संस्करण AI को अपना उत्तर आपके code पर आधारित करने पर मजबूर करता है, ताकि आप एक प्रशंसनीय सामान्यता पर भरोसा करने के बजाय हर step को वास्तविक files के विरुद्ध verify कर सकें।
एक बड़ा codebase विरासत में पाना ज़्यादातर एक पढ़ने और mapping की समस्या है, और यही ठीक वह जगह है जहाँ एक AI आपको गति देता है — यह सेकंडों में एक module का सारांश दे सकता है, एक flow को trace कर सकता है, या एक रहस्यमय function समझा सकता है, ठंडे पढ़ने के दिनों को निर्देशित अन्वेषण में बदल देता है। जोखिम यह है कि एक ungrounded prompt आपको एक आत्मविश्वासी, generic उत्तर देता है जो वास्तविक code से मेल नहीं खाता। हर सवाल को वास्तविक file paths से जोड़ना और उसके trace को उन files के विरुद्ध verify करना AI की गति को बिना उसके hallucinations को विरासत में लिए बनाए रखता है — आप एक सटीक mental model तेज़ी से बनाते हैं, और आप उस पर भरोसा कर सकते हैं क्योंकि आपने इसे source के विरुद्ध जाँचा है।