Menempel seluruh file berisi 2.000 baris membuang token dan merugikan kualitas jawaban. Tujuannya adalah memberikan AI persis konteks yang dibutuhkannya untuk membuat penalaran tentang masalah Anda — dan tidak lebih.
Menempel seluruh file berisi 2.000 baris membuang token dan merugikan kualitas jawaban. Tujuannya adalah memberikan AI persis konteks yang dibutuhkannya untuk membuat penalaran tentang masalah Anda — dan tidak lebih.
db adalah Postgres pool."# 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?
Versi kedua memberikan AI fungsi, tipe return-nya (User), dan catatan satu baris tentang db — cukup untuk menjawab dengan presisi, tanpa kode yang tidak relevan untuk menggangu.
Bukan hanya tentang biaya. Kode tambahan adalah gangguan: model mungkin menangkap fungsi yang tidak terkait, mencerminkan bug di tempat lain dalam file, atau mengencerkan perhatiannya di seluruh ribuan token yang tidak relevan. Prompt yang terfokus menghasilkan jawaban yang terfokus dan akurat.
Anggaran token terbatas dan dump besar menurunkan kecepatan dan kualitas. Mengirim potongan relevan minimal — fungsi target, tipenya, ringkasan konteks, dan path file — menghemat token dan mempertajam jawaban dengan menghilangkan gangguan. Kurasi konteks adalah keterampilan inti bekerja secara efektif dengan AI: Anda tidak menyembunyikan informasi, Anda mengarahkan perhatian ke apa yang penting.