მთელი 2000-ხაზოვანი ფაილის ჩასმა ტოკენს აფლანგავს და ზიანდება პასუხის ხარისხს. მიზანია AI-ს მიეცეთ ზუსტად ის კონტექსტი, რომელიც თქვენი პრობლემის შესახებ მსჯელობისთვის სჭირდება — და აღარაფერი.
მთელი 2000-ხაზოვანი ფაილის ჩასმა ტოკენს აფლანგავს და ზიანდება პასუხის ხარისხს. მიზანია AI-ს მიეცეთ ზუსტად ის კონტექსტი, რომელიც თქვენი პრობლემის შესახებ მსჯელობისთვის სჭირდება — და აღარაფერი.
db არის Postgres აუზი".# 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?
მეორე ვერსია AI-ს აძლევს ფუნქციას, მის დაბრუნების ტიპს (User), და ერთხელ ხაზის შენიშვნას db-ის შესახებ — საკმარისი პრეციზიულად პასუხის აღსაღებად, უკავშირო კოდის გარეშე რომელიც მას გადაიყვანს.
ეს არ არის მხოლოდ ღირებულება. დამატებითი კოდი არის გამ분산: მოდელი შეიძლება მიმაგრდეს უკავშირო ფუნქციაზე, ფაილში სხვა ადგილას ცდომილების ასახვა, ან წელმაკენი ჰაერი ათასობით იქნიშვის ტოკენზე. ფოკუსირებული მოთხოვნა გამოიძახებს ფოკუსირებული, ზუსტი პასუხი.
ტოკენის ბიუჯეტი შეზღუდულია და დიდი დამპი ღამ სიჩქარე და ხარისხი ხარჯავს. მინიმალური შესაბამის ნაჭუჭი გამოსყიდვა — სამიზნე ფუნქცია, მისი ტიპები, კონტექსტის შეჯამება და ფაილის ბილიკები — ტოკენი დაზოგოს და პასუხი დაელვის გამოყვანილი გამფიცების წაშლით. კონტექსტის კერძოთი დამუშავება AI-სთან ეფექტიანად მუშაობის ძირითადი უნარი: თქვენ არ ფარავთ ინფორმაციას, თქვენ აკონცენტრებთ ყურადღებას იმაზე, რაც მნიშვნელოვანია.