Menampal keseluruhan fail 2,000 baris membuang token dan merosakkan kualiti jawapan. Matlamatnya adalah memberikan AI tepat konteks yang diperlukan untuk membuat alasan tentang masalah anda — dan tidak lebih.
Menampal keseluruhan fail 2,000 baris membuang token dan merosakkan kualiti jawapan. Matlamatnya adalah memberikan AI tepat konteks yang diperlukan untuk membuat alasan tentang masalah anda — dan tidak lebih.
db adalah kolam Postgres."# 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, jenis kembalinya (User), dan catatan satu baris tentang db — cukup untuk menjawab dengan tepat, tanpa kod yang tidak berkaitan untuk mengalihkannya.
Ini bukan hanya tentang kos. Kod tambahan adalah gangguan: model mungkin terikat pada fungsi yang tidak berkaitan, mencerminkan pepijat di tempat lain dalam fail, atau mengecilkan perhatiannya di seluruh ribuan token yang tidak relevan. Prompt yang fokus menghasilkan jawapan yang fokus dan tepat.
Bajet token adalah terhingga dan lambakan besar merendahkan kelajuan dan kualiti. Menghantar irisan minimum yang relevan — fungsi sasaran, jenisnya, ringkasan konteks, dan laluan fail — menjimatkan token dan mempertajam jawapan dengan menghilangkan gangguan. Kurator konteks adalah kemahiran teras untuk bekerja dengan berkesan dengan AI: anda tidak menyembunyikan maklumat, anda mengarahkan perhatian kepada apa yang penting.