पूरो 2,000-लाइन फाइल पेस्ट गर्नु टोकनहरू बर्बाद गर्छ र उत्तरको गुणस्तर हानी गर्छ। लक्ष्य AI लाई तपाइँको समस्याको बारेमा तर्क गर्न आवश्यक ठीक ठीक सन्दर्भ दिनु हो — र कुनै अन्य कुरा छैन।
पूरो 2,000-लाइन फाइल पेस्ट गर्नु टोकनहरू बर्बाद गर्छ र उत्तरको गुणस्तर हानी गर्छ। लक्ष्य AI लाई तपाइँको समस्याको बारेमा तर्क गर्न आवश्यक ठीक ठीक सन्दर्भ दिनु हो — र कुनै अन्य कुरा छैन।
db एक Postgres pool हो।"# 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?
दोस्रो संस्करणले AI लाई प्रकार्य, यसको फिर्ता प्रकार (User), र db बारे एक-लाइन नोट दिन्छ — सटीकसँग जवाफ दिन पर्याप्त, कुनै असम्बन्धित कोड बिना यो विचलित गर्न।
यो केवल लागतको बारेमा होइन। अतिरिक्त कोड विचलन हो: मडेल असम्बन्धित प्रकार्यमा पकड गर्न सक्छ, फाइलको अन्यत्र बग प्रतिबिम्ब गर्न सक्छ, वा हजारो असम्बन्धित टोकनहरू भर ध्यान पतला गर्न सक्छ। एक केन्द्रित प्रश्न एक केन्द्रित, सटीक उत्तर दिन्छ।
टोकन बजेटहरू सीमित छन् र ठूलो डम्पहरू गति र गुणस्तर दुबै बिगार्छन्। न्यूनतम सान्दर्भिक स्लाइस पठाउनु — लक्ष्य प्रकार्य, यसको प्रकारहरू, एक सन्दर्भ सारांश, र फाइल पाथहरू — टोकनहरू बचाउँछ र विचलनहरू हटाएर उत्तर तीक्ष्ण गर्छ। सन्दर्भ क्यूरेट गर्नु AI सँग प्रभावकारी रूपमा काम गर्ने एक मूल कौशल हो: तपाइँ जानकारी लुकाउनु सामिल छैन, तपाइँ ध्यान निर्देशित गर्दै हुनुहुन्छ जस्तो महत्त्वपूर्ण छ।