Att klistra in en hel fil på 2000 rader slösar token och försämrar svarskvaliteten. Målet är att ge AI:n exakt den kontext som den behöver för att resonera kring ditt problem — och inget mer.
Att klistra in en hel fil på 2000 rader slösar token och försämrar svarskvaliteten. Målet är att ge AI:n exakt den kontext som den behöver för att resonera kring ditt problem — och inget mer.
db är en 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?
Den andra versionen ger AI:n funktionen, dess returtyp (User) och en enradsnotering om db — tillräckligt för att svara exakt, utan irrelevant kod för att distrahera den.
Det handlar inte bara om kostnad. Extra kod är distrahering: modellen kan fastna i en orelaterad funktion, spegla ett fel någon annanstans i filen eller sprida sin uppmärksamhet över tusentals irrelevanta token. En fokuserad prompt ger ett fokuserat, korrekt svar.
Tokenbudgetar är begränsade och stora dumpar försämrar både hastighet och kvalitet. Att skicka den minimala relevanta delen — målfunktionen, dess typer, en kontextsammanfattning och filsökvägar — sparar token och skärper svaret genom att ta bort distraheringar. Att kurerat kontext är en kärnfärdighet för effektivt samarbete med AI: du döljer inte information, du riktar uppmärksamheten mot det som spelar roll.