आपन संदर्भ विंडो के जरावल बंद करीं – हमनी के क्लाउड कोड में एमसीपी आउटपुट में 98% के कटौती कईसे कईनी जा

हर एआई संचालित वर्कफ़्लो पर छिपल कर

अगर रउआ एआई कोडिंग सहायक के साथ निर्माण में कवनो सार्थक समय बिता देले बानी त रउआ दीवार से टकरा गईल बानी। ऊ ना जहाँ मॉडल राउर मंशा के मतिभ्रम देखावे भा गलत समझे — सूक्ष्म, अधिका निराशाजनक जहाँ राउर बिल्कुल सक्षम एआई साथी अचानक बातचीत के बीच में कथानक खो देला. ई ओह फाइल संरचना के भुला जाला जवना के रउरा तीन गो संदेश पहिले चर्चा कइले रहीं. ई ओह फाइलन के दोबारा पढ़ेला जवना के ऊ पहिले से विश्लेषण कइले बा. ई अपना पहिले के सुझाव के विरोध करे लागेला. अपराधी मॉडल क्वालिटी ना हवे — ई संदर्भ विंडो के थकान हवे, आ एकही सभसे बड़ योगदानकर्ता फुलावल टूल आउटपुट हवे जे केहू ना मंगले रहे।

ई समस्या सैद्धांतिक नइखे। क्लाउड कोड, कर्सर, आ अइसने एआई से चले वाला बिकास वातावरण सभ के भीतर एमसीपी (मॉडल कॉन्टेक्स्ट प्रोटोकॉल) इंटीग्रेशन सभ पर निर्माण करे वाली टीम सभ के पता चल रहल बा कि इनहन के टूल रिस्पांस सभ नियमित रूप से मॉडल के वास्तव में जरूरत से 50x से 100x ढेर डेटा वापस करे लीं। एगो साधारण डेटाबेस क्वेरी पूरा स्कीमा डंप रिटर्न करे ला। फाइल खोज से पूरा डाइरेक्टरी के पेड़ वापस हो जाला। एपीआई स्टेटस चेक हप्ता पहिले के पन्नाबद्ध लॉग वापस कर देला। हर अतिरिक्त टोकन परिमित संदर्भ विंडो में खा जाला, जवना से ओह कामन पर प्रदर्शन के गिरावट आवेला जवन वास्तव में महत्व राखेला. फिक्स जटिल नइखे, बाकिर एकरा खातिर एह बात में मौलिक बदलाव के जरूरत बा कि रउरा एआई टूल डिजाइन के बारे में कइसे सोचेनी.

मॉडल करे से पहिले संदर्भ विंडोज काहे टूट जाला

क्लाउड नियर आधुनिक बड़हन भाषा मॉडल सभ में उदार संदर्भ विंडो होलें — कई बिन्यास सभ में 200K टोकन। ई बात तबले बहुते बड़हन लागत बा जबले रउरा एहसास ना हो जाव कि टूल से भरल वर्कफ़्लो एकर खपत केतना जल्दी कर देला. एकही एमसीपी टूल कॉल जे 500 पंक्ति वाला पूरा डेटाबेस टेबल रिटर्न करे ला, एकही रिस्पांस में 15,000-30,000 टोकन बर्न क सके ला। ओहमें से पाँच छह गो कॉल के डिबगिंग सत्र में एक साथ चेन करीं आ कोड के एक लाइन लिखे से पहिले रउरा अपना संदर्भ विंडो के आधा खपत कर लिहले बानी. मॉडल गूंगा ना हो जाला — एकरा में शाब्दिक रूप से राउर बातचीत के याददाश्त में राखे के जगह खतम हो जाला।

कम्पाउन्डिंग इफेक्ट ही एकरा के एतना विनाशकारी बनावेला। जब संदर्भ के संकुचित भा कटौती हो जाला ताकि नया जानकारी के फिट हो सके त मॉडल आपके बातचीत से पहिले के निर्देश, वास्तुकला के फैसला आ स्थापित पैटर्न तक पहुँच खो देला। अंत में रउरा अपना के दोहरावत बानी, संदर्भ के फेर से स्थापित करत बानी आ एआई के गलती करत देखत बानी जवन पहिले दस गो संदेश ना देत रहुवे. कड़ा समय रेखा पर फीचर भेजे वाली इंजीनियरिंग टीम सभ खातिर, ई सीधे खोवल घंटा आ खराब कोड क्वालिटी में अनुवाद होला।

मेवेज में हमनी के आपन 207 मॉड्यूल वाला बिजनेस प्लेटफॉर्म बनावे के दौरान ठीक इहे समस्या के सामना करे के पड़ल। हमनी के विकास कार्यप्रवाह परस्पर जुड़ल मॉड्यूल — सीआरएम, चालान, पेरोल, एचआर, एनालिटिक्स — में एआई-सहायता प्राप्त कोडिंग पर बहुत निर्भर बा जहाँ एक मॉड्यूल में बदलाव अक्सर दोसरा मॉड्यूल में झरना होला। जब हमनी के एमसीपी टूल आउटपुट फूलल जात रहे त क्लाउड के एक सत्र के भीतर क्रॉस-मॉड्यूल निर्भरता के पता ना चल जात रहे। एकर समाधान खातिर हमनी के हर टूल के प्रतिक्रिया पर जमीन से फेर से सोचे के पड़ी.

98% कमी के रूपरेखा: चार गो सिद्धांत जवन सब कुछ बदल दिहलस

एमसीपी आउटपुट में 98% के कटौती जानकारी हटावे के बात नइखे — ई खाली ओह जानकारी के वापस करे के बा जवना के जरूरत मॉडल के आपन अगिला फैसला लेवे खातिर बा। भेद महत्व राखेला। जवन टूल यूजर रिकार्ड रिटर्न करे ला ओकरा हर फील्ड के शामिल करे के जरूरत ना पड़े ला जब मॉडल खाली पूछे कि यूजर मौजूद बा कि ना। फाइल खोज में फाइल सामग्री वापस करे के जरूरत ना पड़े ला जब मॉडल के खाली फाइल पथ के जरूरत होखे। हर जवाब में ओह सवाल के जवाब मिले के चाहीं जवन पूछल गइल रहे, एहसे बेसी कुछ ना.

इहाँ चार गो सिद्धांत बा जवन हमनी के अनुकूलन के बढ़ावा दिहलस:

के बा
1. सारांश वापस करीं, डेटासेट ना। क्वेरी से 200 पंक्ति वापस करे के बजाय, गिनती के साथे-साथ 3-5 गो सभसे प्रासंगिक पंक्ति वापस करीं। अगर मॉडल के अउरी जरूरत बा त उ एगो खास स्लाइस के मांग क सकता। ई एकल बदलाव आमतौर पर डेटा-हेवी टूल सभ पर आउटपुट में 80-90% कम क देला।
2. संरचित, न्यूनतम स्कीमा के इस्तेमाल करीं। हर फील्ड के पट्टी करीं जवन टूल के घोषित उद्देश्य से सीधे संबंधित ना होखे। "डिप्लोयमेंट स्टेटस के जांच करीं" टूल के स्टेटस, टाइमस्टैम्प, आ त्रुटि (अगर कवनो होखे) वापस करे के चाहीं — पूरा डिप्लोयमेंट मैनिफेस्ट, एनवायरनमेंट चर, आ बिल्ड लॉग ना।
3. प्रगतिशील खुलासा लागू करीं। पहिला कॉल पर उच्च स्तर के सारांश वापस करे खातिर टूल डिजाइन करीं, पैरामीटर के साथ जवन जरूरत पड़ला पर मॉडल के गहिराह ड्रिल करे के अनुमति देला। एकरा के एआई खातिर पेजिनेशन के रूप में सोची — पहिले एकरा के सामग्री के तालिका दीं, फिर अनुरोध पर अलग-अलग अध्याय दीं।
4. आक्रामक रूप से डिडुप्लिकेट करीं। अगर मॉडल के संदर्भ में पहिले से कवनो जानकारी बा (पिछला टूल कॉल भा यूजर मैसेज से), त ओकरा के दोबारा मत वापस करीं। जवन दिहल गइल बा ओकरा के ट्रैक करीं आ ओकरा के दोहरावे के बजाय ओकर संदर्भ दीं.

मुख्य अंतर्दृष्टि: एमसीपी टूल रिस्पांस के लक्ष्य पूर्णता ना होला — ई पर्याप्तता हवे। मॉडल के आपन अगिला कार्रवाई करे खातिर जवन जरूरत बा ओकरा से परे के हर टोकन भविष्य के तर्क क्षमता से चोरी भईल टोकन ह। मॉडल के फैसला खातिर डिजाइन, इंसान के जिज्ञासा खातिर ना।

व्यावहारिक कार्यान्वयन: पहिले आ बाद

एह के ठोस बनावे खातिर, एगो आम बिकास परिदृश्य पर बिचार करीं: निर्भरता सभ के समझे खातिर कौनों प्रोजेक्ट के मॉड्यूल संरचना से पूछताछ कइल। हमनी के मूल कार्यान्वयन में, एमसीपी टूल पूरा मॉड्यूल मैनिफेस्ट वापस कर दिहलस — हर मॉड्यूल के नाम, विवरण, संस्करण, निर्भरता पेड़, कॉन्फ़िगरेशन विकल्प, आ स्थिति फ्लैग। मेवेज के 207 मॉड्यूल वाला आर्किटेक्चर खातिर, एह एकल रिस्पांस में लगभग 45,000 टोकन के खपत भइल। मॉडल के ओह जानकारी के लगभग 800 टोकन के जरूरत रहे ताकि एह सवाल के जवाब दिहल जा सके कि "कवन मॉड्यूल बिलिंग मॉड्यूल पर निर्भर करे लें?"

अनुकूलित संस्करण मॉड्यूल नाँव सभ के एगो सपाट लिस्ट वापस करे ला जेह में इनहन के सीधा निर्भरता संदर्भ दिहल जाला — कौनों बिबरन ना, कौनों कॉन्फिग ना, कौनों संस्करण नंबर ना। जब मॉडल संबंधित मॉड्यूल सभ के पहिचान करे ला तब ई बिसेस मॉड्यूल सभ के बिस्तार पावे खातिर दूसरा टूल के कॉल क सके ला। एही सवाल खातिर कुल टोकन लागत 45,000 से घट के लगभग 900 टोकन हो गइल। ई 98% के कमी हवे जे मॉडल के पूरा बचे वाला बातचीत के बारे में तर्क करे के क्षमता के सुरक्षित रखे ला।

एक अउरी उदाहरण: त्रुटि लॉग विश्लेषण। मूल टूल अंतिम 500 लॉग प्रविष्टि सभ के पूरा स्टैक ट्रेस, टाइमस्टैम्प, अनुरोध मेटाडाटा, आ पर्यावरण संदर्भ के साथ वापस कइलस। अनुकूलित संस्करण आवृत्ति-समूह कइल सारांश वापस करे ला — "DatabaseConnectionError: पिछला घंटा में 47 गो घटना, सभसे हाल में 14:32 पर, /api/invoices एंडपॉइंट के प्रभावित करत" — 12,000 के बजाय लगभग 200 टोकन में। अगर मॉडल के कौनों बिसेस स्टैक ट्रेस के जरूरत होखे तब ई त्रुटि आईडी द्वारा एकर अनुरोध करे ला। उहे निदान क्षमता, लागत के अंश।

विकास के वेग पर रिपल इफेक्ट

दुबला एमसीपी आउटपुट के फायदा खाली संदर्भ विंडो में अधिका फिट होखे से बहुत आगे बढ़ जाला। जब मॉडल आपके बातचीत के इतिहास के अधिका बरकरार रखे ला तब ई जटिल मल्टी-फाइल रिफैक्टर सभ में स्थिरता के बरकरार रखे ला। एहमें ऊ वास्तुकला के बाधा याद बा जवना के रउरा सत्र के शुरुआत में बतवले रहीं. एहमें अइसन समाधान नइखे दिहल गइल जवन रउरा पहिलहीं से लिहल फैसला के विरोधाभासी होखे. एआई-सहायता प्राप्त कोडिंग में गुणात्मक सुधार नाटकीय बा — ई एगो सक्षम जूनियर डेवलपर के बीच के अंतर हवे जे नोट लेवे ला आ जे रउआँ के बतावल बात के भुलात रहे ला।

मेवेज के परस्पर जुड़ल बिजनेस मॉड्यूल पर काम करे वाली हमनी के टीम खातिर एकर मतलब ई भइल कि क्लाउड ओह रिफैक्टर सभ के सफलतापूर्वक नेविगेट क सके ला जे सीआरएम, चालान, आ एनालिटिक्स मॉड्यूल सभ के एकही सत्र में छूवे, बिना ओह लोग के जोड़े वाला साझा डेटा मॉडल सभ के ट्रैक खो दिहले। अनुकूलन से पहिले एह क्रॉस-मॉड्यूल काम सभ में काम के अलग-थलग सत्र में तोड़े के जरूरत पड़े ला आ हर एक के सुरुआत में व्यापक रि-ब्रिफिंग के साथ। एकरे बाद, एकही लगातार सत्र पूरा वर्कफ़्लो के संभाल सके ला — जटिल काम सभ पर डेवलपर थ्रूपुट में मोटा-मोटी 3x सुधार।

कवनो भी तरह के बहु-घटक SaaS उत्पाद बनावे वाली टीम सभ एह पैटर्न के पहिचान करीहें। चाहे रउआँ माइक्रोसर्विसेज, मॉड्यूलर मोनोलिथ, या दर्जनों परस्पर जुड़ल फीचर वाला प्लेटफार्म के प्रबंधन करत होखीं, जटिल कोडबेस सभ में नेविगेट करत समय पूरा बातचीत के संदर्भ के बनावे रखे के क्षमता परिवर्तनकारी होला। अनुकूलन खाली एगो परफार्मेंस ट्वीक ना हवे — ई एकही एआई-सहायता वाला बिकास सत्र में जवन संभव बा ओकरा के बदल देला।

आम गलती जवन राउर संदर्भ बजट में तोड़फोड़ करेले

इहाँ तक कि न्यूनतम उत्पादन के सिद्धांत के समझे वाली टीम भी अक्सर कार्यान्वयन में गलती करे लीं जे उनके प्रयास के कमजोर करे लीं। सबसे आम बात ई बा कि एमसीपी टूल डिस्क्रिप्शन के प्रॉम्प्ट इंजीनियरिंग के बजाय डॉक्यूमेंटेशन के रूप में मानल जाला। टूल के बिबरन मॉडल के प्राथमिक गाइड हवे कि टूल के इस्तेमाल कइसे कइल जाय आ एकरे आउटपुट से का उम्मीद कइल जा सके ला। "प्रोजेक्ट के जानकारी रिटर्न" नियर अस्पष्ट बिबरन सभ के कारण मॉडल व्यापक, खोजपूर्ण कॉल करे ला। "मॉड्यूल नाँव सभ के लिस्ट वापस करे ला जे सीधे निर्दिष्ट मॉड्यूल पर निर्भर करे ला" नियर सटीक बिबरन मॉडल के लक्षित, कुशल अनुरोध करे खातिर मार्गदर्शन करे ला।

एक अउरी बार-बार गलती होला कि पढ़े आ विश्लेषण करे वाला उपकरण में अंतर ना कइल जाला। जवन टूल कवनो फाइल के पढ़ेला ओकरा के फाइल के सामग्री वापस करे के चाहीं. फाइल के बिस्लेषण करे वाला टूल के बिस्लेषण के परिणाम वापस करे के चाहीं, फाइल के सामग्री प्लस बिस्लेषण के ना। जब ई जिम्मेदारी धुंधला हो जाला तब रउआँ के अंत में अइसन टूल मिल जाला जे प्रोसेस्ड इनसाइट के साथ-साथ कच्चा डेटा वापस करे ला, टोकन लागत दुगुना हो जाला आ मॉडल के तर्क के कौनों फायदा ना होखे।

तीसरा जाल असंगत प्रतिक्रिया स्वरूपण बा। जब कुछ टूल JSON रिटर्न करे लें, कुछ मार्कडाउन टेबल रिटर्न करे लें आ कुछ सादा टेक्स्ट रिटर्न करे लें, मॉडल अलग-अलग फॉर्मेट के पार्सिंग आ नॉर्मलाइज करे में टोकन खर्च करे ला। एकही, कॉम्पैक्ट फॉर्मेट पर मानकीकरण करीं — आमतौर पर लगातार फील्ड नेमिंग के साथ न्यूनतम JSON — आ राउर मॉडल फॉर्मेट के समझे पर कम टोकन आ वास्तविक समस्या के समाधान पर ढेर खर्च करे ला।

संदर्भ-जागरूक उपकरण पारिस्थितिकी तंत्र के निर्माण

एमसीपी आउटपुट ऑप्टिमाइजेशन के सभसे परिष्कृत तरीका अलग-अलग टूल रिस्पांस से परे जाला आ पूरा टूल इकोसिस्टम के एगो समन्वित सिस्टम के रूप में माने ला। एकर मतलब ई बा कि अइसन टूल जे एह बात के जानकारी होखे कि वर्तमान सत्र में अउरी टूल सभ पहिले से वापस क चुकल बाड़ें, अइसन टूल जे पहिले के परिणाम सभ के दोबारा ले आवे के बजाय आईडी द्वारा संदर्भित क सके लें, आ अइसन टूल जे बाकी संदर्भ बजट के आधार पर आपन वर्बोसिटी के अनुकूलित क सके लें।

सत्र-जागरूक टूल सभ के लागू करे खातिर एगो हल्का मिडलवेयर लेयर के जरूरत होला जे बातचीत के भीतर टूल कॉल के इतिहास के ट्रैक करे ला। जब कवनो टूल के कॉल कइल जाला तब मिडलवेयर ई जांच करे ला कि संदर्भ में प्रासंगिक डेटा पहिले से मौजूद बा कि ना आ ओह हिसाब से प्रतिक्रिया के समायोजित करे ला। उदाहरण खातिर, अगर मॉडल पहिले से सक्रिय मॉड्यूल सभ के लिस्ट रिट्रीव कइले होखे तब मॉड्यूल निर्भरता के बारे में बाद के टूल कॉल मॉड्यूल सभ के नाँव से संदर्भित क सके ला आ इनहन के दोबारा वर्णन कइले बिना। ई इंटर-टूल जागरूकता अलग-अलग टूल ऑप्टिमाइजेशन से परे संचयी टोकन के इस्तेमाल के अउरी 30-40% कम क सके ले।

एह तरीका के मूल्यांकन करे वाली इंजीनियरिंग टीम सभ खातिर, निवेश आपके टूल इकोसिस्टम के जटिलता के आनुपातिक रूप से फल देला। तीन गो एमसीपी टूल वाला प्रोजेक्ट मिडलवेयर ओवरहेड के जायज ना ठहरा सके ला। मेवेज नियर प्लेटफार्म, जेह में डेटाबेस क्वेरी, मॉड्यूल मैनेजमेंट, डिप्लोयमेंट स्टेटस, एरर एनालिसिस, आ क्रॉस-सर्विस कम्युनिकेशन के टूल सभ के सामिल कइल जाला, हर ऑप्टिमाइजेशन लेयर से कम्पोन्डिंग रिटर्न देखे ला। सिद्धांत स्केल: जेतना जादा टूल आपके लगे बा, ओतने जादा मूल्य आप ओकरा के संदर्भ-जागरूक बनावे से निकालब।

एआई-पहिले विकास खातिर व्यापक पाठ

संदर्भ विंडो अनुकूलन चुनौती से एआई-सहायता प्राप्त विकास के वर्तमान स्थिति के बारे में कुछ महत्वपूर्ण पता चलेला: हमनी के अभी भी एआई खपत खातिर सिस्टम डिजाइन करे के तरीका सीखे के शुरुआती पारी में बानी जा। ज्यादातर एमसीपी टूल सभ के निर्माण डेवलपर लोग द्वारा कइल जाला जे टूल आउटपुट के बारे में ओह तरीका से सोचे लें जइसे कि ऊ लोग एपीआई रिस्पांस के बारे में सोचे ला — व्यापक, बढ़िया से दस्तावेजबद्ध आ पूरा। बाकिर एआई मॉडल डैशबोर्ड के रेंडर करे वाला फ्रंटएंड एप्लीकेशन ना होला. ई एगो परिमित मेमोरी बजट वाला तर्क इंजन हवे आ ओह बजट के हर बाइट के सीधा असर आउटपुट क्वालिटी पर पड़े ला।

अगिला कुछ साल में जवन टीम सभसे नीक एआई से चले वाला बिकास वर्कफ़्लो बनाई, ऊ खाली ऊ ना होखी जिनहन के लगे सभसे नीक मॉडल भा सभसे ढेर टूल होखी। ई लोग ऊ लोग होखी जे संदर्भ विंडो प्रबंधन के पहिला श्रेणी के इंजीनियरिंग बिसय के रूप में मानी — जे टोकन बजट के नापे के तरीका से एपीआई लेटेंसी के नापे ला, टूल रिस्पांस के ओह तरीका से अनुकूलित करे ला जइसे कि ऊ लोग डेटाबेस क्वेरी के अनुकूलित करे ला आ जे ई समझे ला कि एआई-सहायता वाला बिकास में, लगातार बढ़िया से दिहल जाए वाली कम जानकारी लापरवाही से दिहल गइल ढेर जानकारी से बेहतर काम करे ले।

चाहे रउआँ सिंगल-प्रोडक्ट स्टार्टअप बनावत होखीं भा सैकड़न परस्पर जुड़ल मॉड्यूल वाला जटिल प्लेटफार्म के प्रबंधन करत होखीं, सिद्धांत एकही बा: संदर्भ विंडो के सम्मान करीं। राउर एआई टूल ओतने बढ़िया बा जतना कि रउरा ओह लोग के सोचे के जगह देत बानी.

अक्सर पूछल जाए वाला सवाल

संदर्भ विंडो थकान का होला आ एकर महत्व काहे बा?

संदर्भ विंडो के थकान तब होला जब कवनो एआई कोडिंग असिस्टेंट के बीच बातचीत में फुलावल टूल आउटपुट के कारण उपयोगी मेमोरी खतम हो जाला। एह से मॉडल पहिले के संदर्भ भुला जाला, फाइल सभ के बेवजह दोबारा पढ़े ला आ अपना सुझाव के बिपरीत हो जाला। एआई से चले वाला बिकास वर्कफ़्लो पर निर्भर टीम सभ खातिर, ई चुपचाप उत्पादकता आ आउटपुट क्वालिटी के गिरावट करे ला, एगो सक्षम सहायक के बिना कौनों स्पष्ट त्रुटि संदेश के अविश्वसनीय में बदल देला।

रउआ एमसीपी आउटपुट में 98% कइसे कम कइनी?

हमनी के आपन एमसीपी टूल रिस्पांस के पुनर्गठन कइनी जा ताकि वर्बोज, अनफिल्टर आउटपुट के बजाय खाली जरूरी डेटा वापस हो सके। स्मार्ट समराइजेशन, चयनात्मक फील्ड रिटर्न, आ संदर्भ-जागरूक ट्रंकेशन के लागू करके, हमनी के ओह शोर के खतम कर दिहनी जा जवन कीमती संदर्भ टोकन के खपत करत रहे। एकर परिणाम ई बा कि क्लाउड कोड काफी लंबा सत्र खातिर सुसंगत, उत्पादक बातचीत के रखरखाव करे ला — बिना थ्रेड के गँववले जटिल, बहु-चरण इंजीनियरिंग काम सभ के सक्षम बनावे ला।

का ई अनुकूलन मेवेज नियर प्लेटफार्म सभ के साथ काम करे ला?

बिल्कुल बा। मेवेज एगो 207 मॉड्यूल वाला बिजनेस ओएस हवे जे $19/म से शुरू होला जे अपना पूरा प्लेटफार्म में कुशल एआई ऑटोमेशन पर निर्भर बा। अनुकूलित MCP आउटपुट के मतलब होला app.mewayz.com पर Mewayz नियर टूल सभ के भीतर AI-सहायता वाला वर्कफ़्लो सभ तेजी से आ बिस्वास जोग तरीका से चले, काहें से कि हर सेव कइल टोकन सीधे लंबा उत्पादक सत्र आ जटिल बिजनेस ऑपरेशन सभ के प्रबंधन करे के समय अउरी सटीक प्रतिक्रिया सभ में अनुवाद करे ला।

का हम एह एमसीपी ऑप्टिमाइजेशन तकनीक के अपना प्रोजेक्ट में लागू कर सकेनी?

हँ, हँ, हँ। मूल सिद्धांत — रिस्पांस पेलोड के कम से कम कइल, खाली अनुरोध कइल गइल फील्ड सभ के वापस कइल, आ मॉडल में पास करे से पहिले बड़हन डेटासेट सभ के संक्षेप में बतावल — सार्वभौमिक रूप से लागू बाड़ें। चाहे रउआँ कस्टम एमसीपी सर्वर बनावत होखीं या क्लाउड कोड के साथ थर्ड पार्टी टूल के एकीकरण करत होखीं, बेमतलब के वर्बोसिटी खातिर अपना टूल आउटपुट के ऑडिट कइल एकल उच्चतम प्रभाव वाला अनुकूलन हवे जे रउआँ उत्पादक बातचीत के लंबाई बढ़ावे खातिर क सकत बानी।