HN ਦਿਖਾਓ: ਬੈਜ ਜੋ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਤੁਹਾਡਾ ਕੋਡਬੇਸ ਇੱਕ LLM ਦੀ ਸੰਦਰਭ ਵਿੰਡੋ ਵਿੱਚ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਫਿੱਟ ਹੈ

ਤੁਹਾਡੇ ਕੋਡਬੇਸ ਵਿੱਚ ਇੱਕ ਨਵਾਂ ਮੈਟ੍ਰਿਕ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਹੈ

ਦਹਾਕਿਆਂ ਤੋਂ, ਡਿਵੈਲਪਰਾਂ ਨੇ ਕੋਡ ਦੀਆਂ ਲਾਈਨਾਂ, ਸਾਈਕਲੋਮੈਟਿਕ ਗੁੰਝਲਤਾ, ਟੈਸਟ ਕਵਰੇਜ ਪ੍ਰਤੀਸ਼ਤਤਾ, ਅਤੇ ਤੈਨਾਤੀ ਬਾਰੰਬਾਰਤਾ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਿਆ ਹੈ। ਪਰ ਇੱਕ ਨਵਾਂ ਮੈਟ੍ਰਿਕ ਚੁੱਪ-ਚਾਪ ਮੁੜ ਆਕਾਰ ਦੇ ਰਿਹਾ ਹੈ ਕਿ ਇੰਜਨੀਅਰਿੰਗ ਟੀਮਾਂ ਆਪਣੇ ਕੋਡਬੇਸ ਬਾਰੇ ਕਿਵੇਂ ਸੋਚਦੀਆਂ ਹਨ: ਪ੍ਰਸੰਗ ਵਿੰਡੋ ਫਿੱਟ — ਤੁਹਾਡੇ ਪੂਰੇ ਕੋਡਬੇਸ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਜਿਸ ਨੂੰ ਇੱਕ LLM ਇੱਕ ਪ੍ਰੋਂਪਟ ਵਿੱਚ ਹਜ਼ਮ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਧੋਖੇ ਨਾਲ ਸਧਾਰਨ ਜਾਪਦਾ ਹੈ, ਪਰ ਇਹ ਨੰਬਰ ਸਭ ਤੋਂ ਵਿਹਾਰਕ ਸੂਚਕਾਂ ਵਿੱਚੋਂ ਇੱਕ ਬਣ ਰਿਹਾ ਹੈ ਕਿ ਤੁਹਾਡੀ ਟੀਮ ਕਿੰਨੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ AI-ਸਹਾਇਤਾ ਵਾਲੇ ਵਿਕਾਸ ਸਾਧਨਾਂ ਦਾ ਲਾਭ ਉਠਾ ਸਕਦੀ ਹੈ। ਅਤੇ ਜੇਕਰ ਤੁਸੀਂ ਇਸ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰ ਰਹੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਮੇਜ਼ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਉਤਪਾਦਕਤਾ ਲਾਭ ਛੱਡ ਰਹੇ ਹੋ।

ਇਸ ਵਿਚਾਰ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਇੱਕ ਪ੍ਰੋਜੈਕਟ ਦੇ ਸਾਹਮਣੇ ਆਉਣ ਤੋਂ ਬਾਅਦ ਵਿਕਾਸਕਾਰ ਭਾਈਚਾਰਿਆਂ ਵਿੱਚ ਖਿੱਚ ਪ੍ਰਾਪਤ ਕੀਤੀ ਹੈ ਜੋ ਇੱਕ ਸਧਾਰਨ ਬੈਜ ਤਿਆਰ ਕਰਦਾ ਹੈ — ਤੁਹਾਡੇ ਜਾਣੇ-ਪਛਾਣੇ ਬਿਲਡ-ਪਾਸਿੰਗ ਜਾਂ ਕਵਰੇਜ ਸ਼ੀਲਡਾਂ ਦੇ ਉਲਟ ਨਹੀਂ — ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਪ੍ਰਸਿੱਧ LLM ਸੰਦਰਭ ਵਿੰਡੋਜ਼ ਵਿੱਚ ਤੁਹਾਡੀ ਰਿਪੋਜ਼ਟਰੀ ਕਿੰਨੀ ਫਿੱਟ ਹੈ। ਇਸ ਨੇ ਕੋਡਬੇਸ ਆਰਕੀਟੈਕਚਰ, ਮੋਨੋਰੇਪੋਸ ਬਨਾਮ ਮਾਈਕ੍ਰੋਸਰਵਿਸਿਜ਼, ਅਤੇ ਕੀ ਸਾਨੂੰ ਏਆਈ ਸਮਝ ਲਈ ਸਾਡੇ ਕੋਡ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਬਾਰੇ ਇੱਕ ਹੈਰਾਨੀਜਨਕ ਤੌਰ 'ਤੇ ਭਰਪੂਰ ਗੱਲਬਾਤ ਸ਼ੁਰੂ ਕੀਤੀ। ਪ੍ਰਭਾਵ ਜ਼ਿਆਦਾਤਰ ਵਿਕਾਸਕਰਤਾਵਾਂ ਨੂੰ ਸ਼ੁਰੂਆਤੀ ਤੌਰ 'ਤੇ ਮਹਿਸੂਸ ਕੀਤੇ ਜਾਣ ਨਾਲੋਂ ਡੂੰਘੇ ਹੁੰਦੇ ਹਨ।

ਕੀ ਸੰਦਰਭ ਵਿੰਡੋ ਅਸਲ ਵਿੱਚ ਮਾਪਾਂ ਨੂੰ ਫਿੱਟ ਕਰਦੀ ਹੈ

ਹਰੇਕ ਵੱਡੀ ਭਾਸ਼ਾ ਮਾਡਲ ਇੱਕ ਸੀਮਤ ਸੰਦਰਭ ਵਿੰਡੋ ਦੇ ਅੰਦਰ ਕੰਮ ਕਰਦਾ ਹੈ — ਟੈਕਸਟ ਦੀ ਅਧਿਕਤਮ ਮਾਤਰਾ ਜਿਸਨੂੰ ਇਹ ਇੱਕ ਵਾਰ ਵਿੱਚ ਪ੍ਰਕਿਰਿਆ ਕਰ ਸਕਦਾ ਹੈ। GPT-4 ਟਰਬੋ ਲਗਭਗ 128K ਟੋਕਨਾਂ ਨੂੰ ਹੈਂਡਲ ਕਰਦਾ ਹੈ। ਕਲਾਉਡ ਦੇ ਨਵੀਨਤਮ ਮਾਡਲ ਪਿਛਲੇ 200K ਟੋਕਨਾਂ ਨੂੰ ਅੱਗੇ ਵਧਾਉਂਦੇ ਹਨ। ਮਿਥੁਨ ਇੱਕ ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਦਾ ਦਾਅਵਾ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਤੁਸੀਂ ਵਿਸ਼ਲੇਸ਼ਣ, ਰੀਫੈਕਟਰਿੰਗ ਸੁਝਾਅ, ਜਾਂ ਬੱਗ ਖੋਜ ਲਈ ਇਹਨਾਂ ਮਾਡਲਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵਿੱਚ ਆਪਣੇ ਕੋਡਬੇਸ ਨੂੰ ਫੀਡ ਕਰਦੇ ਹੋ, ਤਾਂ ਮਾਡਲ ਸਿਰਫ਼ "ਵੇਖ" ਸਕਦਾ ਹੈ ਕਿ ਉਸ ਵਿੰਡੋ ਦੇ ਅੰਦਰ ਕੀ ਫਿੱਟ ਹੈ। ਇਸ ਤੋਂ ਪਰੇ ਹਰ ਚੀਜ਼ ਅਦਿੱਖ ਹੈ, ਜਿਵੇਂ ਕਿ ਇਹ ਮੌਜੂਦ ਨਹੀਂ ਹੈ।

ਪ੍ਰਸੰਗ ਵਿੰਡੋ ਫਿੱਟ ਤੁਹਾਡੇ ਕੁੱਲ ਕੋਡਬੇਸ ਆਕਾਰ (ਟੋਕਨਾਂ ਵਿੱਚ) ਅਤੇ ਦਿੱਤੇ ਮਾਡਲ ਦੀ ਸੰਦਰਭ ਵਿੰਡੋ ਦੇ ਵਿਚਕਾਰ ਅਨੁਪਾਤ ਨੂੰ ਮਾਪਦਾ ਹੈ। ਇੱਕ ਰਿਪੋਜ਼ਟਰੀ ਜੋ 80K ਟੋਕਨਾਂ ਨੂੰ ਟੋਕਨਾਈਜ਼ ਕਰਦੀ ਹੈ ਇੱਕ 200K-ਟੋਕਨ ਮਾਡਲ ਵਿੱਚ 100% ਫਿੱਟ ਪ੍ਰਾਪਤ ਕਰਦੀ ਹੈ — AI ਤੁਹਾਡੇ ਪੂਰੇ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਇੱਕ ਪਾਸ ਵਿੱਚ ਸਮਝ ਸਕਦਾ ਹੈ। ਇੱਕ 2-ਮਿਲੀਅਨ-ਟੋਕਨ ਮੋਨੋਰੇਪੋ? ਤੁਸੀਂ ਸਿੰਗਲ-ਅੰਕ ਪ੍ਰਤੀਸ਼ਤ ਨੂੰ ਦੇਖ ਰਹੇ ਹੋ, ਮਤਲਬ ਕਿ AI ਟੁਕੜਿਆਂ ਨਾਲ ਕੰਮ ਕਰ ਰਿਹਾ ਹੈ, ਪੂਰੀ ਤਸਵੀਰ ਨੂੰ ਕਦੇ ਨਹੀਂ ਸਮਝ ਰਿਹਾ। ਇਹ ਅੰਤਰ AI-ਉਤਪੰਨ ਕੋਡ ਸੁਝਾਵਾਂ, ਆਰਕੀਟੈਕਚਰਲ ਸਮੀਖਿਆਵਾਂ, ਅਤੇ ਸਵੈਚਲਿਤ ਰੀਫੈਕਟਰਿੰਗ ਦੀ ਗੁਣਵੱਤਾ ਲਈ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ।

ਬੈਜ ਸੰਕਲਪ ਇਸ ਨੂੰ ਇੱਕ ਦਿਖਣਯੋਗ, ਸ਼ੇਅਰ ਕਰਨ ਯੋਗ ਮੈਟ੍ਰਿਕ ਵਿੱਚ ਕ੍ਰਿਸਟਾਲਾਈਜ਼ ਕਰਦਾ ਹੈ। ਇਸਨੂੰ ਆਪਣੇ README ਵਿੱਚ ਆਪਣੀ CI ਸਥਿਤੀ ਅਤੇ ਕਵਰੇਜ ਪ੍ਰਤੀਸ਼ਤ ਦੇ ਨਾਲ ਚਿਪਕਾਓ। ਇਹ ਯੋਗਦਾਨ ਪਾਉਣ ਵਾਲਿਆਂ ਅਤੇ ਰੱਖ-ਰਖਾਅ ਕਰਨ ਵਾਲਿਆਂ ਨੂੰ ਕੁਝ ਸੱਚਮੁੱਚ ਲਾਭਦਾਇਕ ਦੱਸਦਾ ਹੈ: ਇਹ ਕੋਡਬੇਸ ਕਿੰਨਾ AI-ਅਨੁਕੂਲ ਹੈ?

ਇਹ ਮੈਟ੍ਰਿਕ ਕਿਉਂ ਬਦਲਦਾ ਹੈ ਕਿ ਟੀਮਾਂ ਕਿਵੇਂ ਸੌਫਟਵੇਅਰ ਬਣਾਉਂਦੀਆਂ ਹਨ

ਸਾਫਟਵੇਅਰ ਆਰਕੀਟੈਕਚਰ ਦੇ ਫੈਸਲੇ ਹਮੇਸ਼ਾ ਮਨੁੱਖੀ ਚਿੰਤਾਵਾਂ ਦੁਆਰਾ ਚਲਾਏ ਜਾਂਦੇ ਹਨ — ਪੜ੍ਹਨਯੋਗਤਾ, ਰੱਖ-ਰਖਾਅ, ਪ੍ਰਦਰਸ਼ਨ, ਟੀਮ ਬਣਤਰ। ਸੰਦਰਭ ਵਿੰਡੋ ਫਿੱਟ ਇਹਨਾਂ ਗੱਲਬਾਤਾਂ ਵਿੱਚ ਇੱਕ ਨਵੇਂ ਹਿੱਸੇਦਾਰ ਨੂੰ ਪੇਸ਼ ਕਰਦਾ ਹੈ: AI ਜੋੜਾ ਪ੍ਰੋਗਰਾਮਰ। ਜਦੋਂ ਤੁਹਾਡਾ ਪੂਰਾ ਕੋਡਬੇਸ ਇੱਕ ਸੰਦਰਭ ਵਿੰਡੋ ਵਿੱਚ ਫਿੱਟ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ AI ਟੂਲ ਕਰਾਸ-ਕਟਿੰਗ ਚਿੰਤਾਵਾਂ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੇ ਹਨ, ਸੂਖਮ ਨਿਰਭਰਤਾ ਚੇਨਾਂ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਪੂਰੇ ਸਿਸਟਮ ਲਈ ਖਾਤੇ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦੇ ਹਨ। ਜਦੋਂ ਅਜਿਹਾ ਨਹੀਂ ਹੁੰਦਾ, ਤਾਂ ਤੁਸੀਂ ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ ਇੱਕ AI ਨੂੰ ਆਪਣੀ ਰਸੋਈ ਨੂੰ ਦੁਬਾਰਾ ਬਣਾਉਣ ਲਈ ਕਹਿ ਰਹੇ ਹੋ, ਜਦੋਂ ਕਿ ਇਸਨੂੰ ਸਿਰਫ਼ ਬਾਥਰੂਮ ਦਿਖਾਉਂਦੇ ਹੋਏ।

ਇਸਦੇ ਅਮਲੀ ਨਤੀਜੇ ਹਨ ਕਿ ਇੰਜਨੀਅਰਿੰਗ ਲੀਡਾਂ ਨੂੰ ਗੰਭੀਰਤਾ ਨਾਲ ਲੈਣਾ ਸ਼ੁਰੂ ਹੋ ਰਿਹਾ ਹੈ। ਉੱਚ ਸੰਦਰਭ-ਫਿੱਟ ਸਕੋਰ ਵਾਲੀਆਂ ਟੀਮਾਂ AI ਕੋਡ ਸਮੀਖਿਆ ਟੂਲਸ ਤੋਂ ਮਾਪੇ ਬਿਹਤਰ ਨਤੀਜਿਆਂ ਦੀ ਰਿਪੋਰਟ ਕਰਦੀਆਂ ਹਨ। ਬੱਗ ਖੋਜ ਦਰਾਂ ਵਿੱਚ ਸੁਧਾਰ ਹੁੰਦਾ ਹੈ ਕਿਉਂਕਿ ਮਾਡਲ ਫਾਈਲਾਂ ਵਿੱਚ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਮਾਰਗਾਂ ਦਾ ਪਤਾ ਲਗਾ ਸਕਦਾ ਹੈ। ਰੀਫੈਕਟਰਿੰਗ ਸੁਝਾਅ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਅਨੁਕੂਲ ਪਰ ਵਿਸ਼ਵ ਪੱਧਰ 'ਤੇ ਵਿਨਾਸ਼ਕਾਰੀ ਹੋਣ ਦੀ ਬਜਾਏ ਆਰਕੀਟੈਕਚਰਲ ਤੌਰ 'ਤੇ ਸਹੀ ਬਣ ਜਾਂਦੇ ਹਨ। ਇੱਕ ਮੱਧ-ਆਕਾਰ ਦੀ SaaS ਕੰਪਨੀ ਦੀ ਇੱਕ ਇੰਜੀਨੀਅਰਿੰਗ ਟੀਮ ਨੇ ਆਪਣੇ ਮੋਨੋਰੇਪੋ ਨੂੰ ਛੋਟੀਆਂ, ਸੰਦਰਭ-ਵਿੰਡੋ-ਅਨੁਕੂਲ ਸੇਵਾਵਾਂ ਵਿੱਚ ਵੰਡਣ ਤੋਂ ਬਾਅਦ ਇੱਕ AI-ਸੁਝਾਏ ਗਏ ਰਿਗਰੈਸ਼ਨ ਵਿੱਚ 40% ਕਮੀ ਦਾ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਕੀਤਾ।

ਮੈਟ੍ਰਿਕ ਚੰਗੇ ਇੰਜਨੀਅਰਿੰਗ ਅਭਿਆਸਾਂ ਲਈ ਇੱਕ ਜ਼ਬਰਦਸਤੀ ਫੰਕਸ਼ਨ ਵੀ ਬਣਾਉਂਦਾ ਹੈ ਜਿਸਦਾ ਟੀਮਾਂ ਨੂੰ ਕਿਸੇ ਵੀ ਤਰ੍ਹਾਂ ਪਾਲਣਾ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਕੋਡਬੇਸ ਜੋ ਸੰਦਰਭ ਵਿੰਡੋ ਫਿੱਟ 'ਤੇ ਵਧੀਆ ਸਕੋਰ ਕਰਦੇ ਹਨ ਉਹਨਾਂ ਵਿੱਚ ਕਲੀਨਰ ਮੋਡੀਊਲ ਸੀਮਾਵਾਂ, ਘੱਟ ਮਰੇ ਹੋਏ ਕੋਡ, ਚਿੰਤਾਵਾਂ ਨੂੰ ਬਿਹਤਰ ਵੱਖ ਕਰਨਾ, ਅਤੇ ਵਧੇਰੇ ਫੋਕਸਡ ਰਿਪੋਜ਼ਟਰੀਆਂ ਹੁੰਦੀਆਂ ਹਨ। AI ਸਮਝ ਮੈਟ੍ਰਿਕ ਸਮੁੱਚੇ ਕੋਡ ਦੀ ਸਿਹਤ ਲਈ ਇੱਕ ਪ੍ਰੌਕਸੀ ਬਣ ਕੇ ਸਮਾਪਤ ਹੁੰਦਾ ਹੈ।

ਆਰਕੀਟੈਕਚਰ ਦੇ ਪ੍ਰਭਾਵ ਜਿਸ ਦੀ ਕਿਸੇ ਨੂੰ ਵੀ ਉਮੀਦ ਨਹੀਂ ਸੀ

ਪ੍ਰਸੰਗ ਵਿੰਡੋ ਫਿੱਟ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਦੀ ਗੱਲਬਾਤ ਨੇ ਮੋਨੋਰੇਪੋ ਬਨਾਮ ਪੋਲੀਰੇਪੋ ਬਹਿਸ ਨੂੰ ਇੱਕ ਬਿਲਕੁਲ ਨਵੇਂ ਮਾਪ ਨਾਲ ਦੁਬਾਰਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ ਹੈ। ਮੋਨੋਰੇਪੋ ਐਡਵੋਕੇਟਾਂ ਨੇ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਇਹ ਦਲੀਲ ਦਿੱਤੀ ਹੈ ਕਿ ਸਭ ਕੁਝ ਇੱਕ ਰਿਪੋਜ਼ਟਰੀ ਵਿੱਚ ਰੱਖਣਾ ਨਿਰਭਰਤਾ ਪ੍ਰਬੰਧਨ ਨੂੰ ਸਰਲ ਬਣਾਉਂਦਾ ਹੈ, ਸੇਵਾਵਾਂ ਵਿੱਚ ਪਰਮਾਣੂ ਪ੍ਰਤੀਬੱਧਤਾ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ, ਅਤੇ ਏਕੀਕਰਣ ਦੇ ਦਰਦ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ। ਪਰ ਜਦੋਂ ਤੁਹਾਡਾ ਮੋਨੋਰੇਪੋ 5 ਮਿਲੀਅਨ ਟੋਕਨਾਂ ਨੂੰ ਟੋਕਨਾਈਜ਼ ਕਰਦਾ ਹੈ ਅਤੇ ਸਭ ਤੋਂ ਵਧੀਆ ਉਪਲਬਧ ਸੰਦਰਭ ਵਿੰਡੋ 200K ਹੈ, ਤਾਂ ਤੁਸੀਂ ਇੱਕ ਕੋਡਬੇਸ ਬਣਾਇਆ ਹੈ ਜਿਸ ਨੂੰ ਕੋਈ AI ਟੂਲ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਮਝ ਨਹੀਂ ਸਕਦਾ।

ਇਸਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਮੋਨੋਰੇਪੋਜ਼ ਮਰ ਚੁੱਕੇ ਹਨ — ਇਸ ਤੋਂ ਬਹੁਤ ਦੂਰ। ਸਮਾਰਟ ਟੀਮਾਂ ਮੱਧ ਮੈਦਾਨ ਲੱਭ ਰਹੀਆਂ ਹਨ। ਉਭਰ ਰਹੀਆਂ ਰਣਨੀਤੀਆਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਇੰਟੈਲੀਜੈਂਟ ਚੰਕਿੰਗ: AI ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਤਿਆਰ ਕੋਡ, ਵਿਕਰੇਤਾ ਨਿਰਭਰਤਾਵਾਂ, ਅਤੇ ਟੈਸਟ ਫਿਕਸਚਰ ਨੂੰ ਬਾਹਰ ਕੱਢਣ ਲਈ .contextignore ਫਾਈਲਾਂ (.gitignore ਦੇ ਸਮਾਨ) ਦੀ ਵਰਤੋਂ ਕਰਨਾ
• ਮੌਡਿਊਲ-ਪੱਧਰ ਦੇ ਸੰਦਰਭ ਨਕਸ਼ੇ: ਲਾਈਟਵੇਟ ਮੈਨੀਫੈਸਟ ਬਣਾਉਣਾ ਜੋ AI ਟੂਲਸ ਨੂੰ ਇਹ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ ਕਿ ਸਭ ਕੁਝ ਲੋਡ ਕੀਤੇ ਬਿਨਾਂ ਕਿਹੜੀਆਂ ਫਾਈਲਾਂ ਕਿਹੜੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਾਲ ਸਬੰਧਤ ਹਨ
• ਪ੍ਰਸੰਗ ਦੇ ਰੂਪ ਵਿੱਚ ਆਰਕੀਟੈਕਚਰਲ ਦਸਤਾਵੇਜ਼: ਸੰਖੇਪ ਆਰਕੀਟੈਕਚਰ ਫੈਸਲੇ ਦੇ ਰਿਕਾਰਡਾਂ (ADRs) ਸਮੇਤ ਜੋ AI ਨੂੰ ਸੰਰਚਨਾਤਮਕ ਸਮਝ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ, ਬਿਨਾਂ ਕੋਡ ਤੋਂ ਸਬੰਧਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦੀ ਲੋੜ ਤੋਂ
• ਰਣਨੀਤਕ ਸੇਵਾ ਕੱਢਣ: ਅਸਲ ਵਿੱਚ ਸੁਤੰਤਰ ਮੈਡਿਊਲਾਂ ਨੂੰ ਵੱਖਰੇ ਰਿਪੋਜ਼ਟਰੀਆਂ ਵਿੱਚ ਤੋੜਨਾ ਜਦੋਂ ਉਹਨਾਂ ਕੋਲ ਕੋਰ ਸਿਸਟਮ ਨਾਲ ਕੋਈ ਅਸਲ ਅੰਤਰ-ਕੱਟਣ ਸੰਬੰਧੀ ਚਿੰਤਾਵਾਂ ਨਹੀਂ ਹੁੰਦੀਆਂ ਹਨ

ਮੁੱਖ ਸੂਝ ਇਹ ਹੈ ਕਿ ਸੰਦਰਭ ਵਿੰਡੋ ਫਿੱਟ ਲਈ ਅਨੁਕੂਲਿਤ ਕਰਨਾ ਤੁਹਾਡੇ ਕੋਡਬੇਸ ਨੂੰ ਛੋਟਾ ਬਣਾਉਣ ਬਾਰੇ ਨਹੀਂ ਹੈ — ਇਹ ਇਸਨੂੰ ਵਧੇਰੇ ਸਮਝਣਯੋਗ ਬਣਾਉਣ ਬਾਰੇ ਹੈ, AI ਟੂਲਸ ਅਤੇ ਉਹਨਾਂ ਦੇ ਨਾਲ ਕੰਮ ਕਰਨ ਵਾਲੇ ਮਨੁੱਖਾਂ ਲਈ।

ਆਪਣੇ ਖੁਦ ਦੇ ਕੋਡਬੇਸ ਨੂੰ ਮਾਪਣਾ: ਇੱਕ ਵਿਹਾਰਕ ਫਰੇਮਵਰਕ

ਇਸ ਤੋਂ ਪਹਿਲਾਂ ਕਿ ਤੁਸੀਂ ਬੈਜ ਮੈਟ੍ਰਿਕ ਦਾ ਪਿੱਛਾ ਕਰਨ ਲਈ ਆਪਣੇ ਪੂਰੇ ਸਿਸਟਮ ਨੂੰ ਰੀਫੈਕਟਰ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰੋ, ਇਹ ਸਮਝਣ ਯੋਗ ਹੈ ਕਿ ਸੰਦਰਭ ਵਿੰਡੋ ਨੂੰ ਅਰਥਪੂਰਨ ਢੰਗ ਨਾਲ ਕਿਵੇਂ ਮਾਪਣਾ ਹੈ। ਤੁਹਾਡੀ ਪੂਰੀ ਰਿਪੋਜ਼ਟਰੀ ਦੀ ਕੱਚੀ ਟੋਕਨ ਗਿਣਤੀ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਬਿੰਦੂ ਹੈ, ਪਰ ਇਹ ਇੱਕ ਧੁੰਦਲਾ ਸਾਧਨ ਹੈ। ਇੱਕ ਹੋਰ ਸੂਖਮ ਪਹੁੰਚ ਇਸ ਗੱਲ 'ਤੇ ਵਿਚਾਰ ਕਰਦੀ ਹੈ ਕਿ ਵੱਖ-ਵੱਖ ਕਾਰਜਾਂ ਲਈ AI ਨੂੰ ਅਸਲ ਵਿੱਚ ਕੀ ਦੇਖਣ ਦੀ ਲੋੜ ਹੈ।

"ਅਸਲ ਸਵਾਲ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਕੀ ਤੁਹਾਡਾ ਪੂਰਾ ਕੋਡਬੇਸ ਇੱਕ ਸੰਦਰਭ ਵਿੰਡੋ ਵਿੱਚ ਫਿੱਟ ਬੈਠਦਾ ਹੈ - ਇਹ ਇਹ ਹੈ ਕਿ ਕੀ ਕਿਸੇ ਦਿੱਤੇ ਕਾਰਜ ਲਈ ਸੰਬੰਧਿਤ ਸੰਦਰਭ ਫਿੱਟ ਬੈਠਦਾ ਹੈ। ਸਪਸ਼ਟ ਸੀਮਾਵਾਂ ਵਾਲਾ ਇੱਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸੰਰਚਨਾ ਵਾਲਾ ਕੋਡਬੇਸ AI ਟੂਲਸ ਨੂੰ ਉਹੀ ਲੋਡ ਕਰਨ ਦਿੰਦਾ ਹੈ ਜੋ ਉਹਨਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਭਾਵੇਂ ਕੁੱਲ ਭੰਡਾਰ ਬਹੁਤ ਵੱਡਾ ਹੋਵੇ।"

💡 DID YOU KNOW?

Mewayz replaces 8+ business tools in one platform

CRM · Invoicing · HR · Projects · Booking · eCommerce · POS · Analytics. Free forever plan available.

Start Free →

ਵਿਹਾਰਕ ਮਾਪ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, ਆਪਣੇ ਕੋਰ ਐਪਲੀਕੇਸ਼ਨ ਕੋਡ ਨੂੰ ਟੋਕਨਾਈਜ਼ ਕਰਕੇ ਸ਼ੁਰੂ ਕਰੋ — ਨੋਡ_ਮੋਡਿਊਲ, ਵਿਕਰੇਤਾ ਡਾਇਰੈਕਟਰੀਆਂ, ਬਿਲਡ ਆਰਟੀਫੈਕਟਸ, ਅਤੇ ਤਿਆਰ ਕੀਤੀਆਂ ਫਾਈਲਾਂ ਨੂੰ ਛੱਡ ਕੇ। ਬਹੁਤੇ ਆਧੁਨਿਕ ਟੋਕਨਾਈਜ਼ਰ (ਜਿਵੇਂ ਕਿ ਓਪਨਏਆਈ ਦੇ ਟਿੱਕਟੋਕਨ ਜਾਂ ਐਂਥਰੋਪਿਕ ਦੇ ਪ੍ਰਕਾਸ਼ਿਤ ਟੋਕਨ ਗਿਣਤੀ ਵਿਧੀਆਂ) ਸਕਿੰਟਾਂ ਵਿੱਚ ਇੱਕ ਡਾਇਰੈਕਟਰੀ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰ ਸਕਦੇ ਹਨ। ਨਤੀਜੇ ਦੀ ਤੁਲਨਾ ਉਹਨਾਂ ਮਾਡਲਾਂ ਦੇ ਸੰਦਰਭ ਵਿੰਡੋਜ਼ ਨਾਲ ਕਰੋ ਜੋ ਤੁਹਾਡੀ ਟੀਮ ਅਸਲ ਵਿੱਚ ਵਰਤਦੀ ਹੈ। ਜੇਕਰ ਤੁਹਾਡਾ ਕੋਰ ਐਪਲੀਕੇਸ਼ਨ ਕੋਡ ਇੱਕ ਸਿੰਗਲ ਸੰਦਰਭ ਵਿੰਡੋ ਵਿੱਚ ਫਿੱਟ ਬੈਠਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਪ੍ਰੋਂਪਟ ਅਤੇ ਨਿਰਦੇਸ਼ਾਂ ਲਈ ਵਾਧੂ ਕਮਰੇ ਹਨ, ਤਾਂ ਤੁਸੀਂ ਸ਼ਾਨਦਾਰ ਰੂਪ ਵਿੱਚ ਹੋ। ਜੇਕਰ ਇਹ ਵਿੰਡੋ ਤੋਂ 2-5x ਵੱਧ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਰਣਨੀਤਕ ਚੰਕਿੰਗ ਜ਼ਰੂਰੀ ਹੋਵੇਗੀ। 10 ਗੁਣਾ ਤੋਂ ਅੱਗੇ, ਤੁਸੀਂ AI ਟੂਲਜ਼ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਬਣਾਉਣ ਲਈ ਆਰਕੀਟੈਕਚਰਲ ਬਦਲਾਅ ਜਾਂ ਵਿਸ਼ੇਸ਼ RAG (ਮੁੜ-ਪ੍ਰਾਪਤੀ-ਵਧੀਆਂ ਪੀੜ੍ਹੀ) ਪਾਈਪਲਾਈਨਾਂ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨਾ ਚਾਹੋਗੇ।

Mewayz ਵਰਗੇ ਪਲੇਟਫਾਰਮਾਂ 'ਤੇ ਨਿਰਮਾਣ ਕਰਨ ਵਾਲੀਆਂ ਟੀਮਾਂ ਲਈ, ਜਿੱਥੇ ਮਾਡਿਊਲਰ ਆਰਕੀਟੈਕਚਰ ਪਹਿਲਾਂ ਹੀ ਚਿੰਤਾਵਾਂ ਨੂੰ ਵੱਖਰੇ ਮਾਡਿਊਲਾਂ ਵਿੱਚ ਵੱਖ ਕਰਦਾ ਹੈ — CRM, ਇਨਵੌਇਸਿੰਗ, HR, ਵਿਸ਼ਲੇਸ਼ਣ, ਅਤੇ 200 ਹੋਰ — ਇਹ ਮਾਪ ਖਾਸ ਤੌਰ 'ਤੇ ਦਿਲਚਸਪ ਬਣ ਜਾਂਦਾ ਹੈ। ਹਰੇਕ ਮੋਡੀਊਲ ਸਪਸ਼ਟ ਇੰਟਰਫੇਸਾਂ ਦੇ ਨਾਲ ਇੱਕ ਸਵੈ-ਨਿਰਭਰ ਇਕਾਈ ਦੇ ਰੂਪ ਵਿੱਚ ਕੰਮ ਕਰਦਾ ਹੈ, ਜੋ ਕੁਦਰਤੀ ਤੌਰ 'ਤੇ ਸੰਦਰਭ-ਵਿੰਡੋ-ਅਨੁਕੂਲ ਹਿੱਸਿਆਂ ਨੂੰ ਮੈਪ ਕਰਦਾ ਹੈ। ਇਹ ਉਸ ਕਿਸਮ ਦਾ ਆਰਕੀਟੈਕਚਰਲ ਪੈਟਰਨ ਹੈ ਜੋ ਮਨੁੱਖੀ ਸਾਂਭ-ਸੰਭਾਲ ਅਤੇ AI ਸਮਝ ਦੋਵਾਂ ਲਈ ਲਾਭਅੰਸ਼ ਦਾ ਭੁਗਤਾਨ ਕਰਦਾ ਹੈ।

ਵਿਕਾਸਕਾਰ ਭਾਈਚਾਰਾ ਅਸਲ ਵਿੱਚ ਕੀ ਬਹਿਸ ਕਰ ਰਿਹਾ ਹੈ

ਪ੍ਰਸੰਗ-ਵਿੰਡੋ ਬੈਜਾਂ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਹੈਕਰ ਨਿਊਜ਼ ਚਰਚਾ ਨੇ ਵਿਕਾਸਕਾਰ ਭਾਈਚਾਰੇ ਵਿੱਚ ਕਈ ਦਿਲਚਸਪ ਤਣਾਅ ਪੈਦਾ ਕੀਤੇ। ਪਹਿਲਾ ਦਾਰਸ਼ਨਿਕ ਹੈ: ਕੀ ਸਾਨੂੰ AI ਦੀ ਖਪਤ ਲਈ ਕੋਡ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ? ਸ਼ੁੱਧਵਾਦੀ ਦਲੀਲ ਦਿੰਦੇ ਹਨ ਕਿ ਕੋਡ ਪਹਿਲਾਂ ਮਨੁੱਖਾਂ ਲਈ ਲਿਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ AI ਟੂਲਸ ਨੂੰ ਅਨੁਕੂਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਪ੍ਰੈਗਮੈਟਿਸਟ ਇਸ ਗੱਲ ਦਾ ਵਿਰੋਧ ਕਰਦੇ ਹਨ ਕਿ ਜੇਕਰ ਇੱਕ ਸਧਾਰਨ ਆਰਕੀਟੈਕਚਰਲ ਵਿਕਲਪ ਤੁਹਾਡੀ ਟੀਮ ਨੂੰ AI ਟੂਲਜ਼ ਦੇ ਨਾਲ ਮਨੁੱਖੀ ਪੜ੍ਹਨਯੋਗਤਾ ਲਈ ਜ਼ੀਰੋ ਲਾਗਤ 'ਤੇ 30% ਵਧੇਰੇ ਉਤਪਾਦਕ ਬਣਾਉਂਦਾ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਬਣਾਉਣ ਤੋਂ ਇਨਕਾਰ ਕਰਨਾ ਇੰਜੀਨੀਅਰਿੰਗ ਨਾਲੋਂ ਵਿਚਾਰਧਾਰਾ ਹੈ।

ਦੂਜੀ ਬਹਿਸ ਇਸ ਗੱਲ 'ਤੇ ਕੇਂਦਰਿਤ ਹੈ ਕਿ ਕੀ ਸੰਦਰਭ ਵਿੰਡੋ ਫਿੱਟ ਹੈ, ਟਰੈਕਿੰਗ ਦੇ ਯੋਗ ਇੱਕ ਸਥਿਰ ਮੀਟ੍ਰਿਕ ਵੀ ਹੈ। ਸੰਦਰਭ ਵਿੰਡੋਜ਼ ਤੇਜ਼ੀ ਨਾਲ ਵਧੀਆਂ ਹਨ — ਸ਼ੁਰੂਆਤੀ GPT-3.5 ਵਿੱਚ 4K ਟੋਕਨਾਂ ਤੋਂ ਲੈ ਕੇ Gemini 1.5 Pro ਵਿੱਚ ਇੱਕ ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ। ਜੇਕਰ ਵਿੰਡੋਜ਼ ਫੈਲਦੀਆਂ ਰਹਿੰਦੀਆਂ ਹਨ, ਤਾਂ ਅੱਜ ਦਾ "ਫਿੱਟ ਨਹੀਂ" ਕੱਲ੍ਹ ਦਾ "ਆਸਾਨੀ ਨਾਲ ਫਿੱਟ" ਬਣ ਜਾਂਦਾ ਹੈ। ਪਰ ਤਜਰਬੇਕਾਰ ਇੰਜੀਨੀਅਰ ਦੱਸਦੇ ਹਨ ਕਿ ਵਿਸ਼ਾਲ ਸੰਦਰਭ ਵਿੰਡੋਜ਼ ਦੇ ਨਾਲ ਵੀ, ਮਾਡਲ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਸੰਦਰਭ ਲੰਬਾਈ ਦੇ ਨਾਲ ਘਟਦੀ ਹੈ। ਫੋਕਸਡ, ਸੰਬੰਧਿਤ ਕੋਡ ਦੇ 50K ਟੋਕਨਾਂ ਦੀ ਪ੍ਰੋਸੈਸਿੰਗ ਕਰਨ ਵਾਲਾ ਮਾਡਲ ਇੱਕ ਵਿਸ਼ਾਲ ਮੋਨੋਰੇਪੋ ਦੇ ਸਮਾਨ ਮਾਡਲ ਪ੍ਰੋਸੈਸਿੰਗ 500K ਟੋਕਨਾਂ ਨੂੰ ਪਛਾੜ ਦੇਵੇਗਾ, ਭਾਵੇਂ ਦੋਵੇਂ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ "ਫਿੱਟ" ਹੋਣ। ਸੰਦਰਭ ਦੀ ਗੁਣਵੱਤਾ ਮਾਤਰਾ ਜਿੰਨੀ ਹੀ ਮਹੱਤਵ ਰੱਖਦੀ ਹੈ।

ਤੀਸਰੀ, ਵਧੇਰੇ ਵਿਹਾਰਕ ਗੱਲਬਾਤ ਟੂਲਿੰਗ ਦੁਆਲੇ ਘੁੰਮਦੀ ਹੈ। ਡਿਵੈਲਪਰ ਸੰਦਰਭ-ਜਾਗਰੂਕ IDE ਏਕੀਕਰਣ ਚਾਹੁੰਦੇ ਹਨ ਜੋ ਆਪਣੇ ਆਪ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਨ ਕਿ ਏਆਈ ਨੂੰ ਕੋਡ ਭੇਜਣ ਵੇਲੇ ਕਿਹੜੀਆਂ ਫਾਈਲਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨਾ ਹੈ। ਉਹ ਰਿਪੋਜ਼ਟਰੀ-ਪੱਧਰ ਦੀ ਖੁਫੀਆ ਜਾਣਕਾਰੀ ਚਾਹੁੰਦੇ ਹਨ ਜੋ ਮੈਨੂਅਲ ਕੌਂਫਿਗਰੇਸ਼ਨ ਤੋਂ ਬਿਨਾਂ ਮੋਡੀਊਲ ਸੀਮਾਵਾਂ ਨੂੰ ਸਮਝਦਾ ਹੈ। ਕਈ ਓਪਨ-ਸੋਰਸ ਪ੍ਰੋਜੈਕਟ ਹੁਣ ਇਸ ਸਹੀ ਸਮੱਸਿਆ ਨਾਲ ਨਜਿੱਠ ਰਹੇ ਹਨ, "ਪ੍ਰਸੰਗ ਕੰਪਾਈਲਰ" ਨੂੰ ਕਿੰਨੀ ਮਾਤਰਾ ਵਿੱਚ ਤਿਆਰ ਕਰ ਰਹੇ ਹਨ ਜੋ ਕਿਸੇ ਵੀ ਦਿੱਤੇ AI-ਸਹਾਇਤਾ ਵਾਲੇ ਕਾਰਜ ਲਈ ਫਾਈਲਾਂ ਦੇ ਅਨੁਕੂਲ ਸਮੂਹ ਨੂੰ ਇਕੱਠਾ ਕਰਦੇ ਹਨ।

ਇਸਨੂੰ ਪ੍ਰਤੀਯੋਗੀ ਲਾਭ ਵਿੱਚ ਬਦਲਣਾ

ਕਾਰੋਬਾਰਾਂ ਲਈ — ਸਿਰਫ਼ ਡਿਵੈਲਪਰ ਟੀਮਾਂ ਹੀ ਨਹੀਂ — ਸੰਦਰਭ ਵਿੰਡੋ ਫਿੱਟ ਦੇ ਸਮਝਣ ਯੋਗ ਪ੍ਰਭਾਵ ਹਨ। ਉਹ ਕੰਪਨੀਆਂ ਜੋ ਸੌਫਟਵੇਅਰ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਭੇਜਦੀਆਂ ਹਨ, ਘੱਟ ਬੱਗ ਨਾਲ, ਘੱਟ ਕੀਮਤ 'ਤੇ, ਆਪਣੇ ਬਾਜ਼ਾਰ ਜਿੱਤਦੀਆਂ ਹਨ। AI-ਸਹਾਇਤਾ ਵਾਲਾ ਵਿਕਾਸ ਇੱਕ ਅਸਲ ਤਾਕਤ ਗੁਣਕ ਹੈ, ਪਰ ਕੇਵਲ ਉਦੋਂ ਹੀ ਜਦੋਂ ਅੰਡਰਲਾਈੰਗ ਕੋਡਬੇਸ ਇਸਦਾ ਲਾਭ ਲੈਣ ਲਈ ਢਾਂਚਾਗਤ ਹੈ। ਉਹ ਸੰਸਥਾਵਾਂ ਜੋ ਅੱਜ AI-ਅਨੁਕੂਲ ਕੋਡਬੇਸ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ, ਉਹ ਮਿਸ਼ਰਿਤ ਫਾਇਦੇ ਬਣਾ ਰਹੀਆਂ ਹਨ ਜੋ ਸਮੇਂ ਦੇ ਨਾਲ ਵੱਧਦੀਆਂ ਜਾਣਗੀਆਂ।

ਇਹ ਸਿਧਾਂਤ ਸ਼ੁੱਧ ਸਾਫਟਵੇਅਰ ਕੰਪਨੀਆਂ ਤੋਂ ਪਰੇ ਹੈ। Mewayz ਵਰਗੇ ਪਲੇਟਫਾਰਮਾਂ 'ਤੇ ਚੱਲ ਰਹੇ ਕਾਰੋਬਾਰ, ਜੋ ਕਿ CRM, ਇਨਵੌਇਸਿੰਗ, ਪੇਰੋਲ, HR, ਫਲੀਟ ਪ੍ਰਬੰਧਨ, ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਇੱਕ ਸਿੰਗਲ ਮਾਡਿਊਲਰ ਸਿਸਟਮ ਵਿੱਚ ਜੋੜਦਾ ਹੈ, ਕਾਰਜਸ਼ੀਲ ਪੱਧਰ 'ਤੇ ਇਸੇ ਫਲਸਫੇ ਤੋਂ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ। ਜਦੋਂ ਤੁਹਾਡਾ ਕਾਰੋਬਾਰੀ ਡੇਟਾ 15 ਡਿਸਕਨੈਕਟ ਕੀਤੇ SaaS ਟੂਲਸ ਵਿੱਚ ਖਿੰਡੇ ਹੋਏ ਹੋਣ ਦੀ ਬਜਾਏ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਟ੍ਰਕਚਰਡ, ਆਪਸ ਵਿੱਚ ਜੁੜੇ ਮੋਡੀਊਲਾਂ ਵਿੱਚ ਰਹਿੰਦਾ ਹੈ, ਤਾਂ AI ਤੁਹਾਡੇ ਪੂਰੇ ਸੰਚਾਲਨ ਬਾਰੇ ਤਰਕ ਕਰ ਸਕਦਾ ਹੈ — ਵਿਕਰੀ, ਸਹਾਇਤਾ ਅਤੇ ਵਿੱਤ ਵਿੱਚ ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨਾ ਜੋ ਸਾਈਲਡ ਸਿਸਟਮਾਂ ਵਿੱਚ ਅਦਿੱਖ ਹੋਣਗੇ। ਉਹੀ ਸਿਧਾਂਤ ਜੋ ਕੋਡਬੇਸ ਨੂੰ AI-ਅਨੁਕੂਲ ਬਣਾਉਂਦਾ ਹੈ, ਕਾਰੋਬਾਰ AI-ਅਨੁਕੂਲ ਬਣਾਉਂਦਾ ਹੈ: ਸਪਸ਼ਟ ਬਣਤਰ, ਸਾਫ਼ ਸੀਮਾਵਾਂ, ਅਤੇ ਵਿਆਪਕ ਸੰਦਰਭ।

ਇੰਜੀਨੀਅਰਿੰਗ ਲੀਡਰਾਂ ਲਈ ਵਿਹਾਰਕ ਉਪਾਅ ਸਿੱਧਾ ਹੈ। ਆਪਣੀ ਸੰਦਰਭ ਵਿੰਡੋ ਨੂੰ ਅੱਜ ਹੀ ਮਾਪਣਾ ਸ਼ੁਰੂ ਕਰੋ — ਭਾਵੇਂ ਗੈਰ ਰਸਮੀ ਤੌਰ 'ਤੇ। ਇਸਨੂੰ ਬਿਲਡ ਟਾਈਮ ਅਤੇ ਟੈਸਟ ਕਵਰੇਜ ਦੇ ਨਾਲ ਆਪਣੇ ਇੰਜੀਨੀਅਰਿੰਗ ਸਿਹਤ ਡੈਸ਼ਬੋਰਡਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰੋ। ਆਰਕੀਟੈਕਚਰਲ ਫੈਸਲੇ ਲੈਣ ਵੇਲੇ ਇਸਨੂੰ ਇੱਕ ਇਨਪੁਟ (ਸਿਰਫ਼ ਇਨਪੁਟ ਨਹੀਂ) ਦੇ ਤੌਰ ਤੇ ਵਰਤੋ। ਅਤੇ ਪਛਾਣੋ ਕਿ ਕੋਡਬੇਸ ਜੋ ਕਿ AI ਵਿਕਾਸ ਸਾਧਨਾਂ ਦੀ ਅਗਲੀ ਪੀੜ੍ਹੀ ਤੋਂ ਸਭ ਤੋਂ ਵੱਧ ਲਾਭ ਉਠਾਉਣਗੇ, ਉਹ ਹਨ ਜੋ ਹੁਣੇ ਨੂੰ ਸਮਝਣਯੋਗਤਾ ਲਈ ਸੰਰਚਿਤ ਕੀਤੇ ਜਾ ਰਹੇ ਹਨ।

ਬੈਜ ਇੱਕ ਗੱਲਬਾਤ ਸ਼ੁਰੂ ਕਰਨ ਵਾਲਾ ਹੈ, ਮੰਜ਼ਿਲ ਨਹੀਂ

"87% ਸੰਦਰਭ ਫਿੱਟ — ਕਲਾਉਡ 200K" ਨੂੰ ਦਰਸਾਉਂਦਾ ਇੱਕ README ਬੈਜ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਚੀਜ਼ ਹੈ। ਤੁਹਾਡੇ ਪ੍ਰੋਜੈਕਟ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਇੱਕ ਲਾਈਨ ਨੂੰ ਬਣਾਉਣ ਅਤੇ ਉਸ ਵਿੱਚ ਕਬਜ਼ਾ ਕਰਨ ਵਿੱਚ ਸਕਿੰਟ ਲੱਗਦੇ ਹਨ। ਪਰ ਇਹ ਕੀ ਦਰਸਾਉਂਦਾ ਹੈ — ਕੋਡਬੇਸ ਸਮਝਦਾਰੀ ਲਈ ਇੱਕ ਜਾਣਬੁੱਝ ਕੇ, ਮਾਪਣਯੋਗ ਵਚਨਬੱਧਤਾ — ਇੱਕ ਇੰਜੀਨੀਅਰਿੰਗ ਟੀਮ ਦੀਆਂ ਤਰਜੀਹਾਂ ਬਾਰੇ ਕੁਝ ਅਰਥਪੂਰਨ ਸੰਕੇਤ ਕਰਦਾ ਹੈ। ਇਹ ਕਹਿੰਦਾ ਹੈ: ਅਸੀਂ ਇਸ ਬਾਰੇ ਸੋਚਦੇ ਹਾਂ ਕਿ ਸਾਡੇ ਕੋਡ ਨੂੰ ਕਿਵੇਂ ਸਮਝਿਆ ਜਾਵੇਗਾ, ਨਾ ਸਿਰਫ਼ ਅਗਲੇ ਡਿਵੈਲਪਰ ਦੁਆਰਾ, ਬਲਕਿ AI ਸਿਸਟਮਾਂ ਦੁਆਰਾ ਜੋ ਹਰ ਵਿਕਾਸ ਕਾਰਜ ਪ੍ਰਵਾਹ ਦਾ ਵੱਧ ਤੋਂ ਵੱਧ ਹਿੱਸਾ ਹਨ।

ਇਸ ਰੁਝਾਨ ਦਾ ਸਭ ਤੋਂ ਕੀਮਤੀ ਨਤੀਜਾ ਖੁਦ ਬੈਜ ਨਹੀਂ ਹੈ। ਇਹ ਉਹ ਗੱਲਬਾਤ ਹੈ ਜੋ ਇਹ ਆਰਕੀਟੈਕਚਰ ਸਮੀਖਿਆਵਾਂ, ਸਪ੍ਰਿੰਟ ਯੋਜਨਾਬੰਦੀ, ਅਤੇ ਤਕਨੀਕੀ ਕਰਜ਼ੇ ਬਾਰੇ ਚਰਚਾਵਾਂ ਦੌਰਾਨ ਛਿੜਦੀ ਹੈ। ਜਦੋਂ "ਪ੍ਰਸੰਗ ਵਿੰਡੋ ਫਿੱਟ" ਤੁਹਾਡੀ ਇੰਜੀਨੀਅਰਿੰਗ ਸ਼ਬਦਾਵਲੀ ਦਾ ਹਿੱਸਾ ਬਣ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਅਜਿਹੇ ਫੈਸਲੇ ਲੈਣੇ ਸ਼ੁਰੂ ਕਰ ਦਿੰਦੇ ਹੋ ਜੋ ਹਰ ਉਸ ਚੀਜ਼ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ ਜੋ ਅਸੀਂ ਦਹਾਕਿਆਂ ਤੋਂ ਚੰਗੇ ਸੌਫਟਵੇਅਰ ਡਿਜ਼ਾਈਨ ਬਾਰੇ ਜਾਣਦੇ ਹਾਂ: ਸਪਸ਼ਟ ਇੰਟਰਫੇਸ ਅਤੇ ਨਿਊਨਤਮ ਜੋੜਾਂ ਵਾਲੇ ਛੋਟੇ, ਫੋਕਸ ਕੀਤੇ ਮੋਡੀਊਲ। ਏਆਈ ਕ੍ਰਾਂਤੀ ਨੇ ਇਹਨਾਂ ਸਿਧਾਂਤਾਂ ਦੀ ਖੋਜ ਨਹੀਂ ਕੀਤੀ ਸੀ। ਪਰ ਇਹ ਟੀਮਾਂ ਨੂੰ ਅੰਤ ਵਿੱਚ ਉਹਨਾਂ ਦਾ ਪਾਲਣ ਕਰਨ ਲਈ ਇੱਕ ਨਵਾਂ, ਮਾਤਰਾਤਮਕ ਕਾਰਨ ਦੇ ਰਿਹਾ ਹੈ।

ਅਕਸਰ ਪੁੱਛੇ ਜਾਣ ਵਾਲੇ ਸਵਾਲ

ਪ੍ਰਸੰਗ ਵਿੰਡੋ ਫਿੱਟ ਕੀ ਹੈ ਅਤੇ ਇਹ ਮਾਇਨੇ ਕਿਉਂ ਰੱਖਦਾ ਹੈ?

ਪ੍ਰਸੰਗ ਵਿੰਡੋ ਫਿੱਟ ਮਾਪਦੀ ਹੈ ਕਿ ਤੁਹਾਡੇ ਕੋਡਬੇਸ ਦੀ ਕਿੰਨੀ ਪ੍ਰਤੀਸ਼ਤ LLM ਇੱਕ ਸਿੰਗਲ ਪ੍ਰੋਂਪਟ ਵਿੱਚ ਪ੍ਰਕਿਰਿਆ ਕਰ ਸਕਦੀ ਹੈ। ਇੱਕ ਉੱਚ ਪ੍ਰਤੀਸ਼ਤ ਦਾ ਮਤਲਬ ਹੈ ਕਿ AI ਟੂਲ ਤੁਹਾਡੇ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਇੱਕ ਵਾਰ ਵਿੱਚ ਸਮਝ ਸਕਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਬਿਹਤਰ ਕੋਡ ਸੁਝਾਅ, ਵਧੇਰੇ ਸਟੀਕ ਰੀਫੈਕਟਰਿੰਗ, ਅਤੇ ਘੱਟ ਭੁਲੇਖੇ ਹੁੰਦੇ ਹਨ। ਜਿਵੇਂ ਕਿ AI-ਸਹਾਇਤਾ ਵਾਲਾ ਵਿਕਾਸ ਮਿਆਰੀ ਬਣ ਜਾਂਦਾ ਹੈ, ਇਹ ਮੈਟ੍ਰਿਕ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ ਕਿ ਤੁਹਾਡੀ ਟੀਮ ਕੋਪਾਇਲਟ, ਕਰਸਰ, ਅਤੇ ਕਲਾਉਡ ਵਰਗੇ ਟੂਲਸ ਨਾਲ ਕਿੰਨੀ ਲਾਭਕਾਰੀ ਹੋ ਸਕਦੀ ਹੈ।

ਮੈਂ ਆਪਣੇ ਕੋਡਬੇਸ ਦੀ ਸੰਦਰਭ ਵਿੰਡੋ ਫਿੱਟ ਦੀ ਜਾਂਚ ਕਿਵੇਂ ਕਰ ਸਕਦਾ ਹਾਂ?

ਤੁਸੀਂ ਆਪਣੀ ਰਿਪੋਜ਼ਟਰੀ ਲਈ ਵਿਜ਼ੂਅਲ ਇੰਡੀਕੇਟਰ ਬਣਾਉਣ ਲਈ ਹੈਕਰ ਨਿਊਜ਼ 'ਤੇ ਸਾਂਝੇ ਕੀਤੇ ਓਪਨ-ਸੋਰਸ ਬੈਜ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ। ਇਹ ਤੁਹਾਡੀ ਕੁੱਲ ਕੋਡਬੇਸ ਟੋਕਨ ਗਿਣਤੀ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ ਅਤੇ ਪ੍ਰਸਿੱਧ LLM ਸੰਦਰਭ ਵਿੰਡੋਜ਼ ਨਾਲ ਇਸਦੀ ਤੁਲਨਾ ਕਰਦਾ ਹੈ। ਬੈਜ ਇੱਕ ਪ੍ਰਤੀਸ਼ਤ ਸਕੋਰ ਦਿਖਾਉਂਦਾ ਹੈ ਜੋ ਤੁਸੀਂ ਆਪਣੇ README ਵਿੱਚ ਏਮਬੇਡ ਕਰ ਸਕਦੇ ਹੋ, ਯੋਗਦਾਨੀਆਂ ਅਤੇ ਹਿੱਸੇਦਾਰਾਂ ਨੂੰ ਇੱਕ ਤਤਕਾਲ ਸਨੈਪਸ਼ਾਟ ਦਿੰਦਾ ਹੈ ਕਿ ਤੁਹਾਡਾ ਪ੍ਰੋਜੈਕਟ ਕਿੰਨਾ AI-ਤਿਆਰ ਹੈ।

ਕੋਈ ਰਣਨੀਤੀਆਂ ਕੋਡਬੇਸ ਦੇ ਸੰਦਰਭ ਵਿੰਡੋ ਫਿੱਟ ਸਕੋਰ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਂਦੀਆਂ ਹਨ?

ਮੌਡਿਊਲਰ ਆਰਕੀਟੈਕਚਰ, ਚਿੰਤਾਵਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਨ, ਅਤੇ ਡੈੱਡ ਕੋਡ ਨੂੰ ਖਤਮ ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰੋ। ਲਾਜ਼ੀਕਲ ਸੀਮਾਵਾਂ ਦੇ ਨਾਲ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਟ੍ਰਕਚਰਡ ਮੋਨੋਰੇਪੋਜ਼ LLMs ਨੂੰ ਸੰਬੰਧਿਤ ਮੋਡੀਊਲਾਂ ਨੂੰ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਦਿੰਦੇ ਹਨ। ਕੋਡ ਡੁਪਲੀਕੇਸ਼ਨ ਨੂੰ ਘਟਾਉਣਾ, ਫਾਈਲਾਂ ਨੂੰ ਸੰਖੇਪ ਰੱਖਣਾ, ਅਤੇ ਸਾਫ਼ ਨਿਰਭਰਤਾ ਦਰਖਤਾਂ ਨੂੰ ਕਾਇਮ ਰੱਖਣਾ ਸਭ ਯੋਗਦਾਨ ਪਾਉਂਦੇ ਹਨ। Mewayz ਵਰਗੇ ਪਲੇਟਫਾਰਮ ਇਸ ਸਿਧਾਂਤ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ — ਰੱਖ-ਰਖਾਅ ਅਤੇ ਕੁਸ਼ਲਤਾ ਲਈ ਤਿਆਰ ਕੀਤੇ ਗਏ ਇੱਕ ਸੁਚਾਰੂ ਵਪਾਰਕ OS ਵਿੱਚ 207 ਮੋਡੀਊਲਾਂ ਨੂੰ ਪੈਕ ਕਰਨਾ।

ਕੀ ਇੱਕ ਛੋਟੇ ਕੋਡਬੇਸ ਦਾ ਮਤਲਬ ਹਮੇਸ਼ਾ ਬਿਹਤਰ AI ਅਨੁਕੂਲਤਾ ਹੁੰਦਾ ਹੈ?

ਜ਼ਰੂਰੀ ਨਹੀਂ। ਗੁੰਝਲਦਾਰ ਨਿਰਭਰਤਾ ਅਤੇ ਮਾੜੇ ਦਸਤਾਵੇਜ਼ਾਂ ਵਾਲਾ ਇੱਕ ਛੋਟਾ ਕੋਡਬੇਸ LLM ਲਈ ਇੱਕ ਵੱਡੇ, ਚੰਗੀ ਤਰ੍ਹਾਂ ਸੰਗਠਿਤ ਇੱਕ ਨਾਲੋਂ ਤਰਕ ਕਰਨਾ ਔਖਾ ਹੋ ਸਕਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ ਵਿੰਡੋ ਦੇ ਅੰਦਰ ਕਿੰਨਾ ਢੁਕਵਾਂ ਸੰਦਰਭ ਫਿੱਟ ਹੈ। ਸਾਫ਼ ਐਬਸਟਰੈਕਸ਼ਨ, ਇਕਸਾਰ ਨਾਮਕਰਨ ਪਰੰਪਰਾਵਾਂ, ਅਤੇ ਮਾਡਯੂਲਰ ਡਿਜ਼ਾਈਨ AI ਟੂਲਸ ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਦਿੰਦੇ ਹਨ ਭਾਵੇਂ ਉਹ ਕੋਡ ਦੀ ਹਰੇਕ ਲਾਈਨ ਨੂੰ ਇੱਕੋ ਵਾਰ ਵਿੱਚ ਨਹੀਂ ਲੈ ਸਕਦੇ।