Ir al contenido principal

Trabajar con Proyectos Grandes

AI Cockpit Reasoning se puede usar con proyectos de cualquier tamaño, pero los proyectos grandes requieren un cuidado adicional para gestionar el contexto de manera efectiva. Aquí hay algunos consejos para trabajar con bases de código grandes:

Comprender los Límites de Contexto​

AI Cockpit Reasoning usa modelos de lenguaje grande (LLMs) que tienen una "ventana de contexto" limitada. Esta es la cantidad máxima de texto (medida en tokens) que el modelo puede procesar a la vez. Si el contexto es demasiado grande, el modelo puede no ser capaz de entender su solicitud o generar respuestas precisas.

La ventana de contexto incluye:

  • El prompt del sistema (instrucciones para AI Cockpit Reasoning).
  • El historial de conversación.
  • El contenido de cualquier archivo que mencione usando @.
  • La salida de cualquier comando o herramienta que use AI Cockpit Reasoning.

Estrategias para Gestionar el Contexto​

  1. Sea Específico: Al referirse a archivos o código, use rutas de archivo y nombres de función específicos. Evite referencias vagas como "el archivo principal".

  2. Use las Menciones de Contexto de Manera Efectiva: Use @/ruta/al/archivo.ts para incluir archivos específicos. Use @problems para incluir errores y advertencias actuales. Use @ seguido de un hash de commit para referenciar commits específicos de Git.

  3. Divida las Tareas: Divida las tareas grandes en subtareas más pequeñas y manejables. Esto ayuda a mantener el contexto enfocado.

  4. Resuma: Si necesita referirse a una gran cantidad de código, considere resumir las partes relevantes en su prompt en lugar de incluir todo el código.

  5. Priorice el Historial Reciente: AI Cockpit Reasoning trunca automáticamente los mensajes más antiguos en el historial de conversación para mantenerse dentro de la ventana de contexto. Tenga esto en cuenta y vuelva a incluir el contexto importante si es necesario.

  6. Use el Caché de Prompts (si está disponible): Algunos proveedores de API como Anthropic, OpenAI, OpenRouter y Requesty admiten el "caché de prompts". Esto almacena en caché sus prompts para uso en tareas futuras y ayuda a reducir el costo y la latencia de las solicitudes.

Ejemplo: Refactorizar un Archivo Grande​

Supongamos que necesita refactorizar un archivo TypeScript grande (src/components/MyComponent.tsx). Aquí hay un posible enfoque:

  1. Descripción General Inicial:

    @/src/components/MyComponent.tsx Lista las funciones y clases en este archivo.

  2. Apuntar a Funciones Específicas:

    @/src/components/MyComponent.tsx Refactoriza la función `processData` para usar `async/await` en lugar de Promesas.

  3. Cambios Iterativos: Realice cambios pequeños e incrementales, revisando y aprobando cada paso.

Al dividir la tarea y proporcionar contexto específico, puede trabajar de manera efectiva con archivos grandes incluso con una ventana de contexto limitada.