Kursors ievieš dinamisku konteksta atklāšanu: Kā programmēšanas asistenti tagad strādā gudrāk, nevis vairāk
Iedomājieties palīgu, kurš ne tikai izpilda jūsu norādījumus, bet arī pats atrod nepieciešamo informāciju jūsu paša projektos, neprasot papildu skaidrojumus. Šī vairs nav tālā nākotnes fantastika. Populārais kodēšanas asistents, kas darbojas tieši jūsu IDE, Kursors, tikko ieviesa revolucionāru funkciju sauktu par adaptīvo konteksta atklāšanu. Šis jauninājums būtiski maina veidu, kā mākslīgais intelekts mijiedarbojas ar jūsu kodu, padarot to daudz efektīvāku un ekonomiskāku.
Izmantojot šo tehnoloģiju, Kursors vairs neiesaiņo visu jūsu darba vēsturi un failus katrā pieprasījumā, kas izmaksātu dārgi ar tokeniem. Tā vietā tas saglabā izvadi un vēsturi kā parastus failus jūsu sistēmā un vēlāk, kad nepieciešams, atrod atslēgas informāciju, izmantojot tādus standarta rīkus kā `grep` vai `tail`. Rezultāts? Asistents ir informētāks, atbildes ir precīzākas, un jūs ietaupāt gan laiku, gan resursus.
Kas īsti ir “dinamiskā konteksta atklāšana”?
Lai saprastu šīs funkcijas nozīmi, vispirms jāizprot izaicinājums. Tradicionāli, lielo valodu modeļu (LLM) asistenti, strādājot ar jūsu kodu, ir spiesti “ierakstīt” kontekstu – tas ir, visu būtisko informāciju par jūsu projektu – katrā jūsu uzdotajā jautājumā. Šis process, ko sauc par konteksta iesaiņošanu, aizņem tokenus (vienības, ar kurām mēra teksta apjomu modelim), kas ir tieši saistīti ar izmaksām. Jo vairāk koda un vēstures jums ir, jo dārgāks kļūst katrs pieprasījums.
Adaptīvā konteksta atklāšana šo pieeju apgriež otrādi. Tā darbojas kā īsts izstrādātājs, kurš zina, kur projekta mapē meklēt atbildes. Tā vietā, lai nosūtītu visu failu saturu uz serveri, Kursors:
1. **Saglabā sarakstu un koda izvadi lokāli kā failus.**
2. **Kad rodas jautājums, tas automātiski identificē, kura informācija varētu būt svarīga.**
3. **Izmanto efektīvas sistēmas komandas, lai “atklātu” un iegūtu tikai tiešā veidā nepieciešamās daļas.**
4. **Pievieno šo konkrēto informāciju pieprasījumam, nevis visu projektu kopumā.**
Tehniskā maģija aizkulisēs: grep, tail un Agentu Prasmes
Šīs funkcijas dzinējspēks ir tās vienkāršība un gudrība. Izmantojot tādus uzticamus rīkus kā `grep` (meklēšana pēc rakstzīmju virknēm failos) un `tail` (pēdējo faila rindu skatīšana), Kursors var ātri atrast kļūdu žurnālus, noteiktas funkcijas definīcijas, nesen veiktās izmaiņas vai konfigurācijas iestatījumus.
Pieņemsim, ka jūs jautājat: “Kāpēc pēdējā testa izpildē radās šī kļūda?” Tā vietā, lai nosūtītu visu testa failu vēsturi, asistents var automātiski izpildīt `tail` uz jūsu testa izvades žurnāla faila, iegūt pēdējās kļūdu rindas un iekļaut tikai tās kontekstā. Tas ir ātri un efektīvi.
Turklāt, šī sistēma tieši atbalsta jauno Agentu Prasmju (Agent Skills) ekosistēmu. Šīs ir specializētas instrukcijas vai spējas, ko asistents var apgūt un pielāgot konkrētiem uzdevumiem. Dinamiskā konteksta atklāšana ļauj šīm prasmēm piekļūt nepieciešamajai informācijai daudz precīzāk, padarot pašas prasmes daudz jaudīgākas un uzticamākas.
Kāpēc šis ir liels solis uz priekšu izstrādātājiem?
Izmaiņas nav tikai tehniskas – tās tieši ietekmē jūsu ikdienas darba plūsmu un budžetu.
1. Būtiskas izmaksu ietaupījumi (Samazināts tokenu patēriņš)
Katrs tokenam ir cena, īpaši strādājot ar lieliem projektiem. Nosūtot tikai būtisko informāciju, nevis gigabaitus ar koda vēsturi, jūsu pieprasījumi kļūst ievērojami lētāki. Tas ļauj izmantot Kursoru intensīvāk par tādām pašām izmaksām vai arī samazina kopējo rēķinu.
2. Augstāka precizitāte un mazākas halucinācijas
Kad modelim tiek padots pārāk daudz informācijas, tas dažkārt var “apmaldīties” vai izveidot neprecīzas atbildes (halucinēt). Sniedzot asistentam tieši to, kas nepieciešams, mēs samazinām troksni un palīdzam tam koncentrēties uz faktisko problēmu. Tas nozīmē mazāk kļūdu un precīzākus koda ieteikumus.
3. Darbība ar lielākiem projektiem
Ierobežojums par konteksta loga lielumu (piemēram, 128K tokeni) vairs nav tik šķērslis. Asistentam nav jāiesaiņo viss monorepo, lai atbildētu uz jautājumu par vienu konkrētu moduli. Tas var dinamiski atklāt un iegūt nepieciešamo, padarot lielu projektu apstrādi iespējamu un praktisku.
4. Vairāk lokālas kontroles un privātuma
Tā kā informācijas meklēšana un atlase notiek lokālā līmenī (vai vismaz sākas tur), jūs paturiet lielāku kontroli pār to, kādi dati faktiski tiek nosūtīti uz mākoņa servisiem. Tas ir labs solis uz priekšu datu pārvaldībā un privātuma ziņā.
Kā sākt lietot šo iespēju?
Saskaņā ar informāciju no oficiālajiem kanāliem, šī funkcija tiek ieviesta pakāpeniski. Lai to izmēģinātu, pārliecinieties, ka jums ir instalēta jaunākā Kursors IDE versija. Pēc tam, strādājot ar projektu, vienkārši turpiniet uzdot jautājumus un dot komandas kā parasti. Sistēmai vajadzētu automātiski pielāgoties un sākt izmantot dinamisko konteksta atklāšanu, lai uzlabotu savas atbildes.
Pievērsiet uzmanību tam, cik detalizētas un kontekstā iegultas atbildes jūs saņemat, it īpaši atkārtojot jautājumus par lieliem failiem vai projekta vēsturi. Jūs varēsit pamanīt, ka asistents sāk atsaukties uz konkrētām rindām, kļūdām vai izmaiņām, kuras pats atrada, neprasot jums tos manuāli kopēt.
Nākotne ar gudrākiem kodēšanas asistentiem
Kursors ar šo atjauninājumu nepiedāvā tikai inkrementālu uzlabojumu; tas pārveido pašu arhitektūru, kā MI asistents mijiedarbojas ar jūsu darba vidi. Tā vietā, lai būtu tikai “runas partneris” ar ierobežotu atmiņu, tas kļūst par aktīvu, resursus taupošu pētnieku jūsu paša kodubāzē.
Šis ir skaidrs signāls nozarei: nākotnes kodēšanas palīgi būs ne tikai zinoši par vispārējām programmēšanas praksēm, bet arī īpaši veikli orientējoties un meklējot informāciju *jūsu* unikālajā vidē. Tas atver durvis daudz sarežģītākām automatizācijām, uzticamākai atkļūdošanai un pat pilnīgi jaunam veidam, kā mēs domājam par projektu dokumentāciju un zināšanu pārvaldību.
Vienā vārdā: asistents kļūst par daļu no komandas. Un tas ir labs ziņas ikvienam, kurš pavada laiku pie koda redaktora.
Avots: https://www.testingcatalog.com/cursor-rolls-out-dynamic-context-discovery-for-coding-agents/