大脑解析

好吧，我们来聊聊人工智能编程。如果你一直在使用查特吉皮提、科德克斯、克劳德……无论你的首选工具是什么——你可能已经深有体会。有时它的表现令人惊叹。比如……它是怎么写出那段代码的？但有时，它也让人沮丧。你解释了一些事情，它似乎听懂了。然后你问了另一个问题，它却完全忘记了你刚才说的一切。

我经常遇到这种瓶颈。

到底出了什么问题

并不是人工智能不好，而是人工智能不了解你的项目。它不知道：

所以，每次你让它做某事时，它基本上都是在猜测。没错……有时它猜对了，但很多时候并非如此。

“脑”非常简单。它只存在于你的项目中，并只做一件事：

跟踪重要的信息，并将正确的上下文提供给人工智能

就是这样！没有花哨的用户界面，没有所谓的“平台”，也没有你需要管理的额外东西。

如果你想探索一下，“脑”在吉特哈布上是开源的：吉米麦克布莱德/脑。

假设你正在修复一个错误：

令牌刷新竞态条件

通常你会：

然后祈祷结果完美。现在有了“脑”：

brain context compile --task "fix token refresh race condition" --budget small

这一个命令就整合了：

现在，人工智能真正理解了它正在处理的工作。而且那个 --budget small 部分也很重要。它告诉“脑”要精简开始，而不是把所有杂乱无章的信息都丢给模型。

你并不需要理解所有细节，但这会有所帮助。

你的项目不再遗忘事情。修复了一个错误？保存它。做出了一个决定？保存它。现在它成为项目永久的一部分，人工智能可以在以后使用它。

你无需记住三周前使用的确切措辞，就能真正找到所需内容。

brain search "auth bug"

这就是混合搜索开始显现价值的地方。“脑”同时使用词汇搜索和语义搜索，这实际上意味着当你记得确切词语时它可以工作，而当你只记得大致概念时它也能提供帮助。

如果你使用真实词语进行搜索，词汇侧有助于锁定确切的术语和紧密的关键词匹配。
如果你的笔记写着 token refresh race condition（令牌刷新竞态条件），而你搜索的是 token auth race（令牌认证竞态）或 refresh bug（刷新错误），语义侧仍然能引导你找到正确的内容。
结合起来，感觉更像是“找到我的意思”，而不那么像是“希望我猜对了确切的文件名”。

这是最重要的一点。“脑”不会将整个项目扔给人工智能……而是为你正在处理的任务构建一个数据包。数据包只是一个小型的、面向任务的上下文 bundle。不是整个

免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。