LLM-er inneholder bare generiske forhåndstrente data. Handlingen med å sette inn ekstra informasjon (dokumenter, veiledninger, bøker osv.) i forespørselen din for å forbedre ytelsen kalles "jording" Her er 2 verktøy jeg må bruke for å jorde: 1) @RepoPrompt (Mac) eller PasteMax (Windows, ) Disse verktøyene lar deg enkelt kopiere hele kodebasen til utklippstavlen. Du kan deretter lime dette inn i en LLM for å stille spørsmål om koden din, eller for å få dem til å skrive kode. Gemini 2.5 har et kontekstvindu på 1 million tokens, slik at du kan få plass til ganske store kodebaser der. En av mine favorittarbeidsflyter er å kopiere kodebasen min til Gemini 2.5, be den om å generere en claude-kodemelding for å utføre en oppgave, og lime inn den ledeteksten i claude-kode. 2) Jina AI-leser ( Konverter en hvilken som helst URL til markdown som du kan lime inn i LLM-en din. La oss si at det er en dokumentside jeg vil bruke som datakilde, min LLM. Jeg kunne bedt min LLM om å besøke den URL-en, men dette er ofte upålitelig, og den vil faktisk ikke besøke den siden og lese alt. Den mest sikre måten er å bruke dette jina-verktøyet til å konvertere den URL-en til et fint markdown-format (det kan til og med fjerne bilder og annet ubrukelig innhold fra nettsiden), og deretter lime det inn i ledeteksten.