LLM-y zawierają tylko ogólne dane wstępnie wytrenowane. Akt wstawiania dodatkowych informacji (dokumentów, przewodników, książek itp.) do swojego zapytania w celu poprawy wydajności nazywa się "grounding" Oto 2 narzędzia, które musisz używać, aby uzyskać grounding: 1) @RepoPrompt (mac) lub pastemax (windows) Te narzędzia pozwalają łatwo skopiować cały swój kod do schowka. Możesz następnie wkleić to do LLM, aby zadawać pytania dotyczące swojego kodu lub poprosić je o napisanie kodu. Gemini 2.5 ma kontekst o długości 1 miliona tokenów, więc możesz tam zmieścić dość duże bazy kodu. Jednym z moich ulubionych procesów roboczych jest skopiowanie mojej bazy kodu do Gemini 2.5, poproszenie go o wygenerowanie zapytania kodu claude do wykonania zadania i wklejenie tego zapytania do kodu claude. 2) Jina AI reader ( Przekształć dowolny URL w markdown, który możesz wkleić do swojego LLM. Załóżmy, że jest strona dokumentacji, którą chcę wykorzystać jako źródło danych dla mojego LLM. Mógłbym poprosić moje LLM o odwiedzenie tego URL, ale to często jest niewiarygodne i nie odwiedzi faktycznie tej strony i nie przeczyta wszystkiego. Najpewniejszym sposobem jest użycie tego narzędzia jina do przekształcenia tego URL w ładny format markdown (może nawet usunąć obrazy i inne nieprzydatne treści ze strony internetowej), a następnie wklejenie go do swojego zapytania.