LLM содержат только общие предобученные данные. Акт вставки дополнительной информации (документы, руководства, книги и т. д.) в ваш запрос для улучшения производительности называется "грунтованием" Вот 2 обязательных инструмента, которые я использую для грунтования: 1) @RepoPrompt (mac) или pastemax (windows) Эти инструменты позволяют вам легко скопировать всю вашу кодовую базу в буфер обмена. Затем вы можете вставить это в LLM, чтобы задать вопросы о вашем коде или попросить его написать код. Gemini 2.5 имеет контекстное окно на 1 миллион токенов, так что вы можете вместить довольно большие кодовые базы. Один из моих любимых рабочих процессов — это копирование моей кодовой базы в Gemini 2.5, просьба сгенерировать кодовый запрос для выполнения задачи и вставка этого запроса в код Claude. 2) Jina AI reader ( Преобразуйте любой URL в markdown, который вы можете вставить в ваш LLM. Предположим, есть страница документации, которую я хочу использовать в качестве источника данных для моего LLM. Я мог бы попросить мой LLM посетить этот URL, но это часто ненадежно, и он на самом деле не посетит эту страницу и не прочитает все. Самый надежный способ — использовать этот инструмент Jina для преобразования этого URL в красивый формат markdown (он даже может удалить изображения и другой бесполезный контент с веб-страницы), а затем вставить его в ваш запрос.