大型语言模型（LLMs）仅包含通用的预训练数据。将额外信息（文档、指南、书籍等）插入到提示中以提高性能的行为称为“基础化”。 以下是我用来基础化的两个必用工具： 1) @RepoPrompt（mac）或 pastemax（windows） 这些工具允许你轻松地将整个代码库复制到剪贴板中。然后你可以将其粘贴到大型语言模型中，以询问有关你的代码的问题，或让它们编写代码。Gemini 2.5 具有 100 万个令牌的上下文窗口，因此你可以在其中放入相当大的代码库。我最喜欢的工作流程之一是将我的代码库复制到 Gemini 2.5，要求它生成一个 claude 代码提示来执行某个任务，然后将该提示粘贴到 claude 代码中。 2) Jina AI reader（ 将任何 URL 转换为可以粘贴到你的 LLM 中的 markdown。如果有一个文档页面我想用作我的 LLM 的数据源。我可以要求我的 LLM 访问该 URL，但这通常不可靠，并且它实际上不会访问该页面并读取所有内容。 最可靠的方法是使用这个 jina 工具将该 URL 转换为漂亮的 markdown 格式（它甚至可以从网页中删除图像和其他无用内容），然后将其粘贴到你的提示中。